A menos que sea contador, toda la declaración de impuestos de fin de año puede ser una pesadilla. Si bien puede esperar con ansias su declaración, probablemente no le entusiasme demasiado entregarle dinero a un experto en impuestos o pasar un par de horas presentándose usted mismo. ¿Pero qué pasaría si todo el proceso pudiera completarse con un asistente digital en su teléfono inteligente? El ahorro de tiempo y costes que se obtendría con una aplicación de productividad de este tipo sería sustancial. Ese es el poder potencial de la inteligencia artificial (IA) en el dispositivo. El ejemplo de la declaración de impuestos es solo una de las muchas formas en que la IA en el dispositivo podría ahorrar tiempo y dinero a consumidores y empresas. Desde la optimización de electrodomésticos inteligentes hasta la redacción automática de un contrato con el cliente, la IA generativa en el dispositivo (y las aplicaciones de productividad que puede habilitar) son la clave para abrir una nueva y emocionante época en los mercados de teléfonos inteligentes y PC. Cargas de trabajo de IA que caen de la nube La IA para dispositivos personales y de trabajo no es un concepto novedoso; sin embargo, la gran mayoría de las aplicaciones se ejecutan en la nube. Si bien el uso de la nube es excelente para la capacidad y el almacenamiento de recursos, un modelo de IA centrado en la nube adolece de desafíos técnicos como alta latencia y congestión de la red. Como resultado, la experiencia del usuario para muchas aplicaciones de IA basadas en la nube no cumple con las expectativas de los clientes. Para remediar estos desafíos técnicos, los fabricantes de teléfonos inteligentes están comenzando a incorporar aceleradores de IA en dispositivos de alta gama para respaldar la inferencia local de IA. Sin embargo, las aplicaciones de IA en los dispositivos se han limitado principalmente al control por voz, imágenes mejoradas por IA y otras aplicaciones «centradas en la experiencia». Liberar el valor de la IA en el dispositivo requiere el desarrollo de una amplia gama de aplicaciones de IA de productividad diseñadas para casos de uso específicos utilizando modelos de IA generativa comprimidos. El valor de la IA en el dispositivo ChatGPT inició un ciclo masivo de publicidad para la IA generativa entre consumidores y empresas, lo que llevó a pruebas e implementación en varios mercados. Con la mayoría de estos modelos de IA implementados en la nube pública, los usuarios están experimentando congestión de la red, problemas de privacidad de datos y crecientes facturas de la nube como resultado de la expansión de las bases de usuarios. Por el contrario, las cargas de trabajo de IA locales, habilitadas por la IA en el dispositivo, mejoran la experiencia del usuario al eliminar la latencia de la red, reducir diversos gastos, respaldar futuras capacidades de IA y reforzar la seguridad de los datos. Estos beneficios se explican con más detalle a continuación: Latencia de red mejorada: las aplicaciones de inteligencia artificial, como los asistentes digitales y la realidad extendida (XR) empresarial, requieren latencias bajas para brindar la interacción más natural, personalizada y atractiva posible. Llevar la inferencia de IA al dispositivo elimina el riesgo de latencia de la red, lo que permite a los desarrolladores de software crear una gama más amplia de aplicaciones de productividad para aplicaciones «de misión crítica» que serían imposibles con una arquitectura de IA centrada en la nube. Ahorro de costos: a medida que las implementaciones de IA continúen aumentando, la demanda de redes y alojamiento en la nube aumentará aún más los costos para los desarrolladores de aplicaciones y las empresas. El procesamiento de IA local elimina muchos de estos costos y también reduce el uso de energía del centro de datos. Las herramientas de optimización como la compresión y la cuantificación desempeñarán un papel fundamental a la hora de permitir la IA generativa en el dispositivo mediante el desarrollo de modelos de IA precisos y de bajo consumo de energía con menos de 15 mil millones de parámetros. Soporte para futuras capacidades de IA: nadie quiere invertir en un dispositivo que quedará obsoleto en uno o dos años. Los aceleradores de IA en los dispositivos se pueden optimizar para admitir modelos y aplicaciones de IA generativa que aún no han llegado al mercado. A su vez, los propietarios de teléfonos inteligentes y PC maximizan su retorno de la inversión (ROI). Seguridad de datos mejorada: si bien los proveedores