Atrás quedaron los días en que la inteligencia artificial era un concepto futurista que pocas empresas se habían planteado seriamente en adoptar. Según un informe de NewVantage Partners, más del 91 por ciento de las empresas líderes afirman estar invirtiendo en IA.

Los líderes empresariales también ven la IA como una herramienta esencial, ya que el 86 por ciento de los directores generales afirman que la IA es una tecnología dominante en su organización.

Mientras que las soluciones tradicionales de IA siguen convirtiéndose en una herramienta cada vez más utilizada por las empresas, la IA adaptable se está convirtiendo rápidamente en la próxima gran innovación.

A diferencia de los sistemas de IA convencionales, que no son capaces de aprender de la interacción con los nuevos datos que procesan, la IA adaptable aprende repetidamente de los datos que encuentra para mejorarse a sí misma.

«La IA adaptable hace uso de paradigmas como el aprendizaje continuo para permitir que los sistemas de IA sean más eficientes, escalables y sostenibles a largo plazo», explica Jon Howells, director de la consultora de IA y analítica avanzada Qualifai.

«Mientras que los sistemas tradicionales de IA se entrenan con un conjunto de datos fijos e históricos, la IA adaptable se actualiza continuamente con datos más nuevos para mantener la precisión ante un entorno cambiante», agrega.

La próxima generación

En épocas de poca volatilidad, las herramientas tradicionales de IA suelen ser eficaces. Sin embargo, recientes acontecimientos importantes, como el COVID-19 y el Brexit, han puesto de manifiesto las dificultades que afrontan las soluciones convencionales de IA cuando se enfrentan a situaciones no previstas en sus jornadas de entrenamiento.

Como ejemplo, Howells menciona un modelo de IA que se desarrolló para detectar patrones de tráfico de vehículos antes de la pandemia, pero que no pudo adaptarse al drástico cambio en el tráfico durante el confinamiento. Sin embargo, si se utilizara IA adaptable, el modelo podría adaptarse sin necesidad de volver a entrenarlo con nuevos datos.

«Los ejecutivos a menudo asumen que los sistemas tradicionales de IA están configurados para aprender continuamente con nuevos datos; sin embargo, en muchos casos, los modelos de aprendizaje automático se entrenan en conjuntos de datos enormes, pero fijos en un punto específico en el tiempo», añade Howells.

En comparación con los sistemas de IA tradicionales, la adopción de la IA adaptable puede aportar muchas ventajas a las empresas, como lograr un enfoque de aprendizaje continuo.

Los acontecimientos imprevistos son, por su propia naturaleza, difíciles de predecir y pueden dejar a las empresas luchando por recuperarse. Además, el incierto entorno empresarial hace cada vez más ineficaz la introducción de datos históricos en la IA para predecir resultados futuros.

Kat James es directora técnica del sector minorista y del consumidor en la empresa tecnológica Faculty, que ofrece software, consultoría y servicios relacionados con la IA. Revela que una de las principales ventajas de la IA adaptable para las empresas es la posibilidad de que el rendimiento de los modelos de IA se mantenga constante, o incluso mejore, con una mínima intervención manual.

«La IA adaptable puede permitir que las empresas piensen en la IA de la misma forma que están acostumbradas a pensar en el software. Nunca aceptaríamos un software que tuviéramos que desmontar y reconstruir cada 18 meses aproximadamente, pero históricamente hemos pensado en los sistemas de IA de esta manera», señala.

Gran atractivo

En los sectores en rápida evolución, donde los comportamientos de los consumidores y las tendencias cambian de un momento a otro, la capacidad de las herramientas de IA adaptable, para ajustarse inmediatamente a los cambios del mundo real, puede proporcionar una clara ventaja competitiva.

La venta al por menor y el comercio electrónico son quizás los sectores en los que la IA adaptable tendrá más impacto, y personalizará aún más las recomendaciones de productos.

Cada acción y comportamiento de navegación del cliente puede introducirse en la IA adaptable para descubrir la recomendación más pertinente y personalizada. Cuando se lanza un nuevo producto o se comercializa con nuevos clientes, el aprendizaje rápido de la IA adaptable es esencial.

«Estos problemas de arranque en frío son extremadamente importantes en empresas con bases de clientes y carteras de productos que crecen o cambian rápidamente, y suponen un reto para los sistemas tradicionales de aprendizaje automático que requieren muchos datos históricos de entrenamiento», afirma Josh Muncke, director del sector minorista y del consumidor en Faculty.

Empresas de sectores tan diversos como el financiero, el manufacturero e incluso el de los videojuegos pueden beneficiarse de la incorporación de la IA adaptable a sus operaciones.

Por ejemplo, los defectos de los productos pueden identificarse más fácilmente mediante un proceso basado en la IA adaptable, y los posibles casos de fraude se descubrirán más rápidamente en las organizaciones financieras gracias a la adopción de este tipo de tecnología.

De cara al futuro

No es difícil ver el atractivo de la IA adaptable para las organizaciones con visión de futuro, ya que esta innovación permite conseguir más con menos intervención humana.

Es probable que el siguiente paso en el camino de la IA para las empresas que quieren prosperar y mantenerse flexibles en un futuro incierto implique soluciones de IA adaptable. Los clientes también se beneficiarán de productos y servicios que satisfagan mejor sus necesidades y sus crecientes expectativas.

De cara al futuro, Muncke cree que la investigación en grandes modelos lingüísticos es una de las áreas más prometedoras que se están desarrollando en el ecosistema de la IA.

«Estos sistemas son capaces de generar texto y han demostrado ser muy potentes», afirma. «Se espera que estos modelos sean capaces de escribir código en el futuro cuando se les dé una instrucción sencilla, y la IA podría revolucionarse con esta tecnología», concluye.