La burbuja de la inteligencia artificial generativa se desinfla: comienza una nueva era para los datos y los agentes de IA

La inteligencia artificial sigue siendo protagonista indiscutible de cualquier corrillo tecnológico que se precie. Sin embargo, tras dos años marcados por un entusiasmo casi desbocado por su modalidad generativa, las conversaciones sobre ella han experimentado un giro significativo en los últimos meses.

El interés se centra ahora en el auge de los agentes de IA, al ser por ahora la forma más directa de aplicarla a procesos concretos y con un objetivo específico. Los anuncios en este sentido por parte de las empresas se han disparado, aunque no todos se ajustan a lo que deberían ser: programas que interactúan con su entorno de forma autónoma, capaces de aprender, adaptarse y tomar decisiones sin la intervención humana.

Al margen de estas consideraciones, y tras el tirón inicial, comienza un ciclo que deja atrás el “pico de expectativas” para adentrarse en el “valle de la desilusión”. Una fase más prudente, que se caracteriza por un aumento de los esfuerzos destinados a construir infraestructuras y modelos que funcionen a escala y faciliten un uso real por parte de las empresas.

Bajar la inteligencia artificial generativa de las musas al teatro: el gran reto para 2025

Una evolución que acompaña a toda tecnología emergente antes de alcanzar la madurez, para la que hace tres décadas se acuñó el término Hype Cycle (ciclo de sobreexpectación). Esta representación gráfica, más conocida como la “curva de Gartner”, recoge la trayectoria típica de cualquier innovación y permite conocer cuál es su potencial desde su inicio hasta su aplicación comercial.

En el caso de la inteligencia artificial generativa, y según la revisión de este verano, la consultora confirma que ha dado comienzo una etapa de reajuste de previsiones y evaluación de proyectos que no han alcanzado el resultado esperado.

Cambio de prioridades

El paso de la IA generativa al “valle de la desilusión” es una fase habitual en la curva de Gartner, que este año llega acompañada de un cambio de prioridades. El informe muestra que el sector está entrando en una etapa más pragmática, donde las decisiones de inversión se miden por su retorno real y no sólo por su impacto mediático.

Esto no significa que deje de ser una tecnología estratégica, al revés. Tras resolver los retos técnicos, económicos y regulatorios, su adopción será masiva y se concentrará en dos conceptos que determinarán si un proyecto es fiable: los mencionados agentes de IA y los datos listos para la IA (AI-ready data).

Para las empresas que quieran ser líderes en este campo, implica que deberán combinar la exploración de nuevas capacidades con la consolidación de las bases que les darán solidez: datos de calidad, automatización fiable y marcos de gobernanza efectivos. La consultora advierte que adoptar tecnologías sin esta base y de forma apresurada puede derivar en un aumento de los costes y resultados fallidos.

El documento también destaca dos líneas que ganarán peso en los próximos cinco años: IA multimodal y AI-TRiSM (Trust, Risk & Security Management), cuyo papel será despliegues más seguros, con mejores controles y trazabilidad, y acordes a los principios éticos.

De la euforia a la madurez

El inicio de esta nueva fase explica por qué en muchas compañías la conversación se está desplazando desde “qué modelo elegir” a “cómo lo integro y con qué”. Un cambio de paradigma que tiene que ver con las lecciones aprendidas en los últimos meses, cuando numerosas iniciativas carecían de casos de uso bien definidos, suponían un coste elevado y, lo más importante, no disponían de datos adecuados para entrenar esos modelos de forma precisa y fiable.

Como respuesta, este 2025 imperan los indicadores cuantitativos frente a la novedad del hype, que ya a mediados del año pasado dio muestras de enfriamiento y que, como en toda curva de Gartner, ayuda a distinguir lo que aporta valor de lo que no.

Big data: el motor que mueve la inteligencia artificial alcanzará una nueva dimensión en 2025

En esta lectura más pausada, primero se automatizan tareas ya existentes, se miden los resultados y, si funciona, se escala. De ahí que la prioridad en los próximos meses no debería ser “tener un agente”, sino medir dónde reduce tiempos o errores frente al proceso anterior. Si están bien diseñados, la firma de análisis asegura que pueden actuar como “colegas digitales” en sectores como atención al cliente, gestión industrial o logística.

Por su parte, el concepto de AI-ready data pone de relieve la importancia de la calidad de la información para obtener modelos precisos y realmente útiles. La firma hace hincapié en que su recopilación, limpieza, etiquetado y actualización requiere de inversión como único modo de evitar errores.

Cincuenta empresas españolas ya han implementado agentes de inteligencia artificial en la gestión de sus clientes

Aunque el análisis de Gartner se centra en la IA generativa, apunta que estos dos factores (agentes de IA y AI-ready data) son esenciales para el buen funcionamiento de cualquier tipo de modelo, como los predictivos, de ahí que los sitúe como dos de los pilares estratégicos para los próximos años.

Tampoco olvida que la adopción de estas tecnologías está vinculada al cumplimiento de marcos regulatorios cada vez más exigentes, como la Ley de IA de la Unión Europea. Por eso, disponer de datos fiables no es solo una ventaja competitiva, también es condición indispensable para operar en determinados mercados.

Futuro a medio plazo

Entre las tecnologías emergentes, la IA multimodal destaca por su capacidad para combinar diferentes tipos de datos: texto, imágenes, audio y vídeo. Esto permitiría su aplicación a casos de uso más complejos, como sistemas médicos que integren imágenes con historiales clínicos, o motores de búsqueda que sean capaces de responder con contenido enriquecido.

Gartner estima que la adopción generalizada de esta modalidad de IA se producirá en los próximos cinco años, a medida que se superen las barreras relacionadas con los costes de computación y otras cuestiones técnicas. Su avance también dependerá de la disponibilidad de infraestructuras capaces de manejar grandes volúmenes de datos de forma simultánea.

Meta presenta la última versión de su modelo de IA, que presume de ser "el más grande y potente" en abierto

En el caso de AI-TRiSM, se trata de una herramienta dirigida a gestionar la confianza, el riesgo y la seguridad que, junto a la prevención de sesgos y vulnerabilidades, se ocupará de garantizar la trazabilidad de cada decisión que toma un modelo, de forma que pueda explicarse y auditarse.

Estas dos innovaciones completarán los cuatro pilares del ecosistema de IA, junto a los agentes y a la preparación de los datos. Su éxito, no obstante, dependerá de que las organizaciones integren sus principios desde la fase de diseño de cualquier modelo.

De lo que no hay duda es que los próximos meses serán decisivos para comprobar si esa transición desde los primeros momentos de euforia hacia la madurez se consolida y si las tecnologías emergentes cumplen con lo esperado. En cualquier caso, a la IA le ha llegado el turno de aterrizar después del pico de expectativas.