Estimados colegas y entusiastas de la inteligencia artificial generativa,

El año 2024 ha sido testigo de avances significativos en este campo, transformando industrias y redefiniendo la forma en que se interactúa con la tecnología. A continuación, se exploran las principales tendencias de este año y se proyectan las que deparará el 2025.

Tendencias Principales en IA Generativa de 2024

El año 2024 ha supuesto una democratización del acceso a la IA generativa, experimentando una adopción masiva, impulsada por la accesibilidad de herramientas como ChatGPT y generadores de imágenes que están disponibles para el público en general. Esta democratización significa que personas sin conocimientos técnicos profundos pueden aprovechar GenAI en diversas aplicaciones. Por ejemplo, escritores y creadores de contenido utilizan generadores de texto para agilizar la producción de artículos y guiones, mientras que diseñadores gráficos emplean IA generativa para generar imágenes y conceptos creativos de manera más eficiente.

 

Además, la IA generativa está cambiando la manera de comunicarse y acceder a la información. Herramientas de traducción basadas en IA permiten la comunicación en tiempo real entre diferentes idiomas, y los motores de búsqueda utilizan algoritmos de IA junto con tecnologías de RAGs para ofrecer resultados más personalizados y relevantes, con información constantemente actualizada y modelos ajustados a la información propia del cliente. Esto facilita el acceso a la información y promueve la inclusión y la diversidad en la comunicación global.

También ha supuesto un aumento de la productividad, las empresas la han integrado para automatizar tareas repetitivas y mejorar la eficiencia operativa. Por ejemplo, en finanzas, los sistemas de GenAI procesan grandes volúmenes de datos transaccionales para detectar anomalías y fraudes. En manufactura, los robots realizan ensamblaje y controles de calidad con precisión milimétrica.

Otro ejemplo de la mejora de la productividad y facilitación del trabajo de los usuarios en diferentes entornos es el uso de herramientas como Microsoft Copilot, GitHub Copilot y Google AI Essentials. Esto ha permitido a las organizaciones fomentar una cultura de innovación, donde los empleados pueden enfocarse en actividades que requieren pensamiento crítico y creatividad, mientras que la IA generativa se encarga de tareas más rutinarias.

 

En el uso de modelos multimodales, los modelos de IA generativa cada vez cuentan con más capacidad de procesar múltiples tipos de datos, lo cual ha abierto nuevas fronteras. Estos modelos multimodales pueden entender y generar contenido a partir de texto, imágenes, audio y video. Un ejemplo práctico es la capacidad de los smartphones para identificar personas y objetos en fotografías, mejorando la organización y búsqueda de imágenes.

 

En el ámbito de la salud, la IA multimodal se utiliza para analizar radiografías y resonancias magnéticas junto con historiales médicos textuales, proporcionando diagnósticos más

precisos. En seguridad, combina reconocimiento facial y análisis de voz para autenticar identidades, incrementando la protección contra fraudes y accesos no autorizados. Las herramientas que usan modelos multimodales tales como Microsoft Seeing AI, Google Lookout, entre otros, han transformado la forma como las personas con diferentes discapacidades logran acceder a la información del mundo que los rodea, escenarios donde la inteligencia artificial multimodal interpreta y describe contenido visual en formato textual o viceversa. Al convertir elementos visuales o textuales en información accesible, estos modelos promueven la inclusión, permitiendo una participación más equitativa en la educación, el trabajo y demás facetas del día a día del ser humano.

 

En el ámbito de la ciencia y la salud, GenAI ha revolucionado el descubrimiento de nuevas moléculas al permitir explorar nuevos compuestos que podrían actuar como candidatos a medicamentos. Esto ha sido posible gracias a la capacidad de generar estructuras moleculares con potencial terapéutico en base al entrenamiento de modelos con datos de moléculas conocidas y sus propiedades biológicas.

