La inteligencia artificial generativa (GenAI) ha superado su punto máximo en el ciclo publicitario de Gartner, pero no ha cumplido las expectativas, advirtieron analistas en la conferencia europea de la compañía en Barcelona.
En el discurso de apertura del Simposio Europeo Gartner, Alicia Mullery, vicepresidenta de investigación de la firma de analistas, analizó dos carreras de IA: la primera es la carrera de proveedores de tecnología; el segundo es ofrecer resultados de IA de forma segura. “Esta es su carrera”, dijo a la audiencia de ejecutivos de TI.
Una de las conclusiones de la sesión inaugural es que es fácil desperdiciar dinero con GenAI. “Es necesario comprender el proyecto de ley y monitorearlo en todo momento”, advirtieron Mullery y el copresentador Daryl Plummer, analista jefe de investigación de Gartner.
Plummer señaló que la mayoría de las organizaciones con las que Gartner ha hablado no están preparadas para la IA. “No están preparados para ello ni emocional, tecnológica, organizativamente ni en términos de gestión”, afirmó.
Para minimizar el fracaso. Gartner recomendó dos enfoques: uno para organizaciones que buscan principalmente utilizar la IA para mejorar la productividad; el segundo se centró en el uso de la IA para impulsar un cambio transformacional.
Los datos de Gartner muestran que ejecutar un proyecto de prueba de concepto puede costar desde 300.000 dólares hasta más de 2 millones de dólares. Si bien los líderes empresariales y de TI pueden apreciar los grandes costos asociados con el entrenamiento de modelos de IA en costosos hardware de unidades de procesamiento de gráficos (GPU), Plummer dijo que los costos asociados con la inferencia de IA pueden salirse de control rápidamente.
“El procesamiento es muy costoso porque los modelos de IA tienen que usar algo llamado multiplicación de matrices para procesar todos los parámetros que usan para llegar a una predicción. Esto requiere GPU, que puede comprar y colocar en su propio centro de datos o alquilar a un proveedor de nube. Ambos son muy caros”, afirmó.
Plummer advirtió que los proveedores de tecnología estaban demasiado concentrados en observar el avance de la IA desde su perspectiva, sin llevar a los clientes en el camino para lograr los objetivos de estos sistemas avanzados de IA. “Microsoft, Google, Amazon, Oracle, Meta y OpenAI han cometido un gran error: nos muestran lo que podemos hacer [but] No nos están mostrando lo que debemos hacer”, dijo.
Dado que muchas organizaciones no están preparadas para adoptar la IA avanzada que tienen a su disposición los principales proveedores, Plummer dijo que muchas están descubriendo que el 75% de su presupuesto se gasta en consultoría de TI para comprender cómo la nueva tecnología puede beneficiar a su organización.
“Llegar a la etapa de prueba de concepto requiere más presupuesto”, dijo, y agregó que los costos seguirán aumentando hasta que los líderes de TI comiencen a poner en producción sistemas de inteligencia artificial empresarial, momento en el cual deberían poder obtener una mejor comprensión de cómo gestionar los costos continuos.
Los analistas explicaron que los líderes de TI deben considerar los resultados que desean lograr. Aquellos que buscan implementar IA para lograr mejoras en la eficiencia empresarial (a las que Gartner se refiere como organizaciones “estables en IA”) probablemente ejecuten 10 o menos iniciativas piloto o de IA. En este escenario, a las personas se les puede asignar la tarea de monitorear y verificar para garantizar que los sistemas de IA estén funcionando correctamente.
Es probable que aquellas organizaciones donde la GenAI se considera una tecnología transformadora de la industria ejecuten muchos más proyectos piloto. Gartner clasifica a estas organizaciones como “aceleradas por IA”. La firma de analistas no cree que sea humanamente posible gestionar los sistemas de IA que las organizaciones aceleradas por IA buscan implementar.
Como tal, predijo el surgimiento de la tecnología denominada TRiSM (gestión de confianza, riesgo y seguridad), que, según dijo, jugaría un papel importante para garantizar que los sistemas de IA sigan siendo compatibles.