de servicios de nube pública implementan salvaguardas de seguridad, no son a prueba de balas, como lo demuestran las infracciones basadas en la nube en varias organizaciones en los últimos años. La IA en el dispositivo mantiene los datos del usuario y de los sensores locales, minimizando el riesgo de que la información personal o la propiedad intelectual (IP) se vean comprometidas. También vale la pena señalar que las capacidades de baja latencia de los modelos de IA en los dispositivos mejoran la detección de amenazas y otras funciones de ciberseguridad. Personalización del modelo: si bien los modelos de IA se pueden personalizar en la nube pública, esto va en contra de las demandas de los usuarios finales de una mayor privacidad de los datos y optimización de costos. El procesamiento en el dispositivo permite que los modelos de IA se ajusten localmente a las preferencias, comportamientos y aplicaciones del usuario final. Esto es particularmente valioso ya que permite personalizar de manera eficiente los modelos de IA utilizando una variedad de fuentes de datos entrantes de sensores/usuarios, incluidos Wi-Fi, GPS y datos de sensores, entre otros. Esto tiene importantes beneficios, que incluyen una mayor productividad de la IA, una mejor accesibilidad e interacciones/experiencias más intuitivas y automatizadas. La IA en el dispositivo hace que los consumidores sean más productivos Los consumidores están actualizando sus teléfonos inteligentes a un ritmo más lento que en años anteriores. Quizás el mercado haya llegado al punto de rendimientos decrecientes. Por ejemplo, parece que cada nueva versión de un teléfono inteligente posee poco o ningún valor adicional en comparación con su predecesor. ABI Research cree que la demanda de los consumidores de teléfonos inteligentes y tabletas se puede estimular mediante una combinación de IA en el dispositivo y aplicaciones de IA centradas en la productividad. Si los fabricantes de dispositivos demuestran un retorno de la inversión medible en costos y ahorro de tiempo con estas aplicaciones de inteligencia artificial en los dispositivos, los consumidores se verán incentivados a actualizar sus dispositivos con más frecuencia. Ya sea el ahorro de tiempo al programar automáticamente una reunión familiar o el ahorro en costos de servicios públicos gracias al uso optimizado de energía, los consumidores tendrán una nueva razón para comprar modelos de teléfonos inteligentes más nuevos. Aún más, las aplicaciones de inteligencia artificial para la productividad podrían ayudar a un artista o productor a dar vida a una idea creativa. Para personificar la trayectoria del mercado, Qualcomm y Samsung se asociaron recientemente para respaldar las capacidades de inteligencia artificial móvil para la serie Galaxy S24. Las aplicaciones de productividad de IA no solo disminuirán las tasas de actualización de los dispositivos, sino que el nuevo hardware justificará que los fabricantes de dispositivos como Samsung aumenten los precios minoristas de sus productos. Cómo las empresas pueden aprovechar la IA en los dispositivos La historia no es diferente en el mercado empresarial, donde la falta de innovación en los dispositivos ha estancado el crecimiento de los envíos de PC y portátiles. La implementación de IA de forma nativa en estos dispositivos atraerá a las empresas debido al valor generado por la productividad fuera de línea, menores latencias, mayor privacidad de los datos, mejor comunicación entre el usuario y el dispositivo y la personalización del modelo. Productividad en el dispositivo La IA ahorra tiempo y dinero a las empresas al automatizar tareas administrativas (como programación, redacción de contratos, toma de notas) y permite a los usuarios ser productivos incluso cuando su dispositivo está fuera de línea. Las empresas que aprovechan estas novedosas aplicaciones de IA generativa pueden ahorrar miles de dólares al año en cada empleado y les permiten aprovechar aplicaciones generativas impulsadas por IA como Microsoft Copilot mientras están en movimiento, como cuando viajan a los sitios de los clientes. ABI Research ha observado que las primeras implementaciones de IA en dispositivos dentro de la empresa ocurren en operaciones de back-end, oficinas y sectores de servicios profesionales, ya que las primeras aplicaciones (como Microsoft Copilot) ofrecen un claro retorno de la inversión. Sin embargo, a medida que la IA en el dispositivo madure con aplicaciones de IA de productividad y soporte para diferentes factores de forma, se