Las cuatro innovaciones relacionadas con la IA más destacadas de 2025

El avance de la IA conlleva el crecimiento de tecnologías e innovaciones relacionadas con ella de manera muy directa. En ocasiones, estas novedades no solo consiguen que avance la Inteligencia Artificial en sí, sino que también benefician a las empresas e individuos que utilizan IA y les permiten optimizar una parte de sus tareas cotidianas. También les da la oportunidad de mejorar sus resultados en todo tipo de actividades de investigación y producción, así como a la hora de prestar determinados servicios.

Entre estas innovaciones, Gartner ha identificado las cuatro más destacadas de este año, que son precisamente las que la consultora espera que durante los próximos cinco años alcancen un nivel generalizado de adopción, dado que todo apunta a que permitirán generar aplicaciones de IA más robustas, innovadoras y responsables.

Estas innovaciones son la IA multimodal; la gestión de la confianza, el riesgo y la seguridad de la IA (TRiSM), los agentes de IA y los datos preparados para la IA. De ellas, las dos primeras son las que están despertando más expectativas de cara al futuro de la Inteligencia Artificial a corto y medio plazo.

IA multimodal y AI TRiSM

Los modelos de IA multimodal se entrenan al mismo tiempo con distintos tipos de datos, como imágenes, vídeo y audio, además del texto. Como resultado, los modelos, al poder integrar y analizar diferentes fuentes de datos, pueden comprender mejor situaciones complejas que los modelos que solo se entrenan con un tipo de datos.

De esta manera, los usuarios y organizaciones que utilizan estos modelos cuentan con vías adicionales para la aplicación de la IA, y la IA multimodal tendrá cada vez más relevancia para que las capacidades de todas las aplicaciones y herramientas de software de todos los sectores puedan avanzar en los próximos cinco años.

AI TRiSM es una solución que se encarga de facilitar a las empresas la gestión de riesgos asociados a la adopción de soluciones de IA. También a lograr que esta tecnología sea más fiable y consiga mejores resultados. Es la abreviatura de AI Trust, Risk and Security Management, y comprende un conjunto de técnicas y estrategias llevadas a cabo por un equipo especializado para asegurar la confianza, reducir los riesgos al mínimo y garantizar el manejo de la seguridad al utilizar sistemas de IA.

Ofrece una visión a nivel general de la situación de la adopción de la IA en la empresa a través de informes y análisis en tiempo real, con cuyos resultados se pueden tomar decisiones informadas y contar con más datos para gestionar riesgos. Y hacerlo, además, de manera proactiva. Por tanto, AI TRiSM tiene un papel destacado en la implementación ética y segura de la IA.

Comprende cuatro capas de capacidades técnicas, que tienen como fin el respaldo de las políticas empresariales para los casos de uso de la IA, que además contribuyen a facilitar la gobernanza, la fiabilidad, la equidad, la seguridad, la privacidad y la protección de los datos que se utilizan para trabajar con IA.

Agentes de IA y datos preparados para ella

En cuanto a los agentes de IA, son entidades de software, que pueden ser autónomos de forma completa o parcial, y que emplean técnicas de IA para percibir, tomar decisiones, actuar y conseguir objetivos en los entornos digitales o físicos en los que operan.

Las organizaciones que los adoptan, a través del uso de distintas prácticas y técnicas de Inteligencia Artificial, como los modelos grandes de lenguaje, pueden utilizarlos en todo tipo de tareas, incluso en las que tienen un nivel elevado de complejidad.

Eso sí, para aprovechar sus ventajas, las empresas tienen que determinar los contextos de empresa y los casos de uso más relevantes para ellas, dado que los agentes son distintos en cada caso, y cada situación requiere una u otra acción por su parte. También hay que tener en cuenta que no pueden utilizarse en todos los casos, así que su uso dependerá de los requisitos de cada situación.

En cuanto a los datos preparados para la IA, contar con ellos garantiza que estén optimizados para un uso concreto con aplicaciones de Inteligencia Artificial. De esta forma es posible mejorar su precisión y eficiencia. La preparación de la información viene determinada por la capacidad de los datos para demotrar que son idóneos para casos de uso específicos de IA.

Solo se puede establecer si los datos están preparados o no para la IA en el contexto del caso de uso y la técnica de IA empleada, lo que hace que las empresas tengan que adoptar nuevos enfoques para gestionarlos y lograr que estén optimizados.