Get best of the week

Previsiones para 2020 en el campo de la inteligencia artificial, el aprendizaje automático y la automatización robótica


Al final de cada año, la publicación en línea eWEEK publica las opiniones de los líderes de ideas de TI con respecto a sus expectativas para el próximo año: nuevos productos, servicios innovadores, tendencias, etc. Traemos a su atención una traducción de material dedicado al próximo 2020. Y sí, recordamos que ya es marzo, pero estas previsiones siguen siendo relevantes.

Dongyan Wang, vicepresidente de transformación de IA en Landing AI


La introducción de la IA en el sector no consumidor de la industria de Internet aún se encuentra en una etapa temprana. Muchos proyectos están estancados a nivel piloto debido a dificultades que van desde la falta de datos hasta la falta de conocimiento sobre la gestión de procesos complejos de aprendizaje automático. En 2020, seremos testigos del desarrollo de plataformas de IA verticalizadas de extremo a extremo que permitirán a los clientes retirar sus proyectos de IA de la etapa piloto y llevarlos a la línea de meta.

Bruce Milne, Pivot 3


El mercado de TI se dará cuenta de las posibilidades asociadas con el procesamiento de video . En 2020, con la mejora de la analítica de video, comenzarán a abrirse posibilidades ilimitadas para TI. Hoy, la proporción de datos de video alcanza el 60% de toda la información acumulada. En años anteriores, las empresas consideraban el almacenamiento de estos datos solo como un derecho y costos adicionales. Y este año presenciaremos un cambio: las empresas comenzarán a analizar los datos de video para optimizar sus productos o reforzar iniciativas estratégicas. Por ejemplo, con la ayuda del video, las ciudades no solo pueden aumentar la seguridad de sus sistemas de transporte, sino también implementar técnicas de análisis de video para llegar a conclusiones importantes, por ejemplo, sobre las necesidades de ancho de banda.

Matt Kunkel, CEO de LogicGate


La automatización robótica de procesos (RPA) superará a la IA en términos de gestión de riesgos y cumplimiento normativo . La razón es que cuando necesita analizar grandes cantidades de datos para las compañías de Fortune 500, la información disponible simplemente no es suficiente para garantizar la relevancia de la predicción utilizando AI. El RPA producirá resultados, ya que muchas de las funciones relacionadas con la gestión de riesgos y el cumplimiento normativo están en línea con los procesos formales. Y mientras más compañías de información pasen por procesos específicos, más claro será cómo automatizarlos. La pregunta sigue siendo cómo optimizar e iterar tales sistemas.

La automatización de procesos robóticos comenzará a aplicarse en áreas tales como la gestión de riesgos de terceros; ESO conformar políticas y procedimientos; auditoría interna.

David Jones, vicepresidente de marketing, AODocs


La IA no es una solución de gestión de información universal . Estamos inclinados a considerar la IA como una herramienta universal que puede resolver todos los problemas de una empresa mediante la implementación de un algoritmo único. Es una ilusión. Es hora de descartar la idea de que este es el poder de un poderoso algoritmo de IA. Necesitamos pasar al concepto de numerosos robots de IA que juntos optimizan los datos acumulados previamente. En 2020, la IA se aplicará a las bases de datos antiguas para averiguar qué datos se deben dejar y cuáles se pueden eliminar como innecesarios, y usar los metadatos enriquecidos para crear una mejor búsqueda y un almacenamiento simplificado de registros. No un algoritmo grande se encargará de esto, sino un conjunto de algoritmos interconectados.

Cheryl Wiebe, líder de práctica, asesora de inteligencia industrial en Teradata


- Lo que el mundo llama IA en 2020 se dividirá en varias áreas que los especialistas en marketing probablemente encontrarán nombres más significativos. Esto incluye la automatización de procesos robóticos; selección automatizada y desarrollo de funcionalidad; Perception AI (percepción AI), que automatiza y mejora la percepción física; y también AI para la asignación de recursos, combinando tecnologías de optimización para percibir y responder solicitudes en tiempo real.

- AI comenzará a mejorar el proceso de gestión de datos en sí. Por ejemplo, desde el punto de vista de la distribución de los recursos del sistema, el diseño automatizado de la funcionalidad, la recopilación de metadatos operativos y una mejor gestión del conocimiento (como el etiquetado).