espera que otras verticales como la fabricación, la atención médica, la logística y el transporte, y las telecomunicaciones aumenten su adopción. Si bien los teléfonos inteligentes y las PC representan la mayor parte del debate sobre la IA en los dispositivos para las empresas, los mismos beneficios se pueden aplicar a los espacios automotor, XR e Internet de las cosas (IoT)/wearables. De hecho, las latencias reducidas mejoran las capacidades de los asistentes digitales en los vehículos, y la privacidad de los datos protege los datos confidenciales de los pacientes o de los fabricantes, al tiempo que elimina los costos de computación en la nube. Además, las empresas de minería y logística apreciarán la alta confiabilidad de la IA en el dispositivo cuando utilicen dispositivos XR e IoT en áreas remotas propensas a interrupciones de la red. Al igual que el segmento de consumidores, se espera que el hardware de IA en el dispositivo con aplicaciones de IA de productividad apropiadas reduzca las tasas de actualización de los dispositivos entre las empresas a medida que buscan la próxima «aplicación asesina». El futuro de la IA en los dispositivos Una ola de tendencias recientes ha sido fundamental para respaldar la IA en los dispositivos. Los conjuntos de chips heterogéneos, como el Snapdragon X Elite de Qualcomm para PC, consolidan la unidad de procesamiento de gráficos (GPU), la unidad central de procesamiento (CPU) y la unidad de procesamiento neuronal (NPU) en un único sistema en chip (SoC). Esto hace que la carga de trabajo de IA funcione de manera más eficiente y mejora el rendimiento de la aplicación. Además de esto, ha habido un gran impulso para construir pequeños modelos de IA generativa altamente optimizados y listos para dispositivos, capaces de igualar la precisión, el rendimiento y el conocimiento de modelos mucho más grandes sin los altos requisitos de potencia, memoria y computación. Esta innovación de software se ha complementado con una mayor colaboración entre las partes interesadas clave para combinar barreras de entrada bajas (a través de kits de desarrollo de software (SDK) como Qualcomm AI Stack y plataformas sin código o de bajo código) y acelerar el desarrollo de aplicaciones de IA de productividad. El destino del mercado de IA en dispositivos recae sobre los hombros de tres partes interesadas clave: Los proveedores de software independientes (ISV) aprovechan los modelos y herramientas de IA disponibles para crear aplicaciones de IA optimizadas para el hardware subyacente. Los proveedores de conjuntos de chips garantizan que el conjunto de chips pueda ejecutar IA en el dispositivo y facilitar el desarrollo de aplicaciones al ofrecer SDK. También es vital que los proveedores de chipsets garanticen capacidades de silicio para abordar las limitaciones de los dispositivos. Los fabricantes de equipos originales (OEM) consolidan varios componentes en un solo dispositivo y alinean las aplicaciones con los puntos débiles y el hardware del consumidor/empresa. A través de una estrecha colaboración entre estas empresas, se puede impulsar aún más la innovación para garantizar flujos de ingresos sostenidos a largo plazo a través de la IA de productividad en el dispositivo. Por ejemplo, la colección de gafas inteligentes Ray-Ban Meta utiliza conjuntos de chips Qualcomm para proporcionar inteligencia artificial en las gafas, lo que reduce las latencias de la red y las capacidades de traducción en tiempo real. Lo que antes se percibía como dispositivos de “entretenimiento” se considerarán dispositivos de “productividad” esenciales que ofrecen valor más allá de la fotografía mejorada o los asistentes de voz genéricos. Para terminar, ABI Research anticipa que el mercado adoptará gradualmente un enfoque de “IA híbrida”. Con una arquitectura de IA híbrida, las cargas de trabajo de IA residen en el borde, la nube o en el dispositivo, según las prioridades comerciales y técnicas. Por ejemplo, las aplicaciones ultra sensibles a los datos pueden tener un entrenamiento de modelos en la nube, mientras que la inferencia y el ajuste de estos modelos, que aprovechan los datos del usuario, se realizan en el dispositivo para garantizar la máxima privacidad. Al adoptar un enfoque de IA híbrida, los usuarios pueden distribuir el consumo de energía, reducir los cuellos de botella en la memoria y maximizar las relaciones precio-rendimiento. Reece Hayden es analista principal de ABI Research y dirige el servicio de investigación de aprendizaje automático y IA de la firma analista.