Así será 2022 para la Inteligancia Artificial y la analítica: mucho más avanzada, democratizada y con una mayor necesidad de gestionar los datos

Durante los últimos años se ha producido una rápida expansión de la IA en muchas industrias para trabajar en múltiples tareas y procesos, y se espera que siga creciendo en un futuro.

En el último año, las profesiones especializadas en Big Data encabezaban todos los rankings de demanda por parte de las empresas, y ahora, según la IEBS, el analista de Datos y el Científico de Datos se sitúan entre las profesiones digitales más demandadas en 2022.

La rápida evolución de la tecnología y los continuos avances que se producen gracias a la Inteligencia Artificial y a la analítica de datos obligan a conocer cómo estos nuevos desarrollos van a transformar el panorama competitivo en el sector. Por ello, SAS, compañía líder en analytics, analiza el recorrido que tendrán estas tecnologías, a la vez que la industria sigue ofreciendo sus capacidades para aprovechar el aumento exponencial de datos y transformar nuestras vidas en el 2022.

La IA: cada vez más democratizada, más madura y resolutiva

En el pasado, las organizaciones tenían pocos resultados que mostrar por sus inversiones en la IA, debido al hiperenfoque en la creación de modelos y el rendimiento de los mismos. Ahora, la IA no sólo se utilizará para proyectos innovadores únicos, sino que empresas e instituciones encontrarán valor en la aplicación de técnicas de IA a proyectos establecidos para lograr los mejores resultados. Su valor no vendrá determinado por lo bien que modele el mundo real, sino por cómo ayude a mejorarlo.

Por otro lado, la inteligencia artificial avanza hacia la democratización, por lo que sus beneficios se extenderán a las masas para incluir a los clientes, a los socios comerciales, al personal de ventas, los trabajadores de las fábricas, los desarrolladores de aplicaciones y los profesionales de operaciones de TI, entre otros. Al democratizar la IA, las organizaciones reconocerán el valor global de los beneficios de gran alcance en lugar de los beneficios aislados obtenidos por unos pocos.

Además, la IA madura más allá del desarrollo de modelos. Atrás han quedado los días en los que se invertía en construir un modelo perfecto. Ahora hay mucha más madurez a la hora de abordar la implantación productiva de la inteligencia artificial en todos los sectores. La atención se desplazará a un ecosistema más amplio necesario para llevar a cabo más proyectos, y las empresas e instituciones obtendrán un mayor valor invirtiendo en capacidades de gestión de datos, desplegando y gobernando activos analíticos y de IA.

La gestión de los datos seguirá siendo una tarea pendiente para las organizaciones

La pandemia trastocó las trayectorias empresariales previstas y puso de manifiesto los puntos débiles de los sistemas de machine learning que dependen de grandes cantidades de datos históricos representativos. Como resultado, existe una necesidad empresarial de reforzar el "núcleo" de la analítica y potenciar las inversiones en equipos y técnicas analíticas tradicionales más adecuadas para el descubrimiento rápido de datos y la formulación de hipótesis.

Las organizaciones seguirán luchando por ofrecer datos conectados y coherentes entre las fuentes locales, públicas y de múltiples nubes. Tendrán que hacerlo al mismo tiempo que dan soporte a diferentes casos de uso o a diferentes tipos de usuarios que necesitan datos fiables, coherentes y en tiempo real para crear aplicaciones o proporcionar información. En este sentido, para dominar el big data, los tejidos de datos o el “data fabric” deberá centrarse en la captación, la transformación y la limpieza de los datos a través de procesos de forma controlada.

¿Qué deparará el futuro a la IA?

La inteligencia artificial se está trasladando al mundo real, pero lentamente. Aunque muchos de sus avances han demostrado una precisión asombrosa en tareas comunes o en competencias online, todavía se necesita tiempo para que estos progresos lleguen a la industria y, en última instancia, resuelvan problemas reales para los clientes. Esto se debe, en parte, a la necesidad de contar con datos específicos del sector o con la potencia informática necesaria para ejecutar estos sistemas y modelos. Debido a estas limitaciones, se verá un flujo lento, pero constante, de avances que pasarán de la investigación a la realidad.

Por último, aún siguen existiendo barreras a la accesibilidad de la IA. A pesar del aumento del interés por los cursos online y en la enseñanza de las habilidades necesarias para trabajar con herramientas de IA,estas tecnologías aún no serán completamente accesibles. Seguirá siendo necesario contar con interfaces visuales que hagan que el machine learning y la inteligencia artificial sean accesibles para más personas.