Este año, las empresas encontraron muchos candidatos para agregar a la palabra del año. A la «IA generativa» y al «transformador generativo preentrenado» les siguieron términos como «grandes modelos de lenguaje» y «generación aumentada de recuperación» (RAG, por sus siglas en inglés) a medida que industrias enteras centraban su atención en las nuevas tecnologías transformadoras.
La IA generativa comenzó el año como un punto en el radar, pero terminó con un chapuzón. Muchas empresas están corriendo para aprovechar su capacidad de ingerir texto, voz y video para producir nuevos contenidos que pueden revolucionar la productividad, la innovación y la creatividad.
Las empresas se están subiendo a la tendencia. Los algoritmos de deep learning como ChatGPT de OpenAI, entrenados con datos corporativos, podrían agregar el equivalente de 2,6 billones de dólares a 4,4 billones de dólares anuales en 63 casos de uso empresarial, según McKinsey & Company.
Sin embargo, la gestión de cantidades masivas de datos internos a menudo se ha citado como el mayor obstáculo para escalar la IA. Algunos expertos de NVIDIA en IA predicen que en 2024 se tratará de llamar a un amigo, creando asociaciones y colaboraciones con proveedores de servicios en la nube, empresas analíticas y de almacenamiento de datos, y otras personas con los conocimientos necesarios para manejar, ajustar e implementar big data de manera eficiente.
Los grandes modelos de lenguaje están en el centro de todo. Los expertos de NVIDIA dicen que los avances en la investigación de LLM se aplicarán cada vez más en aplicaciones empresariales. Las capacidades de IA como RAG, los agentes inteligentes autónomos y las interacciones multimodales serán más accesibles y se desplegarán más fácilmente a través de prácticamente cualquier plataforma.
Mira a los expertos de NVIDIA sobre qué esperar en el próximo año:
MANUVIR DAS
Vicepresidente de Computación Empresarial
Una talla no sirve para todos: la personalización está llegando a las empresas. Las empresas no tendrán una o dos aplicaciones de IA generativa, muchas tendrán cientos de aplicaciones personalizadas que utilizan datos patentados que se adaptan a varias partes de su negocio.
Una vez que se ejecuten en producción, estos LLM personalizados contarán con capacidades RAG para conectar las fuentes de datos a los modelos de IA generativa para obtener respuestas más precisas e informadas. Empresas líderes como Amdocs, Dropbox, Genentech, SAP, ServiceNow y Snowflake ya están creando nuevos servicios de IA generativa basados en RAG y LLM.
El software de código abierto lidera la carga: Gracias a los modelos preentrenados de código abierto, las aplicaciones de IA generativa que resuelven desafíos de dominio específicos se convertirán en parte de las estrategias operativas de las empresas.
Una vez que las empresas combinan estos modelos de ventaja con datos privados o en tiempo real, pueden comenzar a ver una productividad acelerada y beneficios de costos en toda la organización. La computación y el software de IA serán más accesibles en prácticamente cualquier plataforma, desde la computación basada en la nube y los servicios de fundición de modelos de IA hasta el data center, el edge y el escritorio.
IA y microservicios listos para usar: la IA generativa ha estimulado la adopción de puntos finales de interfaz de programación de aplicaciones (API), que facilitan a los desarrolladores la creación de aplicaciones complejas.
En 2024, los kits de desarrollo de software y las API subirán de nivel a medida que los desarrolladores personalicen los modelos de IA listos para usar utilizando microservicios de IA como RAG como servicio. Esto ayudará a las empresas a aprovechar todo el potencial de la productividad impulsada por la IA con asistentes inteligentes y herramientas de resumen que pueden acceder a información empresarial actualizada.
Los desarrolladores podrán integrar estos puntos finales de API directamente en sus aplicaciones sin tener que preocuparse por mantener la infraestructura necesaria para admitir los modelos y frameworks. A su vez, los usuarios finales pueden experimentar aplicaciones más intuitivas, receptivas y personalizadas que se adaptan a sus necesidades.
IAN BUCK
Vicepresidente de Hiperescala y HPC
Tesoro nacional: La IA está llamada a convertirse en la nueva carrera espacial, en la que cada país busca crear su propio centro de excelencia para impulsar avances significativos en la investigación y la ciencia y mejorar el PIB.
