La tecnología se encuentra en constante evolución y las posibilidades que ofrece la Inteligencia Artificial para que las organizaciones crezcan y optimicen su operatoria, parecen infinitas.
Si bien durante 2024 muchas promesas relacionadas con su implementación se materializaron, el 2025 depara también un futuro muy prometedor. Las organizaciones deberán centrarse en la autenticidad de los modelos, así como en el valor aplicado y el uso de agentes potenciados con IA.
En este artículo, te invitamos a conocer los hitos que dejó el 2024 en materia de inteligencia artificial y a descubrir cuáles son las tendencias de IA que Qlik destaca para este 2025.
2024, el año en que la inteligencia artificial ratificó su potencial
De acuerdo con Qlik, el año que acaba de concluir será recordado como aquel en el cual la IA comenzó a asentarse, llevando a las empresas a preguntarse cuál es el tipo de inteligencia artificial más apropiada para sus casos de uso, cómo obtener valor real de ella y de qué formas aprovechar los datos adecuados para obtener resultados fiables.
Veamos algunos de los principales hitos que marcaron la evolución de la inteligencia artificial de Qlik durante 2024:
- Aprovechamiento del valor de los datos no estructurados. Con el objetivo de desarrollar una solución que permitiera obtener insights accionables de la data no estructurada —que representan la mayoría de los activos de datos organizacionales—, se lanzó Qlik Answers, un asistente de conocimiento plug-and-play, generativo e impulsado por IA que ofrece respuestas rápidas y personalizadas en tiempo real.
- Modelos de IA generativa creados con data fiable. Hoy en día, las empresas no solo necesitan contar con datos fiables para tomar decisiones adecuadas, sino también para alimentar los modelos de inteligencia artificial generativa (GenIA). Por eso, en 2024 salió al mercado Qlik Talend Cloud, una solución que cuenta con capacidades de integración y calidad de datos que permiten desplegar data pipelines mejorados con IA.
- IA regulada. La rápida evolución de la GenIA superó en principio los esfuerzos reguladores, creando un panorama caótico en términos de cumplimiento normativo. Frente a este panorama, las compañías deben establecer una política de IA que garantice el compliance y mitigue el riesgo de sanciones, tal como lo hizo Qlik. La empresa estableció los parámetros de uso de la inteligencia artificial para equilibrar los beneficios de la tecnología con la protección de la información confidencial para cumplir con las leyes aplicables.
- Mayor auge del ecosistema agnóstico. La IA requiere de plataformas escalables y flexibles que puedan manejar volúmenes masivos de datos estructurados y no estructurados en tiempo real, como los lakehouses. Este tipo de arquitectura permite que las organizaciones adopten e integren diversas tecnologías con mayor facilidad, fomentando un enfoque flexible y agnóstico de sus ecosistemas tecnológicos que impulsa la diferenciación de su negocio. Esta es justamente la filosofía que guía la estrategia de producto de Qlik: proporcionar una plataforma abierta y agnóstica que admite una integración perfecta con una amplia gama de servicios cloud y entornos de datos, brindando flexibilidad.
¿En qué aspectos de la IA deberemos enfocarnos durante 2025?
Hasta aquí expusimos los principales hitos que marcaron la evolución de la IA para Qlik en 2024. Pero, ya con el 2025 en marcha, ¿cuáles serán los lineamientos de este año? Deberá ser necesario concentrarse en 3 conceptos fundamentales: autenticidad, valor aplicado y agentes inteligentes.
Estos tres aspectos, que interactúan entre sí, contienen en sí mismos diferentes tendencias. Analicemos cada uno de ellos en detalle.
Autenticidad
La explosión de contenidos y datos generados por IA pondrá en duda su veracidad, obligando a las empresas a enfrentarse a una crisis de autenticidad de los datos. Como resultado, la calidad de los datos se valorará aún más, así como la necesidad de demostrar su procedencia.
Para Qlik, este panorama dará lugar a la aparición de 4 directrices que guiarán la búsqueda de autenticidad de los datos:
- La confianza como moneda de cambio. La data quality es una cuestión central, pero cada vez es más difícil demostrarla. Para constatar si un modelo de IA es confiable, los datos con los que se entrena también deben serlo. Una puntuación de confianza en IA permite establecer la procedencia y el linaje. En este sentido, los marcadores de perfil de datos cobrarán mayor importancia.
- Un lenguaje común para los datos. Si bien la idea de construir un único data lakehouse que contenga lo mejor de los data lakes y data warehouses y que admita múltiples casos de usos ha estado vigente por un tiempo, la falta de interoperabilidad dificultaba su implementación. La adopción de modelos open table se presenta como un formato que permite que las empresas organicen sus datos en diferentes almacenamientos, reduciendo costos y creando una visión única y un lenguaje común para toda la industria, lo que se traduce en mayor autenticidad.
- Aprovechamiento de todos los datos. La “dark data” es aquella información recopilada por las organizaciones que no se utiliza o analiza activamente, como datos no estructurados, data IoT, o inputs de sensores, entre otros. En 2025, se buscará aprovechar el valor de estos datos para obtener insights valiosos.
