Joan Mas Albaigès: «A corto y medio plazo seguirá habiendo un gran interés por la IA generativa y por el desarrollo de aplicaciones que incidan en la eficiencia empresarial»
La inteligencia artificial generativa y el desarrollo de aplicaciones que incidan en la eficiencia empresarial son aspectos que están generando un gran interés, junto con la inteligencia artificial tradicional, que seguirá siendo una tendencia al alza, en un escenario donde todavía existen desafíos importantes, como la consolidación efectiva de la economía digital basada en los datos y la necesidad de aplicar criterios éticos en el diseño y en el desarrollo de los sistemas de IA, de acuerdo con la visión de Joan Mas Albaigès, director científico del Área Digital de Eurecat y director del AI & Big Data Congress, uno de los eventos de referencia en este ámbito y que justo acaba de alcanzar su décima edición compartiendo conocimiento y creando ecosistema.
¿Qué perspectiva ha abierto esta décima edición del AI & Big Data Congress?
Por un lado, llegar a la décima edición es un hito importante que consolida este evento en el sector tecnológico de la IA en Cataluña, y más aún, una vez hemos constado la buena acogida que ha tenido el congreso entre la audiencia en la que se dirige. Este año hemos tenido más asistentes que nunca y el grado de satisfacción que muestran las encuestas que hemos recibido es realmente elevado.
Si nos fijamos en los contenidos, como era de esperar, la IA generativa ha sido la gran protagonista. En estos dos últimos años, la comprensión y el conocimiento de esta tecnología se ha generalizado y hemos visto cómo las empresas de nuestro entorno la están aplicando en sus procesos de negocio y, a su vez, las empresas tecnológicas empiezan a ofrecer soluciones más allá de lo que proponen las grandes multinacionales del sector. En el congreso se han presentado aplicaciones de IA generativa “as a service”, o cómo esta tecnología permite mejorar la interacción con el cliente en el sector financiero o en la logística, o se han discutido las ventajas de los pequeños modelos de lenguaje (SLM) frente a los grandes modelos (LLM) con casos concretos, entre otros ejemplos.
El congreso ha puesto de manifiesto también el impacto de la IA en la sostenibilidad global. Es necesario tomar conciencia de la dicotomía de la IA. Por un lado, va a favor de la sostenibilidad cuando ayuda a optimizar consumos energéticos en la industria o a minimizar la generación de residuos. Pero, por otra parte, la demanda computacional de la IA implica un elevado consumo energético que se produce en la red global de centros de procesamiento de datos. En el congreso se han planteado respuestas que pueden ayudar a reducir este efecto contrario. Así, junto a profundizar con algoritmos energéticamente más eficientes, se han planteado opciones más futuristas como, por ejemplo, instalar los centros de procesamiento de datos en satélites en órbita terrestre captando energía con paneles solares y disipando al espacio el calor de los dispositivos electrónicos mediante radiadores. Otra opción es el uso de comunicaciones ópticas al nivel de los microcircuitos electrónicos.
Por último, el congreso ha ofrecido tres ponencias que ejemplifican la conexión entre la IA y la computación cuántica. Esta sesión ha despertado mucha expectación, dado que la computación cuántica podría convertirse en una de las disrupciones tecnológicas más importantes a medio y largo plazo.
¿Qué destacarías de esta década de congreso pensando en clave tecnológica, empresarial y social?
Cuando, empezando desde 2015, revisamos los contenidos de las últimas diez ediciones, nos damos cuenta de que son un reflejo muy cuidadoso de cómo han evolucionado las tecnologías basadas en los datos y en la IA. Hemos ido viendo la generalización de la ciencia de datos a partir de lo que representó el Big Data en su momento y también la implantación de la IA analítica o clásica con la revolución del aprendizaje profundo, así como la derivada de este tipo algoritmos que ha dado pie a la IA generativa.
A nivel empresarial, hemos visto una creciente voluntad por conocer estas tecnologías digitales y, sobre todo, el interés por adoptarlas en los procesos empresariales y de negocio. A lo largo de estos diez años, hemos presentado desde la tribuna del AI & Big Data Congress decenas de iniciativas empresariales que ejemplifican el esfuerzo por innovar. Tanto por las propias empresas de la oferta tecnológica como por las de la demanda, sin olvidar las empresas de nueva creación, las start-ups, que también han tenido su espacio en el evento.
