Los inicios de la inteligencia artificial se remontan a los años 50 y, aunque lleva varias décadas mejorando, en comparación con otras tecnologías, como la telefónica, la informática doméstica e Internet, los avances en este campo han sido relativamente lentos.
La inteligencia artificial es una herramienta versátil que puede ayudar a las organizaciones a hacer frente a estos retos. Pero lo que realmente une a estas siete realidades no es sólo que la IA pueda aplicarse a todas ellas, sino, lo que es más importante, que la IA por sí sola no basta. En cada punto, los humanos son la verdadera arma secreta.
Sin personas que identifiquen, prioricen, diseñen y evalúen los problemas y las soluciones, la IA, en el mejor de los casos, no tendrá ningún impacto y, en el peor, tendrá consecuencias profundamente negativas.
Ahora parece que la inteligencia artificial está al alcance de casi todo el mundo, y la industria tecnológica vive un nuevo momento. Un momento en el que todos tenemos que preguntarnos cómo puede ayudarnos la IA a hacer más con menos. El uso de la inteligencia artificial en tareas cotidianas, como la escritura, la generación de imágenes y la producción musical, representa un momento decisivo en términos de conciencia pública.
En mis conversaciones con las empresas, les animo a mirar más allá del bombo publicitario y a tratarla como una tecnología más. En otras palabras, como una herramienta que ayuda a solucionar problemas y aprovechar oportunidades.
Al igual que el cloud computing ha dado respuesta al reto de la escalabilidad, las blockchain han abordado los problemas de la centralización y el software de publicidad digital ha garantizado que los presupuestos de marketing se gasten de forma más eficiente, la inteligencia artificial debería juzgarse por los resultados que puede generar.
¿Cuáles son estos retos y oportunidades? En Red Hat, hemos empezado a enmarcar la conversación sobre la IA en torno a siete realidades empresariales clave.
- Eficiencia frente a innovación: En la búsqueda de la eficiencia operativa, las empresas a menudo se ven obligadas a hacer más con menos. Maximizar el rendimiento con una plantilla limitada significa aprovechar mejor las competencias existentes, cubriendo las brechas de conocimientos, desarrollando nuevas habilidades y creando las condiciones para una innovación frugal.
- Gestión de la complejidad: La imparable evolución de la innovación del software promete un potencial ilimitado, pero también puede generar una mayor complejidad. Cada nuevo sistema e integración conlleva riesgos, como amenazas a la seguridad, interrupciones del servicio o aumentos repentinos de la demanda. La popularidad de la nube híbrida puede agravar esta carga. Aunque los sistemas de supervisión de eventos ofrecen cierto nivel de control, los equipos de TI pueden verse rápidamente desbordados por la magnitud de su creciente ecosistema, así como de los volúmenes de datos.
- Permitir la automatización: En el contexto de estas dos primeras realidades, la automatización se ha convertido en una prioridad clave. Permitir la automatización permite liberar al personal de tareas mundanas y reasignarlo a trabajos de mayor valor. Pero la automatización plantea interrogantes sobre qué automatizar, con qué herramientas y cómo confiar en que funciona.
- Adaptación a la demanda: Operar con recursos limitados es sólo una faceta del reto al que se enfrentan los equipos de TI. Al mismo tiempo, deben ampliar sus operaciones para satisfacer la creciente demanda de aplicaciones y servicios. Estar a la altura de la demanda tanto de DevOps como de entornos de producción en toda regla no es solo cuestión de capacidad, sino también de cómo se gestiona esa capacidad.
- Conectar el edge: Por si los puntos anteriores no fueran ya un reto suficiente para los profesionales de TI, entra en escena el edge computing para complicarlo todo aún más. Los centros de datos ya no son el único centro de procesamiento de datos. El edge no es sólo un «lugar» diferente para la informática, sino un enfoque totalmente distinto. En el centro del desafío está el dilema de cómo aplicar las normas de procesamiento de datos, accesibilidad y seguridad a las infraestructuras y máquinas edge, diseñadas para ser diversas.
- Encontrar un equilibrio entre innovación y seguridad: La innovación sin límites pone en peligro la seguridad; sin embargo, si la seguridad es excesiva se reprimirá la voluntad y los recursos de creatividad. Las empresas deben decidir su propio punto óptimo en este espectro y ajustar continuamente sus operaciones y cultura para adaptarse a él. La integración de capacidades y protocolos de seguridad en el suministro de software acaba con la idea de que la seguridad y la innovación se contraponen. En su lugar, este enfoque las sitúa como funciones complementarias y proporciona garantías y confianza a los desarrolladores en la seguridad de su trabajo.
- Planificar la sostenibilidad: Gobiernos, inversores, clientes y empleados exigen a las organizaciones que asuman sus responsabilidades en materia de sostenibilidad como nunca antes. Esto puede crear un mensaje contradictorio para los equipos de TI: por un lado, hacer más y, por otro, preservar la energía. La clave está en la capacidad de rastrear e informar sobre la sostenibilidad y adaptar los patrones de trabajo para fomentar prácticas más sostenibles.
La IA es una herramienta versátil que puede ayudar a las organizaciones a hacer frente a estos retos. Pero lo que realmente une a estas siete realidades no es sólo que la IA pueda aplicarse a todas ellas, sino, lo que es más importante, que la IA por sí sola no basta. En cada punto, los humanos son la verdadera arma secreta. Sin personas que identifiquen, prioricen, diseñen y evalúen los problemas y las soluciones, la IA, en el mejor de los casos, no tendrá ningún impacto y, en el peor, tendrá consecuencias profundamente negativas.
Este es un punto clave que a menudo insto a los ejecutivos a considerar: que una aplicación de IA es tan buena como los datos con los que se entrena. El volumen de datos no debería ser un criterio. Lo que realmente importa es el enfoque: ¿cuán relevantes son los datos de entrenamiento para el contexto de su organización?
Esto es lo que llamamos IA de dominio específico, y representa un momento decisivo en la evolución de la IA. Cuando una aplicación de IA se entrena con datos privados y específicos y se adapta a las normas y prácticas de una empresa o sector concretos, tiene más capacidad para ofrecer servicios realmente únicos y diferenciados.
El código abierto es, con diferencia, la mejor opción para crear soluciones de IA de dominio específico. Cualquier software abierto se beneficia de un mayor intercambio de ideas y de la colaboración de más personas.
De hecho, prácticamente todas las herramientas de IA empresarial que se me ocurren son un ejemplo de tecnología de código abierto. (¡Sí, ChatGPT incluido!) Lo que creo que confunde y preocupa a los líderes empresariales es una mala interpretación de lo que significa el «código abierto». Es el código base del software (en este caso la aplicación de IA) el que está abierto y disponible para que cualquiera pueda verlo y compartirlo. Los datos con los que se entrena y genera son tan privados como se quiera.
Definitivamente, el verdadero poder de la IA no reside únicamente en sus algoritmos, sino en las sinergias de la visión y colaboración humana, la relevancia de los datos y el procesamiento informático. Los ejecutivos que comprendan esta verdad fundamental muy pronto podrán afirmar que están a la vanguardia de algo nuevo.
