4 de octubre de 2023

Joule se integrará en todo el portafolio empresarial en la nube de SAP, brindando información proactiva y contextualizada de toda la amplitud y profundidad de las soluciones de SAP y fuentes de terceros. Al clasificar y contextualizar rápidamente los datos de múltiples sistemas para obtener información más inteligente, Joule ayuda a las personas a realizar el trabajo más rápido e impulsar mejores resultados comerciales de una manera segura y compatible. Joule ofrece el historial demostrado de tecnología revolucionaria de SAP que genera resultados reales. “Con casi 300 millones de usuarios empresariales en todo el mundo trabajando regularmente con soluciones en la nube de SAP, Joule tiene el poder de redefinir la forma en que trabajan las empresas (y las personas que las impulsan)”, dijo Christian Klein, director ejecutivo y miembro de la junta ejecutiva de SAP SE. “Joule aprovecha la posición única de SAP en el nexo entre negocios y tecnología y se basa en nuestro enfoque relevante, confiable y responsable hacia la IA empresarial. Joule sabrá lo que quieres decir, no sólo lo que dices”. Joule se integrará en aplicaciones SAP desde recursos humanos hasta finanzas, cadena de suministro, adquisiciones y experiencia del cliente, así como en SAP Business Technology Platform. Joule transforma la experiencia del usuario de SAP: es como tocarle el hombro a su colega más inteligente. Los empleados simplemente hacen una pregunta o plantean un problema en un lenguaje sencillo y reciben respuestas inteligentes extraídas de la gran cantidad de datos comerciales de toda la cartera de SAP y fuentes de terceros, manteniendo el contexto. Imagine, por ejemplo, un fabricante que le pide ayuda a Joule para comprender mejor el rendimiento de las ventas. Joule puede identificar regiones con bajo rendimiento, vincularse a otros conjuntos de datos que revelan un problema en la cadena de suministro y conectarse automáticamente al sistema de la cadena de suministro para ofrecer posibles soluciones para la revisión del fabricante. Joule ofrecerá continuamente nuevos escenarios para todas las soluciones de SAP. “A medida que la IA generativa avanza desde el revuelo inicial, comienza el trabajo para garantizar un retorno de la inversión mensurable”, afirmó Phil Carter, vicepresidente del grupo de Investigación de Liderazgo de Pensamiento Mundial de IDC. “SAP entiende que la IA generativa eventualmente se convertirá en parte del tejido de la vida y el trabajo cotidianos y se está tomando el tiempo para construir un copiloto empresarial que se centre en generar respuestas basadas en escenarios del mundo real, y para implementar las barreras necesarias para garantizar también es responsable”. Joule se basa y mejora las ofertas existentes de SAP Business AI. Más de 26.000 clientes de la nube de SAP tienen acceso a SAP Business AI en múltiples escenarios y soluciones de socios. La estrategia integral de SAP para construir un ecosistema de IA empresarial del futuro también incluye inversiones directas, como las anunciadas en julio con Aleph Alpha, Anthropic y Cohere , así como asociaciones con terceros, incluidas aquellas con Microsoft , Google Cloud e IBM anunciadas en mayo.

La ciencia de datos y el aprendizaje automático siguen su evolución, impulsados por avances en inteligencia artificial generativa, y Gartner ha identificado cinco tendencias clave que marcarán el futuro de este campo.   Ecosistemas de datos en la Nube: La primera tendencia se relaciona con los ecosistemas de datos en la nube, que están evolucionando desde soluciones autónomas o integraciones manuales hacia soluciones nativas en la nube. Gartner prevé que para 2024, el 50% de las implementaciones de sistemas en la nube serán ecosistemas de datos completos en lugar de soluciones aisladas. Las organizaciones deben evaluar estos ecosistemas en función de su capacidad para resolver desafíos de datos distribuidos y su integración con fuentes de datos externas. Edge AI: La segunda tendencia se centra en Edge AI, que implica el procesamiento de datos en el lugar donde se generan, permitiendo la obtención de información en tiempo real y el cumplimiento de estrictos requisitos de privacidad. Gartner predice que más del 55% de los análisis de datos por redes neuronales profundas se realizarán en el punto de captura en sistemas perimetrales para 2025, en comparación con menos del 10% en 2021. IA responsable: La tercera tendencia es la IA responsable, que aborda cuestiones comerciales y éticas relacionadas con la adopción de tecnología de inteligencia artificial. Gartner predice que la concentración de modelos de IA preentrenados entre el 1% de los proveedores de IA para 2025 convertirá la IA responsable en una preocupación social. Las organizaciones deben adoptar un enfoque proporcional al riesgo y buscar garantías de los proveedores para gestionar riesgos y cumplir con regulaciones. IA centrada en datos: La cuarta tendencia implica un cambio hacia un enfoque centrado en datos en lugar de en el código para construir sistemas de IA más efectivos. La gestión de datos específica de IA, los datos sintéticos y las tecnologías de etiquetado de datos son soluciones que abordan desafíos relacionados con la accesibilidad, privacidad y complejidad de los datos. Se espera que el uso de IA generativa para crear datos sintéticos crezca rápidamente, representando el 60% de los datos para la IA para 2024. Inversión continua en IA: Por último, Gartner pronostica que la inversión en IA seguirá acelerándose, y surgirán empresas cuyo negocio estará basado en esta tecnología. Se espera que para fines de 2026, se habrán invertido más de 10.000 millones de dólares en startups de IA basadas en modelos fundamentales. Una encuesta reciente de Gartner mostró que el 45% de los ejecutivos aumentaron sus inversiones en IA debido a los avances en inteligencia artificial generativa. Estas tendencias reflejan el continuo crecimiento y cambio en el campo de la ciencia de datos y el aprendizaje automático, y ofrecen un vistazo a cómo estas tecnologías seguirán transformando la forma en que las empresas operan y toman decisiones. Con el impulso de la inteligencia artificial generativa, se espera que la adopción de estas tendencias se acelere aún más en los próximos años.