Desde el punto de vista social, hemos visto también el nacimiento del concepto de IA for good, es decir, la utilización de la tecnología con un impacto social positivo. La pandemia de la Covid19 lo ilustra de forma fehaciente. Durante este período, proliferaron las primeras aplicaciones con modelos de datos para intentar mejorar la capacidad predictiva de los modelos mecanicistas y, por tanto, ayudar a tomar mejores decisiones para el control de la pandemia. El uso de la IA como apoyo a la decisión clínica, para entender mejor las enfermedades mentales o en el campo educativo son otros ejemplos del uso social de la IA que se han desarrollado estos últimos años. Y no podemos olvidar la vertiente ética, que se ha introducido en el desarrollo tecnológico, para hacer una IA que no discrimine, sin sesgos, explicable y que permita identificar aspectos no deseados debido a un mal uso de la tecnología, como noticias falsas, suplantación de identidades y otros.
¿Qué marca la diferencia en el momento de aplicar con éxito la inteligencia artificial en la empresa?
A pesar de la gran potencialidad y transversalidad que tienen las aplicaciones basadas en inteligencia artificial, muchos estudios nos indican que el grado de adopción empresarial es todavía bajo. Si bien la mayoría de las empresas contemplan a la IA en su estrategia, muy pocas la han implementado en uno o más de sus procesos. Por tanto, la decisión de aplicar la IA en el ámbito empresarial y que esta aplicación dé resultados positivos requiere un análisis previo lo más detallado posible y de la aplicación de una metodología con una serie de pasos imprescindibles.
En primer lugar, es necesario que la empresa y sus directivos tengan unas expectativas realistas respecto a qué se puede y qué no se puede resolver usando herramientas tecnológicas basadas en la IA. Esto significa identificar a qué objetivo de negocio o qué proceso empresarial se quiere aplicar la IA.
Otro aspecto muy importante que condiciona el éxito del proceso es la disponibilidad de datos sin los cuales la IA no es posible. Por tanto, hay que asegurar que los datos que se tienen son relevantes y de calidad para alimentar los modelos y algoritmos de IA.
Después, es necesario analizar los recursos de computación imprescindibles para la IA, si se disponen internamente o si es necesario usar recursos externos. De forma similar, es necesario evaluar si el equipo humano de la empresa dispone de los conocimientos necesarios para llevar a cabo el proyecto de IA. Si no es el caso, habría que considerar el apoyo experto externo y, si la adopción de la IA es estratégica para la empresa, debería también establecerse un plan de formación (skilling / reskilling) del equipo.
El paso anterior debería llevar a la implementación de una prueba de concepto usando herramientas y plataformas de IA en la nube comerciales o soluciones hechas a medida, en función de cada caso. Estas pruebas de concepto deben evaluarse y validarse a partir de unas métricas de referencia definidas previamente.
Finalmente, si los resultados han sido positivos, la prueba de concepto se puede integrar y escalar para convertirse en operativa. Por último, es necesario considerar los costes asociados a la implantación de la IA, por ejemplo, coste de licencias de SW, de recursos de computación u otros, y valorar el correspondiente retorno de la inversión.
Mirando al futuro, ¿qué debería hacerse para asegurar un buen uso de esta tecnología?
Teniendo en cuenta que la IA, y más recientemente la IA generativa, puede tener un impacto no deseado, no sólo al nivel de las empresas, sino también al nivel de la sociedad (todos tenemos presente la generación de noticias falsas, pero de un gran realismo, con suplantaciones de identidad, de voz, de imagen, etc.), es incuestionable que es necesario aplicar criterios éticos en el diseño y desarrollo de los sistemas de IA.
La aplicación de la legislación europea en IA recién aprobada obligará a evolucionar en este sentido, también a evaluar los riesgos para las personas de los sistemas de IA.
A su vez, esto llevará a unos protocolos de validación más exhaustivos, para garantizar la equidad, transparencia de estos sistemas y demostrar su explicabilidad y, en algunos casos, la necesidad de establecer comités éticos que corroboren la calidad de los procesos de validación y los resultados obtenidos.