Con solo unos pocos cientos de nodos de computación acelerada, los países podrán construir rápidamente supercomputadoras de IA a exaescala altamente eficientes y de gran rendimiento. Los centros de excelencia de IA generativa financiados por el gobierno impulsarán el crecimiento económico de los países mediante la creación de nuevos puestos de trabajo y la creación de programas universitarios más sólidos para crear la próxima generación de científicos, investigadores e ingenieros.
Pasos agigantados cuánticos: Los líderes empresariales lanzarán iniciativas de investigación en computación cuántica basadas en dos factores clave: la capacidad de utilizar supercomputadoras de IA tradicionales para simular procesadores cuánticos y la disponibilidad de una plataforma de desarrollo abierta y unificada para la computación cuántica híbrida-clásica. Esto permite a los desarrolladores utilizar lenguajes de programación estándar en lugar de necesitar conocimientos especializados y personalizados para crear algoritmos cuánticos.
La exploración de la computación cuántica, que antes se consideraba un nicho oscuro en las ciencias de la computación, se generalizará a medida que las empresas se unan a la academia y a los laboratorios nacionales en la búsqueda de rápidos avances en la ciencia de los materiales, la investigación farmacéutica, la física subatómica y la logística.
KARI BRISKI
Vicepresidente de Software de IA
De los RAG a las informaciones enriquecidas: Espere escuchar mucho más sobre la generación aumentada de recuperación a medida que las empresas adopten estos frameworks de IA en 2024.
A medida que las empresas capacitan a los LLM para crear aplicaciones y servicios de IA generativa, RAG se considera ampliamente como una respuesta a las imprecisiones o respuestas sin sentido que a veces ocurren cuando los modelos no tienen acceso a suficiente información precisa y relevante para un caso de uso determinado.
Mediante la recuperación semántica, las empresas tomarán modelos básicos de código abierto, ingerirán sus propios datos para que una consulta de usuario pueda recuperar los datos relevantes del índice y, a continuación, pasarlos al modelo en tiempo de ejecución.
El resultado es que las empresas pueden utilizar menos recursos para lograr aplicaciones de IA generativa más precisas en sectores como el área de la salud, las finanzas, el comercio minorista y la manufactura. Los usuarios finales deben esperar ver chatbots más sofisticados, sensibles al contexto y multimodales, así como sistemas de recomendación de contenido personalizados que les permitan hablar con sus datos de forma natural e intuitiva.
La multimodalidad deja su huella: la IA generativa basada en texto está destinada a convertirse en cosa del pasado. A pesar de que la IA generativa sigue estando en pañales, es de esperar que muchas industrias adopten los LLM multimodales que permiten a los consumidores utilizar una combinación de texto, voz e imágenes para ofrecer respuestas más relevantes desde el punto de vista contextual a una consulta sobre tablas, gráficos o esquemas.
Empresas como Meta y OpenAI buscarán ampliar los límites de la IA generativa multimodal agregando un mayor soporte para los sentidos, lo que conducirá a avances en las ciencias físicas, las ciencias biológicas y la sociedad en general. Las empresas podrán comprender sus datos no solo en formato de texto, sino también en archivos PDF, gráficos, tablas, diapositivas y más.
NIKKI POPE
Head de IA y Ética Legal
Objetivo de bloqueo en la seguridad de la IA: La colaboración entre las principales organizaciones de IA acelerará la investigación y el desarrollo de sistemas de IA robustos y seguros. Es de esperar que surjan protocolos de seguridad estandarizados y mejores prácticas que se adoptarán en todas las industrias, lo que garantizará un alto nivel de seguridad constante en todos los modelos de IA generativa.
Las empresas se centrarán más en la transparencia y la interpretabilidad de los sistemas de IA, y utilizarán nuevas herramientas y metodologías para arrojar luz sobre los procesos de toma de decisiones de los modelos complejos de IA. A medida que el ecosistema de IA generativa se recupera en torno a la seguridad, anticipe que las tecnologías de IA se volverán más confiables, dignas de confianza y alineadas con los valores humanos.