- Auge de los mercados de datos e inteligencia artificial. A medida que se dispara la demanda de datos, la data privada incrementa su valor, convirtiéndose en un producto. De hecho, según Gartner, en 2028, el 40 % de las compras de activos de IA -incluidos modelos y datos por parte de las empresas- se realizará a través del marketplaces de IA. Esto es un escenario win-win para las empresas que podrán acceder a fuentes fiables y, al mismo tiempo, verán cómo se incrementará el valor de sus datos de calidad.
Valor aplicado
Después del boom de la inteligencia artificial —que llevó a que muchas empresas la adoptaran sin saber muy bien para qué utilizarla—, el entusiasmo inicial comienza a decaer y las organizaciones empiezan a preguntarse dónde está el valor que aporta esta tecnología.
Gartner indica que para fines de 2025 al menos el 30% de los proyectos Gen IA se abandonarán debido a varias razones, entre ellas la falta de claridad sobre el valor empresarial.
Por tanto, el objetivo es conseguir valor aplicado. Es difícil demostrarlo únicamente a partir de la infraestructura: se trata más bien de un beneficio a largo plazo. No obstante, a corto plazo puede verse en las aplicaciones prácticas.
Según Qlik, existen 4 tendencias que pueden acelerar este proceso:
- Utilización de copilotos de IA más proactivos. Para ayudar a los usuarios a ser más eficientes, las implementaciones de copilotos de inteligencia artificial deben ser más proactivas en la detección de anomalías, comprender mejor los casos de uso y centrarse en resolver problemas con profundidad y relevancia.
- Vigilancia de costos para impulsar prácticas sostenibles. Si bien, a medida que evolucionen los modelos de razonamiento, se prevé que la IA utilice más energía que otras iniciativas IT, las empresas deberán considerar el gasto y los requisitos energéticos para velar por la sostenibilidad. Vigilar los costos será clave para controlar los presupuestos sin comprometer el uso de los modelos. Empaquetar las respuestas para reducir el volumen de consulta, separar la formación y la inferencia, desplegar formatos de tabla abiertos y utilizar modelos distribuidos más pequeños para tareas específicas son algunas de las tácticas que ayudan a lograr este objetivo.
- El contexto como imperativo para encuadrar de manera efectiva la IA. Si bien se han producido avances significativos en los resultados gracias a la técnica RAG, el 2025 traerá aún más innovación: grafos de conocimiento, ontologías y ventanas de contexto más grandes que mejorarán la comprensión de casos de uso específicos. Sin embargo, dado que la precisión es fundamental para liberar valor, el enfoque adecuado debe combinarse con los datos adecuados, ya sean gráficos, vectoriales o relacionales.
- Evolución de las interfaces impulsadas por GenIA. Gracias a estas plataformas, la mayoría de los usuarios puede acceder a insights accionables sin complejidades añadidas. Por eso, este enfoque se convertirá en la forma dominante de interactuar con los datos.
Agentes inteligentes
Los agentes autónomos reconfigurarán las operaciones empresariales, pero su éxito dependerá de una base sólida de inteligencia empresarial, data fabrics interconectados y comunicación efectiva entre agentes.
Desplegar sistemas basados en agentes que puedan ejecutar tareas de forma independiente y adaptarse a la retroalimentación es factible y fundamental para aprovechar el potencial de la IA. Pero, solo es posible hacerlo estableciendo la autenticidad de los datos y tomando medidas para asegurar el valor aplicado.
Para Qlik, son 4 las tendencias que influyen en la implementación de los sistemas de agentes:
- Desarrollo de arquitecturas multiagente. Así como hay diferentes entornos de nube y distintos modelos de IA, también hay diversos tipos de agentes IA. Algunos agentes son buenos en integración de datos, otros en automatizaciones o la creación de dashboards. Aunque estos agentes pueden aprender a interactuar entre sí, los humanos cumplen un rol crucial en la vigilancia y la gobernanza.
- Replanteamiento de la compra o desarrollo de las aplicaciones. La existencia de agentes inteligentes obliga a las empresas a replantearse la necesidad de comprar o desarrollar aplicaciones. En ocasiones, no se necesitarán aplicaciones, ya que los agentes proporcionarán las respuestas que se buscan. O bien, permitirán crear aplicaciones más dinámicas que se adapten a los requerimientos cambiantes y aprendan de nuevos datos, proporcionando experiencias más personalizadas, predictivas y conscientes del contexto.
- El tiempo real se torna crucial. Los agentes no pueden ser fiables si no manejan datos actualizados. La data en tiempo real no solo aporta ventajas relacionadas con la inmediatez, sino que reduce la posibilidad de que se utilice información irrelevante o errónea. Esto impulsa la evolución de las arquitecturas, que deben aggiornarse para procesar y almacenar datos en tiempo real.
- Inteligencia y automatización de procesos como aspectos clave para la interacción entre agentes. Para que los agentes autónomos sean eficientes, es fundamental que los flujos de procesos sean comprensibles. En paralelo, también es necesario que las automatizaciones conecten de forma segura las aplicaciones, facilitando la comunicación entre ellas y, al mismo tiempo, impulsando la acción de los agentes y sus interacciones.
Estas tendencias de inteligencia artificial para 2025 según Qlik no están aisladas, sino que interactúan y dependen unas de otras. ¿Te gustaría conocer más en profundidad alguna de ellas? Contactanos.