IA Generativa, la oportunidad millonaria

La IA Generativa es el principal actor de la actual ola de cambio en diversos sectores.

Pero su implementación se complica por los cambios post-globalización y la necesidad de adaptar los procesos empresariales para ofrecer valor.

Un reporte de la consultora Bain & Company estima que el mercado total de hardware y software relacionados con IA crecerá entre 40% y 55% anual durante al menos los próximos tres años.

De ser así, alcanzaría entre 780 mil millones de dólares y 990 mmdd para 2027.

Las fluctuaciones en la oferta y la demanda crearán volatilidad en el camino, pero el reporte prevé una trayectoria duradera a largo plazo y que llegará para quedarse.

Hasta ahora, los mayores proveedores de servicios en la nube (CSP) han liderado el mercado en gasto de I&D, talento e innovación.

En busca de la innovación

Seguirán liderando, pero buscarán más innovación del siguiente nivel de CSP, proveedores de software como servicio, así como vendedores de software independientes para alimentar la próxima ola de crecimiento.

Y para ello, invertirán en tres tipos diferentes de centros de innovación.

Alto: modelos más grandes, mejor inteligencia, más cómputo

Los grandes actores avanzarán, desarrollando modelos más grandes y potentes y continuas ganancias en rendimiento e inteligencia.

Sus modelos más grandes requerirán más infraestructura y energía, empujando la escala hacia centros de datos mucho más grandes en cuestión de megavatios.

Actualmente, un centro de 100 megavatios se considera extremo alto.

Esto tensará la red eléctrica y creará desafíos de preparación y resiliencia en la cadena de suministro para un amplio espectro de entradas, incluyendo unidades de procesamiento de gráficos (GPU), sustratos, fotónica de silicio y equipos de generación de energía, entre muchos otros.

Dispositivos de silicio a medida

La IA generativa se convertirá en la aplicación asesina para la edge computing a medida que las empresas tratan de gestionar proveedores, proteger los datos y controlar el costo total de propiedad.

La relación, la seguridad y el costo se vuelven cada vez más pertinentes para las cargas de trabajo de inferencia que necesitan procesamiento en tiempo real.

Los algoritmos que utilizan RAG (generación mejorada por recuperación) y las representaciones numéricas de datos manejan una gran cantidad de las tareas de computación, redes y almacenamiento cerca de donde se almacenan los datos.

El RAG es el proceso de optimización de la salida de un modelo lingüístico de gran tamaño.

Eso puede reducir la latencia, reducir costos y mantener los datos privados y seguros.

Los modelos de lenguaje pequeño que han sido entrenados o sintonizados para un dominio o tarea específico serán cada vez más importantes en este contexto.

Esto porque serán menos costosos y más eficientes energéticamente para ejecutar que los grandes modelos de lenguaje de uso general.

El rápido crecimiento de los nuevos modelos, tanto de código abierto (Metas Llama, Mistral, TIIs Falcon) como de propiedad (Anthropic Claude, Google AI Gemini), está ampliando la gama de opciones rentables y energéticamente eficientes.

También lee:
¿Cuál es el panorama de energías renovables en China y Estados Unidos?

Proveedores de software independientes (ISV)

El software habilitado para un modelo de lenguaje grande (LLM) como servicio ya está proporcionando aplicaciones impulsadas por IA en Adobe, Microsoft, Salesforce y muchas otras compañías.

Esto creará un aluvión de nuevas capacidades en los próximos años, dando a las empresas la opción de desplegar IA generativa como parte de su suite de aplicaciones existente en lugar de desarrollar aplicaciones personalizadas.

Te puede interesar:
La data, el edge computing y la nube están transformando a la manufactura

Otros factores a la vista

El reporte también enlistó otras posibles repercusiones ante el incremento del uso de la IA generativa.

Grandes modelos de lenguaje (LLM): Los modelos subyacentes están proliferando

El ChatGPT de OpenAI mantuvo casi un monopolio entre las soluciones generativas de IA de grado de producción hasta 2023.

Desde entonces, el crecimiento de los modelos de código abierto y patentados ha mejorado para ofrecer muchas opciones más diversas, incluyendo versiones segmentadas de ofertas de OpenAI.

Almacenamiento

La tecnología de almacenamiento avanzará para adaptarse a las necesidades de IA generadora, incluyendo la consolidación acelerada de silos de datos.

Gestión y virtualización de datos

La creciente necesidad de preparación y movilidad de datos estimulará el crecimiento del software de gestión de datos.

Esto será particularmente importante a medida que las aplicaciones de IA hambrienta de datos movilicen los datos almacenados en las nubes públicas con tarifas de entrada y salida.

Por si te lo perdiste:
Inteligencia Artificial Generativa (GAI) y sus implicaciones en los tratados de comercio internacional

Servicios tecnológicos

A medio plazo, los servicios tecnológicos tendrán una gran demanda, mientras los clientes carezcan de las habilidades y conocimientos necesarios para el despliegue de IA y la modernización de datos.