La firma internacional de investigación de mercado Gartner dio a conocer la conclusión de su encuesta sobre el Ciclo de Exageración 2024 para las Tecnologías Emergentes (Hype Cycle 2024 for Emerging Technologies), donde revela que la IA generativa ha superado ya su pico de expectativas infladas y ahora se dirige hacia un “punto mínimo de desilusión”.
Junto con la IA generativa, el software mejorado con IA también está decayendo en sus expectativas, según Gartner. Las herramientas de generación de código asistidas por IA son cada vez más frecuentes en la ingeniería de software y de manera algo inesperada se han convertido en una herramienta al alcance de la mano para la mayoría de las organizaciones que experimentan con IA generativa. Las tasas de adopción se están disparando. Esto se debe que incluso si solo sugieren una base de código para una nueva aplicación, las herramientas de automatización pueden ahorrar horas de trabajo que se pueden dedicar a la creación y a actualizar código manualmente.
Según Gartner, la ingeniería de instrucciones (prompt engineering) ha alcanzado el pico de las expectativas infladas. La mayoría de los modelos de lenguaje (LLMs), como el GPT-4 de OpenAI, están precargados con cantidades masivas de información, de ahí que la ingeniería de instrucciones –una forma de entrenar el algoritmo- permite que la IA generativa se adapte a industrias específicas, incluso al uso de ciertas organizaciones.
Sin embargo, el entusiasmo en torno a los modelos básicos como el Google Gemini, Anthropic Claude, Amazon Bedrock y GPT-4, está disminuyendo entre las empresas a medida que buscan retornos de la inversión (ROI) concretos. Hoy en día las empresas suelen implementar la IA generativa solo para casos de uso que impulsan el ROI, según Arun Chandrasekaran, vicepresidente de análisis de Gartner.
“La IA generativa está atravesando el abismo de la desilusión debido al desajuste entre las altas expectativas y la realidad, los desafíos empresariales para madurar su ingeniería de datos y su gobernanza de la IA, así como el retorno de la inversión intangible de muchas iniciativas de IA generativa”, dice Chandrasekaran.
“Si bien esta tecnología ha sido anunciada como una gran ayuda para la productividad, lograr un retorno de la inversión en IA generativa puede resultar difícil y costoso de alcanzar. Esto no se debe necesariamente a que encontrar el retorno de la inversión sea difícil, sino a que expresar el retorno de la inversión es complicado porque muchos beneficios como la productividad tienen impactos indirectos o no financieros que crean resultados en un futuro”, según la analista de Gartner, Rita Sallam.
El estudio de Gartner muestra que la desilusión crece a medida que los experimentos y las implementaciones no logran cumplir con el entusiasmo inicial de una tecnología, o algunas empresas que producen sistemas de IA se tambalean o fracasan. La inversión continúa solo si los proveedores supervivientes mejoran sus productos a satisfacción de los primeros usuarios.
Pero lejos de ser un efecto negativo, la desilusión puede conducir a lo que Gartner describe como “la meseta de la productividad”, cuando la adopción generalizada comienza a despegar. También significa que el enfoque empresarial en el retorno de la inversión probablemente estimulará la adopción de IA en forma de agentes de IA, que tendrían un potencial más sólido para aumentar la productividad y la eficiencia.
Un agente de IA es un programa de software que recopila datos y los utiliza para realizar tareas autodeterminadas para cumplir objetivos predeterminados. Por ejemplo, un agente de IA podría actuar como representante de atención al cliente y automáticamente hacer diferentes preguntas, buscar información en documentos internos y responder con una solución. En función de las respuestas de los clientes determina si puede resolver la consulta por sí mismo o pasársela a un humano.
Si bien este ejemplo que da Gartner es el ejemplo que se usa más comúnmente para mostrar la utilidad actual de la IA para las empresas, cabe la pregunta de si las enormes inversiones que se están haciendo realmente valen la pena cuando se trata de algo que pueden hacer agentes humanos con la colaboración de software actuales, aunque consumiendo más tiempo.
Según Gartner, para 2030 las empresas gastarán us$42.000 millones al año en proyectos de IA generativa como chatbots, investigación y herramientas de escritura y resumen. Para Gartner, los sistemas autónomos de IA pueden funcionar con una mínima supervisión humana, mientras buscan comprender su entorno, sacar conclusiones y ajustar su accionar en consecuencia. Pareciera entonces que la mayor virtud de estos sistemas sería prescindir de personal humano.
“Estos sistemas pueden tomar decisiones, comprar cosas y realizar tareas logrando objetivos en una variedad de entornos con la misma eficacia que los humanos. Y este tipo de sistemas están pasando de ser ciencia ficción a ser realidad”, sostiene Chandrasekaran.
Si bien la actual generación de modelos de IA carece de “agencia”, los laboratorios de investigación de IA están liberando rápidamente agentes que pueden interactuar dinámicamente con su entorno para lograr objetivos, aunque este será un proceso gradual, señala el estudio de Gartner.