IA Generativa: Transformando Industrias y Empresas
La IA generativa está en el centro de la atención, reconocida como una tecnología innovadora con el potencial de transformar diversos ámbitos, incluida la vida humana. A pesar del entusiasmo por la IA generativa en 2023, un informe de Menlo Ventures señala que su adopción ha sido lenta, representando menos del 1% del gasto empresarial en la nube. En contraste, la IA tradicional abarca el 18% del mercado de la nube de 400 mil millones de dólares. “Muchos creían que la IA generativa revolucionaría rápidamente las industrias”, comenta Derek Xiao, inversor en Menlo. “Si bien muestra un progreso significativo, el cambio real en el sector empresarial tomará tiempo.”
Crecimiento en el Gasto de IA Tradicional
Se pronostica que el mercado de la IA generativa podría alcanzar los 76.8 mil millones de dólares para 2030, con un notable crecimiento anual compuesto (CAGR) del 31.5% desde 2023. Otras estimaciones sugieren que esta tecnología podría generar al menos 450 mil millones de dólares en 12 sectores en los próximos siete años. Desde su lanzamiento en noviembre de 2022, ChatGPT se ha convertido en un tema central en reuniones corporativas y conversaciones informales. Sin embargo, el informe “State of AI in the Enterprise” de Menlo revela que el 50% de las empresas encuestadas ya había adoptado alguna forma de IA antes de 2023. El número de empresas que utilizan IA aumentó un 7%, pasando del 48% al 55%, con un crecimiento promedio de inversión del 8%. Los departamentos de ingeniería de productos lideran el gasto en soluciones de IA.
A pesar de este crecimiento, las empresas permanecen cautelosas ante la IA generativa. “Anticipamos que la IA generativa sería un éxito instantáneo”, dice la socia de Menlo, Naomi Ionita. “En cambio, 2023 resultó ser un año de exploración.” Mirando hacia adelante, Xiao afirma que 2024 será crucial para la implementación de la IA generativa.
Preocupaciones en Torno a la Adopción de la IA Generativa
A medida que las empresas navegan por este panorama, el socio de Menlo, Tim Tully, aconseja adoptar un enfoque medido. “Los líderes deben sentirse tranquilos ante estos hallazgos y entender que una transición lenta es aceptable”, enfatiza. Señala que la rápida evolución de la IA generativa genera dudas sobre su adopción, a menudo debido a restricciones presupuestarias. “Tomar decisiones costosas requiere una cuidadosa consideración,” añade. Los patrones históricos en tecnologías transformadoras, como la computación en la nube, sugieren que la adopción seguirá siendo gradual.
Los obstáculos para la adopción incluyen un retorno de inversión no verificado, el “problema del último mile”, cuestiones de privacidad de datos, escasez de talento en IA, capacidad organizativa limitada, desafíos de compatibilidad con sistemas existentes y falta de explicabilidad y personalización. Menlo informa que las soluciones actuales para empresas “aún no han cumplido su promesa de transformación significativa”. Tienen dificultades para crear nuevos flujos de trabajo, y los aumentos en productividad siguen siendo limitados, lo que hace que los compradores sean escépticos hasta que puedan percibir un valor tangible. Este escepticismo se complica aún más por las dificultades que enfrentan las empresas para obtener aprobación financiera, como señala Ionita: “Es cada vez más desafiante negociar con los CFOs. Hay obstáculos sustanciales que superar. Si bien el potencial es claro, el camino hacia la implementación es complejo.”
Sin embargo, los primeros adoptantes de la IA generativa están experimentando mejoras sustanciales en la gestión de datos y alivio de flujos de trabajo tediosos. “Mejora la experiencia del usuario de maneras previamente inalcanzables”, comenta Ionita. Tully añade que los usuarios pueden crear “herramientas excepcionales” en 20 minutos o menos. “La IA generativa está transformando flujos de trabajo, simplificando tareas y potenciando el éxito de los empleados. Está generando valor y ingresos reales.”
Oportunidades en el Sector de la IA Generativa
A medida que el mercado de la IA generativa se expande, Menlo identifica oportunidades considerables para startups en aplicaciones tanto verticales (específicas de la industria) como horizontales (generalizadas). Ionita destaca que las empresas están adoptando cada vez más modelos de IA híbridos, utilizando múltiples plataformas de base junto con modelos especializados para diferentes casos de uso. “Cuando se implementa la IA generativa, las herramientas específicas de la industria adquieren capacidades notables”, indica el informe. Por ejemplo, los especialistas en marketing utilizan Synthesia para la creación de contenido en video, mientras que el sector legal emplea a Harvey para análisis de contratos y cumplimiento. Startups como Greenlite en finanzas, Abridge en salud y Higharc en arquitectura también están avanzando.
En el ámbito horizontal, las herramientas de IA están automatizando tareas mundanas. Menlo anticipa un aumento en agentes de IA capaces de “pensamiento y acción independientes”, gestionando correos electrónicos, calendarios, toma de notas e integrándose sin problemas en flujos de trabajo específicos. “Devolver tiempo valioso a los empleados es una clara ventaja”, precisa Ionita, reconociendo que el trabajador promedio suele enfrentar una compleja variedad de herramientas.
En el futuro, Menlo prevé que “la IA pasará de ser una novedad a ser un colaborador estándar y esperado en el trabajo diario.”
Estandarizando la Infraestructura de IA Moderna
Las inversiones de Menlo en empresas como Anthropic y Pinecone reflejan un aumento en la inversión empresarial—1.1 mil millones de dólares este año—en la pila moderna de IA, convirtiéndola en un área clave de enfoque dentro de la IA generativa. Las empresas informan que el 35% de sus presupuestos de infraestructura se destina a modelos de base como OpenAI y Anthropic, que dominan los modelos de producción, representando más del 85%.
La mayoría de los modelos de IA son preexistentes, con solo el 10% de las empresas optando por el pre-entrenamiento de modelos. Las empresas suelen utilizar una variedad de modelos para un mejor control y eficiencia de costos, con el 96% de los gastos dirigidos a la inferencia. Los métodos de personalización más populares incluyen la ingeniería de prompts, mientras que la evaluación a menudo involucra revisión humana.
Adicionalmente, la generación aumentada por recuperación (RAG) está emergiendo como una práctica estándar, mejorando los modelos de lenguaje grande (LLMs) mediante el uso de bases de conocimiento externas para respuestas oportunas y relevantes. En la encuesta de Menlo, el 31% de las empresas informó emplear RAG, mientras que el 19% participa en ajuste fino, el 18% utiliza adaptadores y el 13% incorpora aprendizaje por refuerzo mediante retroalimentación humana (RLHF).
Si bien las fases iniciales de la IA generativa se caracterizaron por cambios rápidos, Xiao observa un cambio en la industria hacia la convergencia en torno a componentes y mejores prácticas clave. Sin embargo, la infraestructura moderna de IA carece de estandarización completa, lo que presenta oportunidades para startups que brinden servicios para la implementación de modelos, gestión de canalizaciones de datos y medidas de seguridad.
Las startups deben priorizar el desarrollo de herramientas que fomenten nuevos flujos de trabajo, razonamiento avanzado y análisis de datos propios, en lugar de crear simplemente un “envoltorio de ChatGPT.” “La clave es innovar en mercados donde no hay incumbentes,” advierte Xiao, enfatizando la importancia de la diferenciación.
Clasificación