Teniendo en cuenta que los sistemas de IA están interconectados y, por tanto, sometidos a las amenazas propias de la esfera digital, es fundamental proteger los modelos y datos de potenciales ataques maliciosos pensando en diseños ciberresilientes.
Y, desde una visión más social e inclusiva, es necesario velar por la formación de la ciudadanía debido a su exposición global a las herramientas digitales. La población debe conocer las ventajas y, sobre todo, los riesgos en el uso de las aplicaciones de IA. Por tanto, es necesario incluir esta formación ya desde la edad escolar, para que las nuevas generaciones no sólo usen las tecnologías digitales en beneficio propio, sino que también comprendan y tomen conciencia de las consecuencias que comporta hacer un mal uso.
Justo acabas de asumir la dirección científica del Área Digital de Eurecat, ¿qué tendencias y desafíos detectados para los próximos años?
Indudablemente, a corto y medio plazo seguirá habiendo un gran interés por la IA generativa y por el desarrollo de aplicaciones que incidan en la eficiencia empresarial. En Eurecat estamos implicados en comprender mejor esta modalidad de la IA, trabajar con modelos de lenguaje (grandes o pequeños), aprovechando la proliferación de los modelos de código abierto y encapsularlos por aplicaciones de interés empresarial con un impacto totalmente multisectorial. por supuesto, la IA tradicional, seguirá siendo una tendencia al alza, especialmente aplicaciones de aprendizaje automático, aprendizaje profundo, aprendizaje por refuerzo, transversales y multisectoriales, y el desarrollo de agentes autónomos cada vez más potentes.
Otra tendencia que veremos crecer en los próximos tiempos es la evolución de distintos tipos de robots, más allá de los robots industriales. Es decir, robots con una mayor capacidad cognitiva, con una mayor capacidad de interaccionar con usuarios y con mayor grado. de autonomía gracias a la inclusión de la IA y de la IA generativa en los sistemas de control de estos dispositivos.
Se espera también que las tecnologías cuánticas continúen su desarrollo en tres aspectos fundamentales, computación, comunicación y sensórica cuántica. La implantación de la computación cuántica depende del desarrollo del HW cuántico, mayoritariamente en manos de grandes empresas tecnológicas y éste es un reto con un largo recorrido todavía. Mientras, se puede avanzar en el campo de la computación cuántica usando simuladores cuánticos que replican el comportamiento de sistemas cuánticos y que es la estrategia que Eurecat sigue para adquirir nuevas competencias en este ámbito y que ya le ha permitido entrar, por ejemplo, en el ecosistema cuántico catalán y español.
Por último, hay que destacar la neurocomputación, o computación neuromórfica, otra tendencia que está aflorando últimamente gracias a la convergencia de la neurociencia, la microelectrónica y la IA. Esta tecnología implica el desarrollo de HW específico que permite implementar modelos de programación basado en redes neuronales. convolucionales complejas.
Junto a estas y otras tendencias que no mencionamos, existen también desafíos. La consolidación efectiva de la economía digital basada en los datos sigue siendo un reto. Las organizaciones todavía presentan reticencias al compartir datos por diversas razones como, por ejemplo, la confidencialidad o la seguridad. Veremos próximamente si los espacios de datos, basados en unas arquitecturas y servicios diseñados precisamente para facilitar esta compartición de datos, sirven de forma eficiente para vencer estas reticencias.
El impacto de la regulación sobre la IA Act en las organizaciones en general y en organizaciones en las que la innovación tecnológica es clave, como es el caso de Eurecat, es otro desafío. Tenemos dos años para identificar qué procesos es necesario adaptar y qué nuevos procesos es necesario introducir para cumplir la nueva normativa.
Y, en estos momentos, estamos finalizando el programa Horizon Europe que, como es sabido, es uno de los pilares de Eurecat para el desarrollo de nuevo conocimiento aplicado. Como cada vez que existe transición de programas marco europeos, hoy todavía no sabemos cómo será el próximo y cómo impactará la nueva situación geopolítica europea en sus objetivos y prioridades.
