Desde la sala de juntas hasta la sala de descanso, la inteligencia artificial generativa ha tomado este año por sorpresa, provocando debates en diversas industrias sobre la mejor manera de aprovechar la tecnología para mejorar la innovación y la creatividad, mejorar el servicio al cliente, transformar el desarrollo de productos e incluso potenciar la comunicación.
Adopción de la inteligencia artificial generativa en múltiples industrias
La adopción de inteligencia artificial generativa y modelos de lenguaje de gran escala está provocando cambios en casi todas las industrias, ya que tanto empresas establecidas como nuevas incorporaciones reinventan productos y servicios para generar un estimado de $1.3 billones en ingresos hacia 2032, según un estudio de Bloomberg Intelligence.
Retos en la adopción de la inteligencia artificial
No obstante, algunas empresas y startups han mostrado lentitud en la adopción de la inteligencia artificial, limitándose a la experimentación y a proyectos aislados, incluso cuando la tecnología avanza a un ritmo vertiginoso. Esto se debe en parte a que los beneficios de la IA varían según la empresa, el caso de uso y el nivel de inversión.
Un cambio de cautela a optimismo
Los enfoques cautelosos están dando paso al optimismo. Dos tercios de los encuestados en la Encuesta del Estado de IA 2024 de Forrester Research creen que sus organizaciones requerirían menos del 50% de retorno sobre inversiones para considerar exitosas sus iniciativas de IA.
El futuro de la inteligencia artificial autónoma
Lo próximo en el horizonte es la IA agentiva, una forma de IA autónoma o de «razonamiento» que requiere el uso de modelos de lenguaje diversos, pilas de generación aumentada por recuperación y arquitecturas de datos avanzadas.
Perspectivas de los expertos de NVIDIA
Los expertos de NVIDIA en verticales industriales ya compartieron sus expectativas para el próximo año. A continuación, se presentan las perspectivas de expertos de la compañía que impulsan la innovación en IA en diversas empresas, investigación y el ecosistema de startups:
Incremento de la infraestructura de inferencia
IAN BUCK
Vicepresidente de Hyperscale y HPC
La inferencia impulsa la carga de IA: A medida que los modelos de IA crecen en tamaño y complejidad, la demanda de soluciones de inferencia eficientes aumentará.
El auge de la IA generativa ha transformado la inferencia de un simple reconocimiento de consulta y respuesta a una generación de información compleja — que incluye resúmenes de múltiples fuentes y modelos de lenguaje de gran tamaño, como OpenAI o1 y Llama 450B — lo que aumenta drásticamente las demandas computacionales. A través de nuevas innovaciones en hardware, junto con mejoras continuas en software, se espera que el rendimiento aumente y que el coste total de propiedad se reduzca en cinco veces o más.
Optimización de procesos en todas las industrias
Todo debe acelerarse: Con los GPUs adoptándose más ampliamente, las industrias buscarán acelerar todo, desde la planificación hasta la producción. Las nuevas arquitecturas contribuirán a ese ciclo virtuoso, ofreciendo eficiencias de costes y un rendimiento computacional significativamente mayor con cada generación.
Progreso en la computación cuántica
Computación cuántica — ensayos sin errores: Se espera que la computación cuántica haga avances significativos, ya que los investigadores se centran en el supercomputing y la simulación para resolver los mayores desafíos del campo emergente: los errores.
Los qubits, que son la unidad básica de información en la computación cuántica, son susceptibles al ruido y se vuelven inestables después de realizar solo miles de operaciones. Esto impide que el hardware cuántico actual resuelva problemas útiles. En 2025, se prevé que la comunidad de computación cuántica avance hacia técnicas desafiantes de corrección de errores cuánticos. La corrección de errores requiere cálculos rápidos y de baja latencia. También se anticipa el hardware cuántico físicamente colocados dentro de supercomputadoras, respaldado por infraestructura especializada.