RICHARD KERRIS
Vicepresidente de Relaciones con Desarrolladores, Head de Medios y Entretenimiento
La democratización del desarrollo: Prácticamente cualquier persona, en cualquier lugar, pronto se convertirá en desarrollador. Tradicionalmente, uno tenía que conocer y ser competente en el uso de un lenguaje de desarrollo específico para desarrollar aplicaciones o servicios. A medida que la infraestructura de computación se capacita cada vez más en los lenguajes de desarrollo de software, cualquiera podrá solicitar a la máquina que cree aplicaciones, servicios, soporte de dispositivos y más.
Si bien las empresas continuarán contratando desarrolladores para crear y entrenar modelos de IA y otras aplicaciones profesionales, se espera ver oportunidades significativamente más amplias para cualquier persona con el conjunto de habilidades adecuado para crear productos y servicios personalizados. Serán ayudados por entradas de texto o indicaciones de voz, lo que hará que las interacciones con las computadoras sean tan simples como instruirlas verbalmente.
«Now and Then» en el cine y la canción: Al igual que la «nueva» canción aumentada por IA del cuarteto de Liverpool estimuló una nueva ronda de Beatlemanía, el amanecer del primer largometraje de IA generativa enviará ondas de choque a través de la industria cinematográfica.
Tomemos como ejemplo a un cineasta que filma con una cámara de película de 35 mm. El mismo contenido pronto podrá transformarse en una producción de 70 mm utilizando IA generativa, lo que reducirá los importantes costos involucrados en la producción de películas en formato IMAX y permitirá que participe un conjunto más amplio de directores.
Los creadores transformarán hermosas imágenes y videos en nuevos tipos y formas de entretenimiento al solicitar a una computadora texto, imágenes o videos. A algunos profesionales les preocupa que su oficio sea reemplazado, pero esos problemas se desvanecerán a medida que la IA generativa mejore en el entrenamiento en tareas específicas. Esto, a su vez, liberará manos para abordar otras tareas y proporcionará nuevas herramientas con interfaces amigables para los artistas.
KIMBERLY POWELL
Vicepresidente del Área de la Salud
Asistentes quirúrgicos de IA: Ha llegado el día en que los cirujanos pueden usar la voz para aumentar lo que ven y entienden dentro y fuera de la sala de cirugía.
La combinación de instrumentos, imágenes, robótica y datos de pacientes en tiempo real con IA conducirá a una mejor formación de los cirujanos, una mayor personalización durante la cirugía y una mayor seguridad con retroalimentación y orientación en tiempo real, incluso durante la cirugía a distancia. Esto ayudará a cerrar la brecha en los 150 millones de cirugías que se necesitan pero que no se realizan, especialmente en los países de ingresos bajos y medianos.
Fábricas de descubrimiento de fármacos de IA generativa: Está surgiendo un nuevo proceso de descubrimiento de fármacos, en el que la generación de moléculas de IA generativa, la predicción de propiedades y el modelado complejo impulsarán un volante de inercia inteligente de laboratorio en el circuito, acortando el tiempo de descubrimiento y mejorando la calidad de los candidatos a fármacos clínicamente viables.
Estas fábricas de descubrimiento de fármacos de IA emplean conjuntos de datos masivos del área de la salud que utilizan genomas completos, instrumentos de resolución atómica y automatización de laboratorio robótico capaz de funcionar a tiempo completo. Por primera vez, las computadoras pueden aprender patrones y relaciones dentro de conjuntos de datos enormes y complejos y generar, predecir y modelar relaciones biológicas complejas que antes solo se podían descubrir a través de la observación experimental y la síntesis humana, que consumen mucho tiempo.
CHARLIE BOYLE
Vicepresidente de Plataformas DGX
Las empresas llevan los LLM a medida a la nube: Una cosa que las empresas aprendieron de 2023 es que crear LLM desde cero no es fácil. Las empresas que toman esta ruta a menudo se sienten intimidadas por la necesidad de invertir en nueva infraestructura y tecnología, y experimentan dificultades para averiguar cómo y cuándo priorizar otras iniciativas de la empresa.
Los proveedores de servicios en la nube, los proveedores de colocación y otras empresas que manejan y procesan datos para otras empresas ayudarán a las empresas con supercomputación y software de IA de pila completa. Esto facilitará la personalización de los modelos previamente entrenados y su implementación para las empresas de todos los sectores.
