Tras varios años marcados por la experimentación, en los que los chatbots de inteligencia artificial se popularizaron entre las organizaciones, comenzamos una nueva etapa en la que los agentes de IA están llamados a ser los nuevos profesionales digitales. Trabajarán junto a los equipos y se constituirá un nuevo ecosistema colaborativo que combina lo tecnológico y lo humano.
Sin embargo, la realidad es que son pocas las empresas que disponen de sus datos preparados para impulsar estas soluciones. De hecho, según un reciente estudio global realizado por Harvard Business Review Analytic Services junto a Cloudera, solo un 7% afirma que los datos de su organización están completamente listos para la adopción de la IA. Esta situación exige consolidar las bases, a través de una sólida gestión y entrenamiento de los datos, antes de desplegar la IA a gran escala. Para ello, las empresas deberán revisar cuestiones clave como la calidad, trazabilidad y gobernanza de la información.
Índice de temas
Datos: el primer paso del mundo agéntico
Durante más de una década las compañías han estado inmersas en la “era de la nube”, caracterizada principalmente por la flexibilidad. Anteriormente, experimentaron una “era del control”, que proporcionó escalabilidad, pero también implicó la aparición de silos de datos. Tras esta evolución, iniciamos una nueva realidad híbrida donde coexisten entornos cloud y centros de datos de forma unificada.
Las empresas son conscientes de que, aunque determinada información debe permanecer en instalaciones locales por razones de soberanía, latencia o costes, otras cargas de trabajo funcionan mejor en la nube pública. El principal cambio de esta etapa reside en que las organizaciones ya no se preocupan por el lugar donde se ejecutan los datos, sino por garantizar la eficiencia, la seguridad y el cumplimiento normativo.
Sin disponer de marcos de gestión de datos robustos, la inteligencia artificial no alcanzará los resultados necesarios para desarrollar capacidades predictivas y generar agentes. En este sentido, la IA, además de nutrirse de los datos, también puede mejorar su preparación a través de la corrección de desviaciones y la detección de sesgos de forma autónoma.
Además, a medida que los agentes evolucionan, la interoperabilidad es esencial: las empresas necesitan un lenguaje común que promueva la colaboración entre en los diferentes sistemas. Deberán pasar de aplicaciones aisladas a una inteligencia artificial federada, donde la información fluya libremente, pero de forma segura, entre entornos. En este contexto, los proveedores TI desempeñarán un papel clave, orquestando los ecosistemas multiagente y conectando sistemas internos y externos mediante APIs gobernadas.
Especialización y eficiencia energética: los nuevos pilares de la IA
A medida que aumentan los costes de infraestructura y las necesidades energéticas que requiere el desarrollo de la IA, la ventaja competitiva no se encuentra en modelos de gran tamaño, sino en adecuar las soluciones a las necesidades específicas de cada compañía. Como consecuencia, se está incrementando la adopción de modelos más pequeños y optimizados para operar en el edge.
Por tanto, las empresas priorizarán la eficiencia energética como un indicador clave de rendimiento. A la hora de determinar donde se realiza el procesamiento, los modelos de inteligencia artificial serán valorados no solo por su precisión, sino también por su consumo de energía. En este sentido, las organizaciones deberán ser capaces de coordinar y gobernar diferentes modelos, estableciendo métricas claras sobre su precisión y coherencia.
Al mismo tiempo, el desarrollo de la computación cuántica y de la inteligencia artificial se irán integrando gradualmente. Comenzarán a fusionarse en sistemas distribuidos, lo que permitirá a las empresas ampliar sus posibilidades: desde la optimización de redes energéticas hasta la investigación de nuevos fármacos. Para ello, es indispensable el desarrollo de arquitecturas híbridas, integrando simuladores cuánticos, GPUs y CPUs bajo una única capa de orquestación.
Nos encontramos en un momento en el que no se debe elegir bandos, cloud vs on-premise o humanos vs tecnología, sino que se deben generar sinergias entre todos ellos a través una arquitectura común basada en la confianza, la eficiencia y la inteligencia. En definitiva, para que los proyectos de IA alcancen a toda la organización, resulta imprescindible acceder a los datos independientemente de su ubicación (nube, centros de datos o Edge) y extraer valor buscando la mínima latencia, así como consolidar la gobernanza en todos los procesos.