Rol de la IA en la computación cuántica
La IA también desempeñará un importante papel en la gestión de estos sistemas cuánticos complejos, optimizando la corrección de errores y mejorando el rendimiento general del hardware cuántico. Esta convergencia de computación cuántica, supercomputación e IA en supercomputadoras cuánticas aceleradas impulsará el progreso hacia la realización de aplicaciones cuánticas para resolver problemas complejos en diversos campos, incluyendo el descubrimiento de fármacos, desarrollo de materiales y logística.
Humanización de la inteligencia artificial
BRYAN CATANZARO
Vicepresidente de Investigación Aplicada en Aprendizaje Profundo
Dar un rostro a la IA: La IA se volverá más familiar, emocionalmente receptiva y se caracterizará por una mayor creatividad y diversidad. Los primeros modelos de IA generativa que crearon imágenes lucharon con tareas simples como dibujar dientes. Los avances rápidos en IA están haciendo que las salidas de imágenes y videos sean mucho más fotorealistas, mientras que las voces generadas por IA están perdiendo ese tono robótico.
Estos avances serán impulsados por el perfeccionamiento de algoritmos y conjuntos de datos, así como por el reconocimiento de que la IA necesita un rostro y una voz para importar a 8 mil millones de personas. Esto también provocará un cambio de interacciones basadas en turnos de IA a conversaciones más fluidas y naturales. Las interacciones con la IA ya no se sentirán como una serie de intercambios, sino que ofrecerán una experiencia conversacional más atractiva y humana.
Transformación de infraestructuras industriales
Repensando la infraestructura industrial y la planificación urbana: Los países y las industrias comenzarán a examinar cómo la IA automatiza varios aspectos de la economía para mantener el estándar de vida actual, incluso cuando la población mundial disminuye.
Estos esfuerzos podrían ayudar con la sostenibilidad y el cambio climático. Por ejemplo, la industria agrícola comenzará a invertir en robots autónomos que puedan limpiar campos y eliminar plagas y malezas mecánicamente. Esto reducirá la necesidad de pesticidas y herbicidas, manteniendo el planeta más saludable y liberando capital humano para otras contribuciones significativas. Se espera ver un nuevo enfoque en las oficinas de planificación urbana para tener en cuenta los vehículos autónomos y mejorar la gestión del tráfico.
A largo plazo, la IA puede contribuir a encontrar soluciones para reducir las emisiones de carbono y almacenar carbono, un desafío global urgente.
Nueva era de agentes inteligentes
KARI BRISKI
Vicepresidenta de Software de IA Generativa
Una sinfonía de agentes — orquestadores de IA: Las empresas contarán con una serie de agentes de IA, que son modelos semiautónomos entrenados que trabajan a través de redes internas para ayudar en el servicio al cliente, recursos humanos, seguridad de datos y más. Para maximizar estas eficiencias, se espera un aumento en los orquestadores de IA que trabajen con numerosos agentes para enrutar de manera fluida las consultas humanas e interpretar resultados colectivos para recomendar y tomar acciones para los usuarios.
Estos orquestadores tendrán acceso a una comprensión más profunda del contenido, capacidades multilingües y fluidez con múltiples tipos de datos, que van desde PDFs hasta flujos de video. Impulsados por ciclos de datos de autoaprendizaje, los orquestadores de IA continuarán refinando información específica del negocio. Por ejemplo, en la manufactura, un orquestador de IA podría optimizar cadenas de suministro al analizar datos en tiempo real y hacer recomendaciones sobre horarios de producción y negociaciones con proveedores.
Aumento de la productividad a través de razonamiento multiplano
Razonamiento multistep amplifica los conocimientos de IA: La IA ha sido buena durante años en dar respuestas a preguntas específicas sin tener que profundizar en el contexto de una consulta dada. Con los avances en computación acelerada y nuevas arquitecturas de modelo, se espera que los modelos de IA aborden problemas cada vez más complejos y respondan con mayor precisión y análisis más profundo.