 

Tecnologías como AlphaFold de DeepMind, han sido creadas para predecir con alta precisión las estructuras tridimensionales de las proteínas a partir de sus secuencias de aminoácidos, lo cual es de vital importancia para entender cómo interactúan los fármacos con sus objetivos biológicos. Por otro lado, herramientas como GENTRL (Generative Tensorial Reinforcement Learning) en combinación con modelos generativos, permiten diseñar y optimizar moléculas al simular sus interacciones y propiedades farmacológicas. Todas estas tecnologías están acelerando significativamente el proceso de descubrimiento de fármacos, reduciendo costos y tiempos en la producción de los mismos .

 

En ámbitos de regulación, ética y uso responsable, con la rápida adopción de la IA generativa, ha habido un enfoque creciente en la regulación y la ética. La Unión Europea ha debatido una legislación integral de IA, diseñada para regular su uso y abordar preocupaciones de privacidad, sesgos y riesgos para los consumidores. Esta legislación busca establecer estándares para el desarrollo y la implementación de IA, asegurando que las tecnologías sean seguras y transparentes.

 

Empresas y organizaciones están implementando políticas internas de ética en IA, centrándose en prácticas responsables como la protección de datos, la transparencia en los algoritmos y la prevención de sesgos en los modelos de IA generativa. Esto es esencial para mantener la confianza del público y evitar problemas legales asociados con el uso indebido de la IA.

 

Sobre la combinación de GenAI y la creatividad humana, se está avanzando en una nueva forma de creación conjunta entre humanos y GenAI. Con ello, GenAI aumenta, acelera y agiliza la creatividad en áreas como el arte, el diseño, la música y la escritura, donde el control humano y la inspiración artística son complementados por el poder generativo de las máquinas.

 

GenAI ha ampliado las posibilidades de simulación y el entrenamiento, suponiendo una revolución en la transformación de sistemas de simulación en sectores como la educación, la medicina y la formación empresarial, dado que permite generar entornos y escenarios realistas donde los usuarios pueden entrenar o experimentar sin riesgos.

Se ha producido también un aumento de modelos generativos especializados en tareas o industrias específicas, como la creación de imágenes médicas o la redacción de informes legales. Estos modelos son más eficientes y contextualmente conscientes, lo que mejora la precisión y relevancia del contenido generado.

De manera que, puede concluirse que en 2024 la IA generativa está transformando las industrias en la manera de trabajar con las aceleraciones que supone, con contenido personalizado y experiencias inmersivas, mientras plantea desafíos éticos y laborales. Y ha puesto de manifiesto que la colaboración humano-IA es clave para aprovechar su potencial.

 

Proyecciones para GenAI en 2025

En 2025, continuando la tendencia del año anterior, GenAI promete avances aún más profundos, con modelos más potentes que impulsarán la personalización y automatización en casi todos los sectores. La integración de IA en tareas creativas, científicas y productivas será más fluida, con aplicaciones que abarcan desde el desarrollo de nuevos productos hasta la resolución de problemas complejos. La regulación y la ética seguirán siendo temas centrales, enfocándose en mitigar sesgos y garantizar un uso responsable. La colaboración entre humanos e IA se consolidará, maximizando la eficiencia y potenciando la innovación en múltiples industrias. A continuación se profundiza en algunos de estos temas.

Sobre los desafíos en la implementación de proyectos de IA Generativa, se anticipa, según Gartner, que al menos el 30% de los proyectos de IA generativa serán abandonados después de la fase de prueba de concepto para finales de 2025. Las causas principales incluyen la mala calidad de los datos, controles de riesgo insuficientes, costos crecientes y un valor comercial poco claro. Los proyectos de GenAI pueden requerir inversiones significativas, entre $5 millones y $20 millones, lo que representa un desafío para justificar el retorno de la inversión, especialmente cuando los beneficios son indirectos o a largo plazo.

