El jefe de investigación de IA de Gartner, Erick Brethenoux, estuvo en una posición privilegiada para presenciar la explosión del interés por la IA generativa 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. Hablando con TechRepublic en el Gartner IT Symposium/Xpo en Australia en septiembre, Brethenoux dijo que hay confusión en el mercado sobre la tecnología, en parte debido al lenguaje utilizado por los proveedores. Los malentendidos comunes incluyen qué es realmente la IA más amplia, en comparación con la IA generativa, y cómo los agentes de IA se diferencian de los modelos de IA generativa. Esto está haciendo que algunas organizaciones cometan errores en la forma en que buscan aplicar la tecnología para los casos de uso en su negocio. Erick Brethenoux, jefe de investigación de IA, Gartner 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 provocado mucha confusión, donde las personas están equiparando la IA en su conjunto con las capacidades de la IA generativa. Brethenoux enfatizó 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. VER: Por qué Teradata cree que los proyectos de IA generativa corren el riesgo de fracasar sin comprensión 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 estado ahí desde siempre, durante las últimas cinco décadas». Más cobertura de Australia La IA generativa se usa solo en el 5% de los casos de uso de producción Brethenoux dijo que, en la actualidad, la IA generativa representa solo 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. «Eso es básicamente lo que veo hoy en producción. Por supuesto, si cuentas la cantidad de copilotos que hay y dices que eso es IA generativa, entonces ahora la cantidad es mucho mayor. Pero hasta que vea un retorno de la inversión en ese tipo de aplicación, para mí, eso no es realmente un caso de uso. Eso es solo una característica». Mientras tanto, Brethenoux señaló que otras tecnologías de IA continúan utilizándose en una variedad de casos de uso. «¿El resto de la IA? Bueno, es por eso que los aviones llegan a tiempo, porque se utilizan técnicas de optimización para orquestar todas estas tripulaciones y pasajeros y aviones y aeropuertos y puertas y todo. Y buena suerte haciendo eso sin IA. Todos estos sistemas funcionan porque la IA es el trasfondo hoy en día». Los agentes de IA se están confundiendo con modelos de IA estáticos Gartner destacó la IA agentic como una tendencia tecnológica estratégica clave a tener en cuenta en 2025. Sin 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. «Están lejos de ser lo mismo», dijo. “Es muy perjudicial, en realidad, ponerlos en la misma oración”. Brethenoux agregó 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 proviene 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 usas. Los agentes pueden usarlos, pero no son lo mismo”. La confusión de IA causa errores costosos para las organizaciones Brethenoux dijo que había visto a organizaciones “cometiendo errores grandes y costosos” como resultado de no comprender la IA. Algunas organizaciones tienen problemas cuando aplican un modelo de IA estático sin tener la infraestructura correcta 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 discusión con un caballero que me decía: ‘Queremos usar IA generativa para esto’. Y le dije: ‘Bueno, lo que estás tratando de 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 terminó y ahora nos centramos en la operacionalización de la IA El campo de la IA se sumergió de lleno en un período de exploración de modelos de IA generativa después del lanzamiento de ChatGPT. Esto marcó un cambio con respecto a un enfoque anterior en la operacionalización de la IA y la gestión de la deuda técnica asociada con la implementación de sistemas de IA a escala, lo que Brethenoux llamó ingeniería de IA. A partir de enero de 2024, Brethenoux dijo que las organizaciones habían regresado de este «receso» y estaban haciendo de la ingeniería de IA una prioridad máxima nuevamente mientras intentan implementar de manera efectiva nuevas capacidades de IA generativa. «A partir de enero de 2024, fue repentino para nosotros desde una perspectiva de investigación; el receso había terminado y estábamos de regreso en el aula», explicó. “La pregunta era: ‘¿Cómo hacemos que esas malditas cosas funcionen?’, ‘¿Cuánto dinero cuestan?’, ‘¿Son realmente útiles?’ y ‘¿Dónde las usamos?’ La ingeniería de inteligencia artificial ha vuelto”.