La inteligencia artificial requiere una gran cantidad de datos y recursos computacionales, lo que se traduce en un alto consumo de energía. A medida que la IA se vuelve más compleja, sus necesidades energéticas también aumentan, planteando preguntas sobre su sostenibilidad. Para comprender mejor este desafío, es importante analizar algunos datos. Realizar una búsqueda en Google consume en promedio 0,0003 kWh, mientras que una consulta en ChatGPT, un modelo de IA avanzado, puede requerir entre 0,001 y 0,01 kWh, lo que representa hasta tres veces más energía por solicitud. Además, OpenAI, la compañía detrás de ChatGPT, estima que el entrenamiento de GPT-3 consumió hasta 78.437 kWh de electricidad, equivalente al consumo de un hogar promedio en España durante 23 años. Sin embargo la preocupación no se limita al entrenamiento de estos modelos. El mayor impacto ambiental proviene del uso continuo de tecnologías como la IA, que requieren un suministro constante de energía y sistemas de refrigeración para mantener los servidores funcionando eficientemente. Por ejemplo, Google informa que en 2021 se utilizaron 12.700 millones de litros de agua dulce para enfriar sus centros de datos. Otros estudios sugieren que una conversación de 30 preguntas en ChatGPT podría consumir al menos 1 litro de agua. Ante esta problemática las grandes empresas tecnológicas han comenzado a tomar medidas para abordar su impacto ambiental. Estas medidas incluyen la adopción de energías renovables para alimentar los centros de datos, mejoras en la eficiencia energética de los servidores y programas de reciclaje de productos electrónicos. Posibles soluciones para la huella ambiental del entorno digital Enfrentar la huella ambiental del entorno digital es un desafío complejo que requiere una combinación de innovaciones técnicas, estratégicas y políticas. A continuación, se presentan algunos enfoques que podrían contribuir a mitigar este problema: Investigación en eficiencia energética de la IA: Uno de los enfoques clave es investigar la eficiencia energética de la IA. Esto implica no solo mejoras en el hardware, sino también en los algoritmos y las prácticas de entrenamiento de modelos. La adopción de enfoques como el aprendizaje federado, que distribuye el proceso de aprendizaje en múltiples dispositivos, puede reducir la demanda en los centros de datos. Además, se debe investigar el uso de modelos más pequeños y eficientes. Diseño de chips más eficientes: La miniaturización de los procesadores, como los basados en tecnología de semiconductores de 7nm y los futuros chips de 5nm, puede reducir significativamente el consumo de energía en dispositivos electrónicos y servidores. Mejoras en la infraestructura de centros de datos: La eficiencia de los sistemas de refrigeración, la adopción de tecnologías de servidor más eficientes y la implementación de técnicas de gestión de energía más inteligentes son esenciales para reducir el consumo energético en los centros de datos. Energía renovable y neutralidad de carbono: Aumentar la adopción de fuentes de energía renovable para alimentar los centros de datos es fundamental. Las empresas deben trabajar hacia el objetivo de ser neutras en carbono, reduciendo así su impacto ambiental. Políticas de reciclaje de electrónicos y economía circular: Tanto las políticas gubernamentales como los programas de devolución y reciclaje implementados por los fabricantes de dispositivos pueden mejorar las tasas de reciclaje de productos electrónicos. A largo plazo, la transición a una economía circular, donde los materiales se reutilizan y reciclan continuamente en lugar de ser desechados, puede proporcionar una solución más sostenible.