 

Para superar estos obstáculos, las organizaciones deberán centrarse en la calidad de los datos, establecer marcos de gestión de riesgos robustos y alinear los proyectos de GenAI con objetivos comerciales claros. La colaboración entre equipos técnicos y de negocio será clave para asegurar que la IA generativa aporte un valor tangible a la organización.

 

En 2025 también se espera un incremento del trabajo aumentado, GenAI potenciará aún más las capacidades humanas en el lugar de trabajo, siendo algunos ejemplos de ello la automatización de tareas o insights y recomendaciones que proporcionarán y que ayudarán a los empleados a tomar decisiones más informadas. Por ejemplo, en marketing la IA puede analizar tendencias de consumo y sugerir estrategias personalizadas, en recursos humanos puede ayudar a identificar oportunidades de desarrollo para los empleados y generar mejores recomendaciones entre los roles que se requieren dentro de la organización y el pool de posibles candidatos para ocupar dichos cargos.

 

La educación y el desarrollo de habilidades serán fundamentales para aprovechar al máximo el trabajo aumentado. Los empleados necesitarán formación en competencias digitales y en cómo colaborar eficazmente con sistemas de GenIA, lo que llevará a una

transformación en la cultura laboral y en las estructuras organizativas.

 

Acelerará la toma de decisiones automatizada en tiempo real, con su capacidad para procesar y analizar datos en tiempo real, lo que permitirá a las empresas automatizar decisiones críticas. Algunos ejemplos por sectores son, en el sector financiero, el uso de GenAI en los sistemas de trading para ejecutar operaciones en fracciones de segundo, basándose en análisis de mercado en tiempo real. En retail, la gestión de inventario será optimizada mediante IA, ajustando los niveles de stock automáticamente según la demanda y las tendencias de compra.

 

Esta automatización mejorará la agilidad empresarial, permitiendo a las organizaciones responder rápidamente a cambios en el mercado y a las necesidades de los clientes. Sin embargo, también requerirá una sólida gobernanza de datos y medidas de seguridad para garantizar que las decisiones automatizadas sean fiables y éticas.

 

Sobre la regulación, ética y uso responsable, la adopción de prácticas éticas en IA será un imperativo. Las empresas implementarán sistemas de GenAI explicables, que permitan comprender cómo y por qué se toman ciertas decisiones. Esto es especialmente importante en sectores como finanzas y salud, donde las decisiones de GenAI pueden tener un impacto significativo en la vida de las personas.

 

Además, habrá un enfoque en eliminar sesgos en los modelos, asegurando que las decisiones y recomendaciones sean justas y equitativas. La transparencia y la rendición de cuentas serán esenciales para mantener la confianza de los consumidores y cumplir con las regulaciones emergentes.

 

Se espera que más países implementen regulaciones específicas, enfocadas en proteger a los consumidores y mitigar riesgos. Abordarán el uso de datos personales, la transparencia en algoritmos y la responsabilidad en casos de errores o daños causados por sistemas de GenAI. Las empresas deberán adaptarse a estas nuevas leyes, lo que implicará revisiones en sus prácticas de desarrollo y despliegue de IA.

 

La colaboración internacional también será importante, ya que la naturaleza global de la IA requiere estándares y regulaciones armonizadas para facilitar el comercio y la innovación transfronterizos.

 

Se producirán avances en generación de video y asistentes de voz de nueva generación, pues permitirá la creación de vídeos a partir de descripciones textuales detalladas. Esto revolucionará industrias como el cine, la publicidad y la educación. Por ejemplo, los cineastas podrán previsualizar escenas y efectos especiales generados por IA antes de la producción real, ahorrando tiempo y recursos.

 

Los asistentes de voz se volverán más sofisticados, capaces de mantener conversaciones más naturales y contextuales. Con la integración de modelos de lenguaje avanzados, podrán comprender mejor las intenciones del usuario, proporcionar respuestas más precisas y realizar tareas complejas como gestionar calendarios, hacer reservas y controlar dispositivos inteligentes en el hogar y la oficina.