Jeff Catlin, CEO de Lexalytics


El procesamiento del lenguaje natural y el análisis de texto desempeñarán un papel más importante en las soluciones de RPA . Según Forrester y Gartner, muchos desarrolladores de RPA se están quedando atrás en las tendencias de soporte en el uso de análisis de texto. Sus soluciones carecen de la capacidad de "utilizar documentos no estructurados", incluido PDF. Y al incorporar componentes de análisis de texto y procesamiento de lenguaje natural en diversos entornos, surgen problemas. A medida que las empresas automatizan procesos cada vez más grandes, los desarrolladores de herramientas de procesamiento de lenguaje natural ofrecerán soluciones prometedoras que cumplan con los requisitos de RPA: implementación local o en la nube híbrida, API fáciles de integrar, personalización y un rápido retorno de la inversión.

Chad Meley, Vicepresidente de Marketing, Teradata


- Después de la aparición de varios pilotos exitosos de inteligencia artificial en los últimos años, las compañías se centrarán nuevamente en la gestión e integración de datos corporativos , lo que creará la base para el desarrollo de cientos y miles de formas específicas de usar la inteligencia artificial. Todas las variedades de inteligencia artificial que nos rodean hoy son inteligencia artificial limitada. En 2020, las iniciativas exitosas de IA corporativa permitirán el desarrollo de cientos, si no miles de aplicaciones, y se creará un algoritmo altamente especializado para cada una de ellas.

- Se prestará gran atención a la creación e implementación de "análisis sin código". Estamos presenciando un proceso constante de democratización de análisis avanzados a través de la automatización de algunos aspectos que requieren mucho tiempo, como el diseño de la funcionalidad y la selección de modelos. Pero la expansión real de la analítica avanzada se verá facilitada por el desarrollo del aprendizaje automático y otras técnicas analíticas de procedimiento avanzadas, cuando no requerirán absolutamente ninguna habilidad de programación o trabajarán con SQL. La analítica sin programación se integrará en los flujos de trabajo o se llamará mediante simples menús desplegables. Esto no conducirá a la obsolescencia de la programación en el mundo de la analítica, pero ampliará cientos de veces los métodos de su aplicación en grandes empresas.

Jeff Catlin, CEO de Lexalytics


Los principales logros en la investigación de IA serán teóricos . En los últimos cinco años, el uso de IA ha superado con creces nuestra comprensión de cómo funciona. Dados los grandes cambios prácticos en la segunda mitad de 2019, predigo que este año habrá menos desarrollos innovadores de algoritmos, pero avanzaremos en la teoría que explica el funcionamiento del aprendizaje automático. Esta área se está desarrollando rápidamente, y para fines de 2020 el equilibrio volverá a cambiar hacia una teoría que allanará el camino para una nueva generación de algoritmos.

Jeff Catlin, CEO de Lexalytics


Menos magia y más decisiones . Será un buen año para la IA, fortalecerá su posición de definición de tecnología para la próxima década. Los proveedores son más inteligentes y ya no promueven la IA como una herramienta mágica. En cambio, dicen correctamente que la IA puede ayudar a las personas a trabajar más rápido y mejor.

Muddu Sudhakar, CEO de Aisera.com


AIOps destruirá TI / nubes / DevOps tradicionales. En el corazón de DevOps está la capacidad de respuesta y la flexibilidad mejoradas: AIOps puede ayudar a automatizar los pasos clave desde el desarrollo hasta la operación, predecir resultados operativos y automatizar la capacidad de respuesta a los cambios en el entorno operativo. A pesar del hecho de que los microservicios, las nubes híbridas, la informática periférica y el IoT aumentan la complejidad de las aplicaciones y aumentan el volumen de registros en los que debe buscar las causas de varios eventos, AIOps simplifica la agregación de datos de diferentes sistemas, mientras que DevOps mejora la eficiencia al integrar niveles previamente dispares. sistemas. Al igual que DevOps, AIOps estimula el cambio cultural, ya que requiere evaluar todo el sistema, en lugar de centrarse en tecnologías específicas o niveles de infraestructura. También requiere un nivel cómodo con un alto grado de automatización.

Jeff Catlin, CEO de Lexalytics


Autogestión ... todavía tenemos que esperarlo . En general, la IA mostrará su mejor lado, pero habrá una serie de fallas notables, por ejemplo, en el campo de los automóviles sin conductor. Smart Summon, el nuevo modelo de Tesla, es muy impresionante, pero aún tiene un largo desarrollo por hacer. La difusión generalizada de este modelo en la comunidad de Tesla dará lugar a la aparición de numerosos videos de accidentes a baja velocidad. En estos videos, los automóviles chocarán con otros automóviles, farolas y personas.

More articles:


All Articles