A la caza del oro de LLM en los lagos de datos empresariales: No hay escasez de estadísticas sobre la cantidad de información que almacena una empresa promedio, que puede estar en cualquier lugar entre los cientos de petabytes para las grandes corporaciones. Sin embargo, muchas empresas informan que están extrayendo menos de la mitad de esa información para obtener información procesable.
En 2024, las empresas comenzarán a utilizar la IA generativa para hacer uso de esos datos indómitos poniéndolos a trabajar en la creación y personalización de LLM. Con la supercomputación impulsada por IA, las empresas comenzarán a extraer sus datos no estructurados, incluidos chats, videos y código, para expandir su desarrollo de IA generativa en modelos multimodales de entrenamiento. Este salto más allá de la capacidad de extraer tablas y otros datos estructurados permitirá a las empresas ofrecer respuestas más específicas a las preguntas y encontrar nuevas oportunidades. Eso incluye ayudar a detectar anomalías en los escaneos de salud, descubrir tendencias emergentes en el comercio minorista y hacer que las operaciones comerciales sean más seguras.
AZITA MARTIN
Vicepresidente de Venta Minorista, Bienes de Consumo Envasados y Restaurantes de Servicio Rápido
Asesores de compras de IA generativa: Los minoristas se enfrentan a la doble exigencia de conectar a los clientes con los productos que desean y, al mismo tiempo, ofrecer experiencias de compra omnicanal elevadas y similares a las humanas que se alinean con sus necesidades y preferencias individuales.
Para cumplir con estos objetivos, los minoristas se están preparando para introducir asesores de compras de vanguardia impulsados por IA generativa, que se someterán a una capacitación meticulosa sobre la marca, los productos y los datos de los clientes distintivos de los minoristas para garantizar un viaje de compra personalizado, guiado y apropiado para la marca que imite la experiencia matizada de un asistente humano. Este enfoque innovador ayudará a diferenciar a las marcas y aumentar la lealtad de los clientes al brindar ayuda personalizada.
Preparación para la seguridad: Los minoristas de todo el mundo se enfrentan a un desafío cada vez mayor a medida que el crimen minorista organizado se vuelve cada vez más sofisticado y coordinado. La Federación Nacional de Minoristas informó que los minoristas están experimentando un asombroso aumento del 26.5% en este tipo de incidentes desde el repunte posterior a la pandemia en los robos minoristas.
Para mejorar la seguridad de las experiencias en la tienda, tanto para los clientes como para los empleados, los minoristas comenzarán a utilizar software de gestión de información de seguridad física y visión por computadora para recopilar y correlacionar eventos de sistemas de seguridad dispares. Esto permitirá a la IA detectar armas y comportamientos inusuales, como la apropiación a gran escala de artículos de los estantes. También ayudará a los minoristas a frustrar de manera proactiva las actividades delictivas y a mantener un entorno de compras más seguro.
REV LEBAREDIAN
Vicepresidente de Omniverse y Tecnología de Simulación
La digitalización industrial se une a la IA generativa: La fusión de la digitalización industrial con la IA generativa está preparada para catalizar la transformación industrial. La IA generativa facilitará la conversión de aspectos del mundo físico, como la geometría, la luz, la física, la materia y el comportamiento, en datos digitales. La democratización de la digitalización del mundo físico acelerará las empresas industriales, permitiéndoles diseñar, optimizar, fabricar y vender productos de manera más eficiente. También les permite crear más fácilmente campos de entrenamiento virtuales y datos sintéticos para entrenar a una nueva generación de IA que interactuarán y operarán dentro del mundo físico, como robots autónomos y automóviles autónomos.
La interoperabilidad 3D despega: Desde la mesa de dibujo hasta la planta de producción, los datos serán interoperables por primera vez.
Las empresas de software y profesionales más influyentes del mundo de las industrias de manufactura, diseño de productos, venta minorista, comercio electrónico y robótica se están comprometiendo con la recién establecida Alliance for OpenUSD. OpenUSD, el lenguaje universal entre las herramientas 3D y los datos, romperá los silos de datos, permitiendo a las empresas industriales colaborar a través de lagos de datos, sistemas de herramientas y equipos especializados de manera más fácil y rápida que nunca para acelerar la digitalización de procesos industriales manuales que antes eran engorrosos.