Los agentes autónomos de GenAI capaces de operar con mayor autonomía serán más comunes. Estos sistemas podrán aprender y adaptarse a nuevas situaciones sin intervención humana constante. En logística, por ejemplo, vehículos autónomos y drones utilizarán IA para optimizar rutas y entregas, reduciendo costos y mejorando la eficiencia.

 

Sin embargo, la autonomía de estos agentes plantea desafíos en términos de control y seguridad. Será crucial desarrollar marcos legales y éticos que definan la responsabilidad y establezcan límites claros para la operación de sistemas autónomos.

 

Un desafío al que habrá que enfrentarse es a la generación de contenido falso mediante GenAI, como deepfakes, y será más sofisticada y difícil de detectar. Esto representa un riesgo para la seguridad y la confianza en la información. En respuesta, se desarrollarán herramientas basadas en GenAI para detectar y combatir la desinformación. Organizaciones y gobiernos invertirán en educación mediática para ayudar a las personas a identificar fuentes confiables y desarrollar pensamiento crítico.

 

La colaboración entre empresas tecnológicas, medios de comunicación y entidades gubernamentales será esencial para proteger la integridad de la información y los procesos democráticos.

 

La computación cuántica tiene el potencial de acelerar significativamente las capacidades de GenAI. En 2025, se anticipa que los avances en hardware y algoritmos cuánticos permitirán resolver problemas complejos que son inalcanzables para la computación clásica. Esto incluye el desarrollo de nuevos materiales, optimización de cadenas de suministro y avances en criptografía.

 

Las organizaciones que inviertan en IA cuántica podrían obtener ventajas competitivas significativas, aunque también enfrentarán desafíos relacionados con la escasez de talento especializado y la necesidad de grandes inversiones en infraestructura.

 

En ámbitos de ciberseguridad y defensa, GenAI será una herramienta clave en la defensa  contra  ciberataques cada vez más sofisticados. Los sistemas de seguridad impulsados por GenAI podrán detectar amenazas en tiempo real, analizando patrones de comportamiento y respondiendo automáticamente para neutralizar ataques. Esto es crucial dada la creciente dependencia de las infraestructuras críticas en sistemas digitales.

 

En el ámbito de la defensa nacional, GenAI se utilizará para mejorar la inteligencia y la toma de decisiones estratégicas. Sin embargo, el uso de GenAI en aplicaciones militares plantea importantes consideraciones éticas y de seguridad que deberán abordarse cuidadosamente.

 

La sostenibilidad se convertirá en un componente central del desarrollo de GenAI. Las empresas buscarán reducir el impacto ambiental de los centros de datos, utilizando fuentes de energía renovables y optimizando la eficiencia energética. Además, GenAI se aplicará en iniciativas ambientales, como la gestión de recursos naturales, monitoreo de ecosistemas y optimización de redes eléctricas para reducir emisiones.

 

La integración de la IA en soluciones sostenibles demostrará cómo la tecnología puede

contribuir positivamente al medio ambiente y apoyar los objetivos globales de desarrollo sostenible.

De manera que, puede concluirse que el horizonte de la inteligencia artificial generativa es vasto y prometedor. Los avances de 2024 han sentado las bases para innovaciones aún más profundas en 2025. Sin embargo, junto con estas oportunidades, enfrentamos desafíos significativos que requerirán colaboración, reflexión ética y una regulación adecuada.

Como líderes, desarrolladores y entusiastas de la IA, tenemos la responsabilidad de guiar estos desarrollos de manera ética y sostenible, asegurando que la tecnología beneficie a toda la sociedad. Es esencial que continuemos colaborando, compartiendo conocimientos y enfrentando juntos los desafíos que se avecinan. Solo así podremos aprovechar al máximo el potencial de la IA generativa y construir un futuro más brillante y equitativo para todos. Y, como solemos decir entre nosotros, la tecnología no es buena o mala, depende del uso que se le de.

 

Autores: Santiago Pineda Silvia Tamayo