La IA creativa está de moda, pero la IA predictiva sigue siendo un trabajo en progreso

Desde el lanzamiento de ChatGPT en noviembre de 2022, la IA generativa (genAI) se ha convertido en una alta prioridad para los directores ejecutivos y las juntas corporativas. Un informe de PwC, por ejemplo, encontró que el 84% de los CIO esperan utilizar genAI para respaldar un nuevo modelo de negocio para 2024. Por supuesto, no hay duda de que la genAI es una tecnología verdaderamente transformadora. Pero también es importante recordar que es sólo una variante de la IA y no es la mejor tecnología para utilizar el poder de cada caso.

El concepto de lo que se considera IA cambia con el tiempo. Hace cincuenta años, un programa para jugar al tres en raya se habría considerado una forma de IA; hoy, no tanto. Pero, en general, la historia de la IA se divide en tres categorías diferentes.

• Analítica tradicional: Las organizaciones han estado utilizando inteligencia empresarial (BI) analítica durante las últimas cuatro décadas, pero a medida que la tecnología ha evolucionado y avanzado, el nombre ha pasado a ser análisis. En general, la analítica mira hacia atrás para descubrir información sobre lo que sucedió en el pasado.
• Predicción de IA: Esta tecnología mira hacia el futuro, analiza datos pasados ​​para descubrir patrones predictivos y luego utiliza datos actuales para proporcionar predicciones precisas de lo que sucederá en el futuro.
• IA productiva: GenAI analiza el contenido (texto, imágenes, audio y video) para generar contenido nuevo basado en las características del usuario.

Thomas Robinson, director de operaciones de Domino, dijo: «Trabajamos con muchos directores de datos e inteligencia artificial (CAIO) «y, como máximo, ven que la IA productiva utiliza el 15% de los casos y modelos. La IA predictiva todavía es un trabajo en progreso en las empresas basadas en modelos, y los modelos futuros probablemente incorporarán IA predictiva y generativa».

De hecho, ya existen casos de uso en los que la IA predictiva y generativa trabajan juntas, como el análisis de imágenes radiológicas para generar informes sobre detecciones tempranas o la extracción de datos de stock para informar sobre lo que es más probable que ocurra en el futuro cercano. Para los CIO y CTO, esto significa que las organizaciones necesitan una plataforma común para prosperar IA completa.

Un desarrollo e implementación completos de IA no trata a cada uno de estos tipos de IA como un animal separado, cada uno con su propia columna vertebral. Por supuesto, genAI puede requerir un poco más de potencia en el sentido de algunas GPU, y es posible que sea necesario reforzar la red para obtener un mejor rendimiento en algunas áreas del entorno, pero hasta que una organización en la escala de Meta sea realmente una configuración genAI… lleva una gran vida espiritual. o Microsoft, no es necesario crear una nueva columna desde cero.

Tampoco es necesario reinventar por completo los procedimientos de administración y pruebas. Por ejemplo, los modelos de riesgo hipotecario impulsados ​​por IA predictiva requieren pruebas, validación y monitoreo continuo rigurosos, al igual que los modelos de lenguaje a gran escala (LLM) de genAI. Una vez más, existen diferencias, como el conocido problema de genAI con las «alucinaciones». Pero, en general, los procesos para gestionar el riesgo de la IA genética serán similares a los de la IA predictiva.

Una de cada cinco empresas Fortune 100 confía en la plataforma Enterprise AI de Domino para gestionar herramientas, datos, capacitación e implementación de AI. Con esta plataforma, los equipos de IA y MLOps pueden gestionar la IA completa (predictiva y generativa) desde un único centro de control. Al consolidar MLOps en una única plataforma, las organizaciones pueden realizar un desarrollo, implementación y gestión de IA sin problemas.

Aprenda cómo cosechar los beneficios y gestionar el riesgo de sus proyectos genAI con el documento técnico gratuito de Domino sobre genAI responsable..