Según un informe de Gartner, para el año 2027 las organizaciones implementarán modelos de inteligencia artificial pequeños y específicos para tareas concretas, con un volumen de uso al menos tres veces mayor que el de los modelos de lenguaje de propósito general (LLM). Esta tendencia responde a la creciente necesidad de precisión y eficiencia en tareas empresariales especializadas, en las que los modelos generales no siempre cumplen con las expectativas.
Aunque los LLM de propósito general ofrecen capacidades lingüísticas amplias, su rendimiento decrece cuando se enfrentan a tareas que requieren un contexto o conocimiento específico del sector. Sumit Agarwal, vicepresidente de análisis en Gartner, destaca que “la variedad de tareas en los flujos de trabajo empresariales y la necesidad de mayor exactitud están impulsando el cambio hacia modelos especializados ajustados a funciones o datos de dominio específicos”.
Estos modelos más pequeños y especializados brindan respuestas más rápidas y utilizan menos recursos computacionales, lo que reduce los costes operativos y de mantenimiento. Las empresas podrán personalizar estos modelos mediante técnicas como el ajuste fino o la generación aumentada por recuperación (RAG), lo que exigirá una adecuada preparación de datos corporativos para su implementación eficaz.
A medida que las organizaciones reconozcan el valor de sus datos privados y el conocimiento derivado de sus procesos específicos, es probable que comiencen a monetizar estos modelos, ofreciendo acceso a sus recursos tanto a clientes como a competidores. Agarwal enfatizó que este cambio marcaría una transición hacia un uso más abierto y colaborativo de los datos y conocimientos, lo que podría generar nuevas fuentes de ingresos y un ecosistema empresarial más interconectado.
Para implementar estos modelos de IA, Gartner recomienda que las empresas prioricen la implementación de modelos contextualizados en áreas donde el conocimiento del negocio sea crucial, adopten enfoques compuestos cuando un único modelo no sea suficiente y fortalezcan sus capacidades de datos y habilidades internas. Con estas estrategias, las organizaciones estarán mejor preparadas para aprovechar los beneficios de la IA específica para tareas concretas.