XINZHOU WU
Vicepresidente y Gerente General de Automoción
Modernización del ciclo de vida de la producción de vehículos: La industria automotriz adoptará aún más la IA generativa para ofrecer representaciones fotorrealistas físicamente precisas que muestren exactamente cómo se verá un vehículo por dentro y por fuera, al tiempo que acelera las revisiones de diseño, ahorra costos y mejora la eficiencia.
Más fabricantes de automóviles adoptarán esta tecnología dentro de sus fábricas inteligentes, conectando herramientas de diseño e ingeniería para construir gemelos digitales de las instalaciones de producción. Esto reducirá los costos y agilizará las operaciones sin la necesidad de cerrar las líneas de fábrica.
La IA generativa hará que la investigación y las compras de los consumidores sean más interactivas. Desde configuradores de automóviles y visualizaciones en 3D hasta demostraciones de realidad aumentada y pruebas de manejo virtuales, los consumidores podrán tener una experiencia de compra más atractiva y agradable.
La seguridad no es un accidente: más allá del ciclo de vida de los productos automotrices, la IA generativa también permitirá avances en el desarrollo de vehículos autónomos (AV), incluida la conversión de los datos de los sensores registrados en simulaciones 3D totalmente interactivas. Estos entornos de gemelos digitales, así como la generación de datos sintéticos, se utilizarán para desarrollar, probar y validar de forma segura los vehículos autónomos a escala virtualmente antes de que se implementen en el mundo real.
Los modelos base de IA generativa también respaldarán los sistemas de IA de un vehículo para permitir nuevas experiencias de usuario personalizadas, capacidades y características de seguridad dentro y fuera del automóvil.
La experiencia detrás del volante será más segura, inteligente y agradable.
BOB PETTE
Vicepresidente de Plataformas Empresariales
Construir de nuevo con IA generativa: La IA generativa permitirá a las empresas diseñar automóviles simplemente hablando con un grande modelo de lenguaje o crear ciudades desde cero utilizando nuevas técnicas y principios de diseño.
La industria de la arquitectura, la ingeniería, la construcción y las operaciones (AECO) está construyendo el futuro utilizando la IA generativa como guía. Cientos de startups y clientes de IA generativa en AECO y manufactura se centrarán en la creación de soluciones para prácticamente cualquier caso de uso, incluida la optimización del diseño, la inteligencia de mercado, la gestión de la construcción y la predicción física. La IA acelerará una evolución de la manufactura que promete una mayor eficiencia, una reducción de los residuos y enfoques completamente nuevos para la producción y la sostenibilidad.
Los desarrolladores y las empresas se están centrando en particular en el análisis de datos de nubes de puntos, que utiliza lidar para generar representaciones de entornos construidos y naturales con detalles precisos. Esto podría conducir a información y análisis de alta fidelidad a través de workflows acelerados por IA generativa.
GILAD SHAINER
Vicepresidente de Redes
La afluencia de IA enciende la demanda de conectividad: Un enfoque renovado en la eficiencia y el rendimiento de las redes despegará a medida que las empresas busquen el ancho de banda de red necesario para la computación acelerada utilizando GPU y sistemas basados en GPU.
Los LLM de billones de parámetros expondrán la necesidad de velocidades de transmisión más rápidas y una mayor cobertura. Las empresas que quieran desplegar rápidamente aplicaciones de IA generativa tendrán que invertir en tecnología de red acelerada o elegir un proveedor de servicios en la nube que lo haga. La clave para una conectividad óptima es integrarla en sistemas de pila completa junto con hardware y software de próxima generación.
El elemento definitorio del diseño del data center: las empresas aprenderán que no todos los data centers tienen que ser iguales. Determinar el propósito de un data center es el primer paso para elegir la red adecuada para usar dentro de él. Los data centers tradicionales están limitados en términos de ancho de banda, mientras que los capaces de ejecutar grandes cargas de trabajo de IA requieren miles de GPU para funcionar con una latencia muy determinista y de cola baja.
