Desde 2020, la vida en el mundo cambió, y con ello las empresas tuvieron que adecuarse más rápido a los cambiantes desafíos que retaron capacidades de adaptación y desarrollo; en este escenario, la inteligencia artificial (IA) generativa tomó potencia en México, por lo que estudios apuntan que llegaría a pesar hasta 6.2 por ciento del Producto Interno Bruto (PIB) nacional para 2030, estima Statista.
En el reporte Research Reports World expuso:
“La adaptación a las cambiantes preferencias de los consumidores y al fluctuante panorama geopolítico puso en relieve la necesidad de varias empresas por estrategias de aprendizaje profundo (deep learning) más ágiles y receptivas, base para la IA generativa”.
Tanto se extendió el uso de la inteligencia artificial generativa que ya es utilizada por 54.7 por ciento de las empresas en México, de acuerdo con un estudio realizado por el gestor de dominios web Neubox, destacando que 78.9 por ciento la usa para generar contenido comercial o literario, 45.6 por ciento para optimizar y eficientar procesos, y 38.2 por ciento para traducciones.
José Luis González, fundador de la empresa, explicó:
“Los hallazgos fueron sorprendentes ya que habla de un nivel de penetración y sofisticación que la inteligencia artificial generativa está teniendo en estas compañías, lo cual desafía las expectativas previas que la situaban como una herramienta de uso limitado o exclusivo de empresas más grandes”.
A nivel mundial, de acuerdo con datos de Research Reports World, el mercado del deep learning (base fundamental para inteligencia artificial generativa) alcanzará los 217 mil millones de dólares, pero dentro de siete años estará por encima de los 1.5 billones.
Las empresas que más están aprovechando esta oportunidad son Qualcomm, IBM, Micron, Sensorial, Amazon, Samsung, Intel, Nvidia, Skymind, Microsoft, Xilinx y Google.
Pero en México, según Statista, el mercado de inteligencia artificial generativa alcanzará este 2024 el valor de 540 millones de dólares; sin embargo, para 2030 se espera que sea de 5 mil 320 millones de dólares; es decir, un crecimiento 17 veces mayor a lo que puede alcanzar este año, pues las empresas mexicanas si están interesadas en adoptar esta tecnología.
Neubox dice que 45.3 por ciento de las compañías nacionales que aún no han implementado este tipo de herramientas, entre los motivos que destacan que 44.7 por ciento considera que aún no se ha presentado el momento correcto, en tanto que 41.1 por ciento afirma que no sabe cómo hacerlo. Expuso:
“A pesar de eso, 78.6 por ciento de las empresas que no usan esta innovación señalan que en el corto o mediano plazo sí está entre sus planes implementar herramientas con esta tecnología”.
¿Qué es el deep learning?
La base de la inteligencia artificial generativa proviene del desarrollo de sistemas de aprendizaje profundo (deep learning), siendo este el que permite el desarrollo razonado por las máquinas para dar soluciones a un problema.
De acuerdo con McKinsey & Company, para entender el deep learning primero debes conocer lo que es el machine learning, que es una inteligencia artificial que se adapta a una gran variedad de comandos analizando conjuntos de datos e instrucciones humanas.
Estos algoritmos detectan patrones que permiten hacer predicciones y recomendaciones con base en los datos procesados, así como en las experiencias, en vez de recibir las instrucciones explícitamente programadas.
Desde su creación, el machine learning ha ayudado al ser humano en diferentes actividades como analizar imágenes médicas o hacer previsión meteorológica de alta resolución.
Diferencia
El deep learning es la versión más avanzada del machine learning, ya que puede procesar una mayor cantidad de recursos como datos, texto, bases no estructuradas e incluso imágenes. No necesita tanta intervención del humano y comúnmente genera resultados mucho mejor estructurados que los hechos por el otro.
De acuerdo con McKinsey & Company, el deep learning utiliza redes neuronales similares a las generadas por el cerebro humano. Puede ingerir y procesar datos a través de las múltiples capas neuronales; es decir, que reconocen características cada vez más complejas conforme va aprendiendo.
Un ejemplo de ello sería que una de las primeras capas neuronales pueda reconocer algo con una forma específica; después, basándose en ese conocimiento, creará capa posterior, la cual la identificará como una señal de stop.
Finalmente, el machine learning usa la iteración para autocorregirse y mejorar su capacidad de predicción, una vez que “aprende” el aspecto de un objeto, puede reconocerlo en una nueva imagen.
Sectores beneficiados
Algunos de los sectores en los que ambos modelos tecnológicos pueden apoyar según McKinsey & Company, son mantenimiento preventivo de algún dispositivo o componente electrónico, la optimización de cadenas de logística y atención al cliente.
De acuerdo con el estudio de adopción de inteligencia artificial hecho por la consultora Minsait, las principales razones que han motivado a las grandes empresas a implementarla han sido campañas de marketing, chatbots, optimización de servicio al cliente, mejorar ventas y automatización de sus sistemas.
EDD