Gartner identifica las principales tendencias que darán forma al futuro de la ciencia de datos y el aprendizaje automático

Gartner, Inc. destacó hoy las principales tendencias que impactan el futuro de la ciencia de datos y el aprendizaje automático (DSML) a medida que la industria crece y evoluciona rápidamente para satisfacer la creciente importancia de los datos en la inteligencia artificial (IA), particularmente a medida que el enfoque cambia hacia la IA generativa. inversiones.

Peter Krensky, director analista de Gartner, dijo hoy en la Cumbre de Análisis y Datos de Gartner en Sydney: “A medida que la adopción del aprendizaje automático continúa creciendo rápidamente en todas las industrias, DSML está evolucionando desde centrarse simplemente en modelos predictivos, hacia una solución más democratizada, dinámica y Disciplina centrada en datos. Esto ahora también se ve impulsado por el fervor en torno a la IA generativa. Si bien están surgiendo riesgos potenciales, también están surgiendo muchas nuevas capacidades y casos de uso para los científicos de datos y sus organizaciones”.

Según Gartner, las principales tendencias que darán forma al futuro de DSML incluyen:

Tendencia 1: ecosistemas de datos en la nube Los ecosistemas de datos están pasando de software autónomo o implementaciones combinadas a soluciones completas nativas de la nube. Para 2024, Gartner espera que el 50% de las implementaciones de nuevos sistemas en la nube se basen en un ecosistema de datos en la nube cohesivo en lugar de soluciones puntuales integradas manualmente.

Gartner recomienda que las organizaciones evalúen los ecosistemas de datos en función de su capacidad para resolver desafíos de datos distribuidos, así como para acceder e integrarse con fuentes de datos fuera de su entorno inmediato.

Tendencia 2: IA de vanguardia La demanda de Edge AI está creciendo para permitir el procesamiento de datos en el punto de creación en el borde, ayudando a las organizaciones a obtener información en tiempo real, detectar nuevos patrones y cumplir con estrictos requisitos de privacidad de datos. Edge AI también ayuda a las organizaciones a mejorar el desarrollo, la orquestación, la integración y la implementación de la IA.

Gartner predice que más del 55% de todos los análisis de datos mediante redes neuronales profundas se producirán en el punto de captura de un sistema de borde para 2025, frente a menos del 10% en 2021. Las organizaciones deben identificar las aplicaciones, la capacitación en IA y la inferencia necesarias para pasar a entornos de borde cerca de los puntos finales de IoT.

Tendencia 3: IA responsable La IA responsable la convierte en una fuerza positiva, en lugar de una amenaza para la sociedad y para sí misma. Cubre muchos aspectos de la toma de decisiones comerciales y éticas correctas al adoptar la IA que las organizaciones a menudo abordan de forma independiente, como el valor comercial y social, el riesgo, la confianza, la transparencia y la responsabilidad. Gartner predice que la concentración de modelos de IA previamente entrenados entre el 1% de los proveedores de IA para 2025 hará que la IA responsable sea una preocupación social.

Gartner recomienda que las organizaciones adopten un enfoque proporcional al riesgo para ofrecer valor de IA y tengan cuidado al aplicar soluciones y modelos. Busque garantías de los proveedores para asegurarse de que estén gestionando sus riesgos y obligaciones de cumplimiento, protegiendo a las organizaciones de posibles pérdidas financieras, acciones legales y daños a la reputación.

Tendencia 4: IA centrada en datos La IA centrada en datos representa un cambio de un enfoque centrado en modelos y códigos a estar más centrado en datos para construir mejores sistemas de IA. Soluciones como la gestión de datos específica de IA, los datos sintéticos y las tecnologías de etiquetado de datos tienen como objetivo resolver muchos desafíos de datos, incluida la accesibilidad, el volumen, la privacidad, la seguridad, la complejidad y el alcance.

El uso de IA generativa para crear datos sintéticos es un área que está creciendo rápidamente, aliviando la carga de obtener datos del mundo real para que los modelos de aprendizaje automático puedan entrenarse de manera efectiva. Para 2024, Gartner predice que el 60% de los datos de la IA serán sintéticos para simular la realidad, escenarios futuros y eliminar riesgos de la IA, frente al 1% en 2021.

Tendencia 5: Inversión acelerada en IA La inversión en IA seguirá acelerándose por parte de las organizaciones que implementan soluciones, así como por las industrias que buscan crecer a través de tecnologías de IA y negocios basados ​​en IA. Para finales de 2026, Gartner predice que se habrán invertido más de 10 mil millones de dólares en nuevas empresas de IA que se basan en modelos básicos: grandes modelos de IA entrenados en enormes cantidades de datos.

Una encuesta reciente de Gartner realizada a más de 2.500 líderes ejecutivos encontró que el 45% informó que el reciente revuelo en torno a ChatGPT los impulsó a aumentar las inversiones en IA. El setenta por ciento dijo que su organización está en modo de investigación y exploración con IA generativa, mientras que el 19% está en modo piloto o de producción.

Cumbre de análisis y datos de GartnerLos analistas de Gartner presentarán las últimas investigaciones y consejos para líderes de datos y análisis en la Cumbre Gartner Data & Analytics en Sydney, del 31 de julio al 1 de agosto. Siga las noticias y actualizaciones de las conferencias en Twitter usando #GartnerDA.

Acerca de Gartner para líderes de datos y análisis Gartner para líderes de datos y análisis proporciona información objetiva y procesable a los CDAO y a los líderes de datos y análisis para ayudarlos a acelerar su estrategia de D&A y su modelo operativo para aumentar el valor comercial. Hay información adicional disponible en https://www.gartner.com/en/data-analytics.

Siga las noticias y actualizaciones de Gartner para líderes de D&A en Twitter y LinkedIn usando #GartnerDA. Visite la sala de prensa de Gartner para obtener más información y conocimientos.