Lo que la red es capaz de hacer cuando está bajo una carga completa a escala es el mejor determinante del rendimiento. El futuro de la conectividad de los data centers empresariales requiere redes de gestión separadas (también conocidas como norte-sur) e IA (también conocidas como este-oeste), donde la red de IA incluye computación en red diseñada específicamente para computación de alto rendimiento, IA e infraestructuras en la nube de hiperescala.
DAVID REBER JR.
Chief Security Officer
Claridad en la adaptación del modelo de seguridad a la IA: El giro de la seguridad centrada en las aplicaciones a la seguridad centrada en los datos está en pleno apogeo. Los datos son la cadena de suministro fundamental para los LLM y el futuro de la IA generativa. Las empresas recién ahora están viendo cómo el problema se desarrolla a gran escala. Las empresas tendrán que reevaluar a las personas, los procesos y las tecnologías para redefinir el ciclo de vida de desarrollo seguro (SDLC). La industria en general redefinirá su enfoque de la confianza y aclarará lo que significa la transparencia.
Nacerá una nueva generación de herramientas cibernéticas. El SDLC de la IA se definirá con los nuevos líderes del mercado de herramientas y expectativas para abordar la transición de la interfaz de línea de comandos a la interfaz de lenguaje humano. La necesidad será especialmente importante a medida que más empresas cambien hacia el uso de LLM de código abierto como Llama 2 de Meta para acelerar la producción de IA generativa.
Escalado de la seguridad con IA: Las aplicaciones de la IA al déficit de ciberseguridad detectarán amenazas nunca antes vistas. Actualmente, una fracción de los datos globales se utiliza para la ciberseguridad. Mientras tanto, los atacantes siguen aprovechándose de cada error de configuración.
La experimentación ayudará a las empresas a darse cuenta del potencial de la IA para identificar amenazas y riesgos emergentes. Los copilotos cibernéticos ayudarán a los usuarios empresariales a navegar por el phishing y la configuración. Para que la tecnología sea eficaz, las empresas tendrán que abordar los problemas de privacidad inherentes a la intersección del trabajo y la vida personal para permitir la defensa colectiva en entornos centrados en los datos.
Además de democratizar el acceso a la tecnología, la IA también permitirá una nueva generación de ciberdefensores a medida que las amenazas sigan creciendo. Tan pronto como las empresas obtengan claridad sobre cada amenaza, la IA se utilizará para generar cantidades masivas de datos que entrenen a los detectores posteriores para defender y detectar estas amenazas.
RONNIE VASISHTA
Vicepresidente Sénior de Telecomunicaciones
Correr hacia o desde la RAN: Es de esperar que se produzca una importante reevaluación de los casos de inversión en 5G.
Después de cinco años de 5G, la cobertura y la capacidad de la red se han disparado, pero el crecimiento de los ingresos es lento y los costos de la infraestructura, en gran parte propietaria e inflexible, han aumentado. Mientras tanto, la utilización de 5G RAN está estancada por debajo del 40%.
El nuevo año se tratará de buscar agresivamente nuevas fuentes de ingresos en el espectro existente para descubrir nuevas aplicaciones monetizables. Las telecomunicaciones también reconsiderarán la estructura de gastos de capital, centrándose más en una infraestructura flexible y de alta utilización basada en componentes de propósito general. Y se espera ver una reducción holística de los gastos operativos a medida que las empresas aprovechen las herramientas de IA para aumentar el rendimiento, mejorar la eficiencia y eliminar los costos. El resultado de estas iniciativas determinará cuánto invertirán los operadores en tecnología 6G.
De los chatbots a la gestión de redes: las empresas de telecomunicaciones ya están utilizando la IA generativa para chatbots y asistentes virtuales con el fin de mejorar el servicio y la atención al cliente. En el nuevo año, redoblarán sus esfuerzos, aumentando el uso de la IA generativa para mejorar las operaciones en áreas como la planificación y optimización de redes, la detección de fallos y fraudes, el análisis predictivo y el mantenimiento, las operaciones de ciberseguridad y la optimización de la energía.
