Erick Brethenoux, director de investigación de inteligencia artificial de Gartner, estuvo en una posición privilegiada para presenciar la explosión del interés por la inteligencia artificial generativa por parte de las empresas de todo el mundo desde el lanzamiento de ChatGPT en 2022. De hecho, dijo que ahora, por primera vez, incluso su madre de 83 años finalmente entiende a qué se dedica.
“De hecho, ha sido muy creativa en la forma en que ha estado usando [generative AI]”, dijo.
Sin embargo, las empresas no siempre comienzan con una comprensión completa de la IA generativa. En una entrevista con TechRepublic en el Gartner IT Symposium/Xpo celebrado en Australia en septiembre, Brethenoux dijo que hay confusión en el mercado sobre la tecnología, en parte debido al lenguaje que utilizan los proveedores.
Entre los malentendidos más comunes se encuentran qué es realmente la IA en sentido amplio, en comparación con la IA generativa, y en qué se diferencian los agentes de IA de los modelos de IA generativa. Esto está provocando que algunas organizaciones cometan errores en la forma en que intentan aplicar la tecnología a los casos de uso de su negocio.
Confusión sobre los diferentes tipos de IA
El repentino aumento del interés y la atención de los medios en torno a la IA generativa ha generado mucha confusión, ya que la gente equipara la IA en su conjunto con las capacidades de la IA generativa. Brethenoux destacó que la IA es una disciplina mucho más amplia, con muchas otras aplicaciones importantes más allá de la IA generativa.
“La IA y la IA generativa no son lo mismo”, explicó. “No son intercambiables”.
Como explicó Brethenoux, la IA generativa es una práctica bajo el paraguas de la IA, mientras que la IA es una disciplina amplia que tiene muchas técnicas y prácticas, incluida la inteligencia de decisiones, la ciencia de datos y la IA generativa.
Un ejemplo de terminología de mercado confusa es el uso generalizado del acrónimo AI/ML en el campo.
“Odio ese acrónimo porque significa que IA es igual a ML. Eso no es cierto”, dijo Brethenoux. “Las técnicas de IA son sistemas basados en reglas, técnicas de optimización, tecnologías gráficas, mecanismos de búsqueda, tecnología ambiental; hay todo tipo de técnicas de IA que han existido desde siempre, durante las últimas cinco décadas”.
La IA generativa se utiliza solo en el 5 % de los casos de uso de producción
Brethenoux dijo que, en la actualidad, la IA generativa representa sólo una pequeña proporción de la IA en producción.
“Es el 90 por ciento de las ondas de radio y el 5 por ciento de los casos de uso”, explicó.
“Básicamente, eso es lo que veo hoy en día en la producción. Por supuesto, si se cuenta la cantidad de copilotos que hay y se dice que se trata de IA generativa, entonces ahora la cantidad es mucho mayor. Pero hasta que no vea un retorno de la inversión en ese tipo de aplicación, para mí, eso no es realmente un caso de uso. Es solo una característica”.
Mientras tanto, Brethenoux señaló que otras tecnologías de IA continúan utilizándose en una variedad de casos de uso.
“¿Y el resto de la IA? Bueno, por eso los aviones llegan a tiempo, porque se utilizan técnicas de optimización para organizar todas esas tripulaciones, pasajeros, aviones, aeropuertos, puertas de embarque y todo. Y buena suerte si lo haces sin IA. Todos esos sistemas funcionan porque la IA es el trasfondo hoy en día”.
Los agentes de IA se confunden con modelos de IA estáticos
Gartner destacó la IA agente como una Tendencia tecnológica estratégica clave a tener en cuenta en 2025Sin embargo, Brethenoux dijo que los clientes deben evitar la confusión sobre lo que realmente es un agente de IA, especialmente cuando “los proveedores son muy buenos para confundir a nuestros clientes” al decir que los modelos de IA y los agentes de IA son lo mismo.
“No son ni de lejos lo mismo”, afirmó. “Es muy perjudicial, en realidad, ponerlos en la misma frase”.
Brethenoux añadió que:
- Un agente de IA es una entidad de software activa que realiza tareas en nombre de alguien o algo y a menudo actúa de forma independiente.
- Un modelo de IA Es una entidad pasiva creada por un algoritmo y un conjunto de datos. Si bien un agente puede usar modelos para realizar su tarea, no son lo mismo.
VER: 9 casos de uso innovadores de IA en empresas australianas en 2024
“Creo que la confusión surge de esa combinación de construir un sistema dinámico que realiza algo y construir un conjunto y una biblioteca de activos estáticos que se pueden explotar, pero que no hacen nada en particular”, explicó. “Simplemente están ahí hasta que los uses. Los agentes pueden usarlos, pero no son lo mismo”.
La confusión en la IA provoca errores costosos para las organizaciones
Brethenoux dijo que había visto a organizaciones “cometer errores grandes y costosos” como resultado de no entender la IA. Algunas organizaciones tienen problemas cuando aplican un modelo de IA estático sin tener la infraestructura adecuada para hacerlo dinámico, lo que causa demoras costosas y otros problemas en la producción.
Brethenoux dijo que en el Simposio de Gartner se hizo evidente cierta confusión: “Acabo de tener una conversación con un señor que me decía: ‘Queremos utilizar la IA generativa para esto’. Y yo le dije: ‘Bueno, lo que estás intentando hacer se puede resolver con una técnica gráfica de una manera mucho más fácil, mucho más barata y mucho más rápida”.
El ‘receso’ de la IA ha terminado y ahora nos centramos en ponerla en práctica
Tras el lanzamiento de ChatGPT, el campo de la IA se lanzó de lleno a un período de exploración de modelos de IA generativos. Esto marcó un cambio con respecto al enfoque anterior en la operacionalización de la IA y la gestión de la deuda técnica asociada con la implementación de sistemas de IA a gran escala, lo que Brethenoux llamó ingeniería de IA.
Brethenoux afirmó que, en enero de 2024, las organizaciones habían regresado de este “receso” y estaban haciendo de la ingeniería de IA una prioridad máxima nuevamente mientras intentaban implementar de manera efectiva nuevas capacidades de IA generativa.
“A partir de enero de 2024, fue algo repentino para nosotros desde una perspectiva de investigación: el recreo había terminado y volvimos a las aulas”, explicó. “Nos preguntábamos: ‘¿Cómo hacemos que esas malditas cosas funcionen?’, ‘¿Cuánto dinero cuestan?’, ‘¿Son realmente útiles?’ y ‘¿Dónde las usamos?’. La ingeniería de IA ha vuelto”.