Dado lo omnipresente y estratégica que se está volviendo la IA generativa, la construcción de un nuevo tipo de infraestructura de fábrica de IA para respaldar su crecimiento también se convertirá en un imperativo clave. Cada vez más empresas de telecomunicaciones construirán fábricas de IA para uso interno, así como implementarán estas fábricas como una plataforma como servicio para desarrolladores. Esa misma infraestructura podrá admitir RAN como inquilino adicional.
MALCOLM DEMAYO
Vicepresidente de Servicios Financieros
Servicios financieros que dan prioridad a la IA: Con el crecimiento exponencial de los avances de la IA, las empresas de servicios financieros aportarán la potencia de computación a los datos, y no al revés.
Las empresas experimentarán un cambio estratégico hacia una combinación híbrida altamente escalable de infraestructura local y computación basada en la nube, impulsada por la necesidad de mitigar el riesgo de concentración y mantener la agilidad en medio de los rápidos avances tecnológicos. Las empresas que manejan sus cargas de trabajo más críticas, incluidos los asistentes de servicio al cliente impulsados por IA, la detección de fraudes, la gestión de riesgos y más, liderarán.
MARC SPIELER
Director Sénior de Energía
Physics-ML para una simulación más rápida: Las empresas energéticas recurrirán cada vez más al machine learning basado en la física (physics-ML) para acelerar las simulaciones, optimizar los procesos industriales y mejorar la toma de decisiones.
Physics-ML integra modelos tradicionales basados en la física con algoritmos avanzados de machine learning, ofreciendo una poderosa herramienta para la simulación rápida y precisa de fenómenos físicos complejos. Por ejemplo, en la exploración y producción de energía, physics-ML puede modelar rápidamente las geologías del subsuelo para ayudar en la identificación de posibles sitios de exploración y la evaluación de riesgos operativos y ambientales.
En los sectores de las energías renovables, como la eólica y la solar, physics-ML desempeñará un papel crucial en el mantenimiento predictivo, lo que permitirá a las empresas energéticas prever fallos en los equipos y programar el mantenimiento de forma proactiva para reducir los tiempos de inactividad y los costes. A medida que la potencia computacional y la disponibilidad de datos continúan creciendo, physics-ML está preparada para transformar la forma en que las empresas de energía abordan las tareas de simulación y modelado, lo que conduce a una producción de energía más eficiente y sostenible.
LLM – la solución para obtener mejores resultados operativos: Junto con physics-ML, los LLM analizarán una gran cantidad de datos históricos y las entradas de sensores en tiempo real de los equipos de energía para predecir posibles fallas y necesidades de mantenimiento antes de que ocurran. Este enfoque proactivo reducirá el tiempo de inactividad inesperado y extenderá la vida útil de turbinas, generadores, paneles solares y otras infraestructuras críticas. Los LLM también ayudarán a optimizar los programas de mantenimiento y la asignación de recursos, asegurando que las reparaciones e inspecciones se lleven a cabo de manera eficiente. En última instancia, el uso de LLM en el mantenimiento predictivo ahorrará costes a las empresas energéticas y contribuirá a un suministro de energía más estable para los consumidores.
DEEPU TALLA
Vicepresidente de Computación Incorporada y en el Edge
El auge de los programadores de robótica: los LLM conducirán a rápidas mejoras para los ingenieros de robótica. La IA generativa desarrollará código para robots y creará nuevas simulaciones para probarlos y entrenarlos.
Los LLM acelerarán el desarrollo de simulaciones mediante la creación automática de escenas 3D, la construcción de entornos y la generación de activos a partir de las entradas. Los activos de simulación resultantes serán fundamentales para workflows como la generación de datos sintéticos, la formación en habilidades robóticas y las pruebas de aplicaciones robóticas.
Además de ayudar a los ingenieros de robótica, los modelos de IA transformadora, los motores detrás de los LLM, harán que los robots sean más inteligentes para que comprendan mejor los entornos complejos y ejecuten de manera más efectiva una amplia gama de habilidades dentro de ellos.
Para que la industria de la robótica pueda escalar, los robots tienen que ser más generalizables, es decir, necesitan adquirir habilidades más rápidamente o llevarlas a nuevos entornos. Los modelos de IA generativa, entrenados y probados en simulación, serán un facilitador clave en el impulso hacia robots más potentes, flexibles y fáciles de usar.