Utilizando una capacidad llamada razonamiento multistep, los sistemas de IA aumentan el tiempo de “pensamiento” al descomponer preguntas grandes y complejas en tareas más pequeñas — a veces incluso ejecutando múltiples simulaciones — para resolver problemas desde diferentes ángulos. Estos modelos evalúan dinámicamente cada paso, asegurando respuestas contextualmente relevantes y transparentes. El razonamiento multistep también implica integrar conocimientos de diversas fuentes para permitir que la IA realice conexiones lógicas y sintetice información en diferentes dominios.
Esto probablemente impactará campos que van desde finanzas y salud hasta investigación científica y entretenimiento. Por ejemplo, un modelo de salud con razonamiento multistep podría hacer varias recomendaciones para que un doctor considere, dependiendo del diagnóstico del paciente, medicamentos y respuestas a otros tratamientos.
Impulsando el motor de consultas de IA
Inicie su motor de consultas de IA: Con empresas y organizaciones de investigación sentadas sobre petabytes de datos, el desafío radica en obtener acceso rápido a los datos para ofrecer conocimientos accionables.
Los motores de consultas de IA cambiarán la forma en que las empresas extraen esos datos, y los motores de búsqueda específicos de la empresa podrán filtrar datos estructurados y no estructurados, incluyendo texto, imágenes y videos, utilizando procesamiento de lenguaje natural y aprendizaje automático para interpretar la intención del usuario y proporcionar resultados más relevantes y completos.
Esto conducirá a procesos de toma de decisiones más inteligentes, a una experiencia del cliente mejorada y a una mayor productividad en todas las industrias. Las capacidades de aprendizaje continuo de los motores de consultas de IA crearán ciclos de datos automejoradores que ayudarán a las aplicaciones a volverse cada vez más efectivas.
Tendencias en la IA agentiva
CHARLIE BOYLE
Vicepresidente de Plataformas DGX
La IA agentiva hace que la inferencia de alto rendimiento sea esencial para las empresas: El amanecer de la IA agentiva impulsará la demanda de respuestas casi instantáneas de sistemas complejos de múltiples modelos. Esto hará que la inferencia de alto rendimiento sea tan importante como la infraestructura de entrenamiento de alto rendimiento. Los líderes de TI necesitarán una infraestructura de computación acelerada escalable, específica y optimizada que pueda mantener el ritmo de las demandas de la IA agentiva para ofrecer el rendimiento necesario para la toma de decisiones en tiempo real.
Expansión de fábricas de IA en empresas
Las empresas expanden fábricas de IA para procesar datos en inteligencia: Las fábricas de IA en empresas transforman datos en bruto en inteligencia empresarial. En el próximo año, se espera que las empresas expandan estas fábricas para aprovechar grandes volúmenes de datos históricos y sintéticos, generando luego pronósticos y simulaciones para todo, desde el comportamiento del consumidor y la optimización de la cadena de suministro hasta los movimientos en el mercado financiero y gemelos digitales de fábricas y almacenes. Las fábricas de IA se convertirán en una ventaja competitiva clave que ayudará a los primeros adoptantes a anticipar y dar forma a futuros escenarios, en lugar de solo reaccionar a ellos.
Enfriamiento líquido en centros de datos de IA
Factor de enfriamiento — centros de datos de IA refrigerados por líquido: A medida que las cargas de trabajo de IA continúan impulsando el crecimiento, las organizaciones pioneras harán la transición al enfriamiento líquido para maximizar el rendimiento y la eficiencia energética. Los proveedores de nube hyperscale y las grandes empresas liderarán el camino, utilizando enfriamiento líquido en nuevos centros de datos de IA que albergan cientos de miles de aceleradores de IA, redes y software.
Las empresas optarán cada vez más por implementar infraestructura de IA en instalaciones de colocalización en lugar de construir las suyas propias, en parte para aliviar la carga financiera de diseñar, implementar y operar fábricas de inteligencia a gran escala. O bien, alquilarán capacidad según sea necesario. Estas implementaciones ayudarán a las empresas a aprovechar la última infraestructura sin necesidad de instalarla y operarla por sí mismas. Este cambio acelerará la adopción de soluciones de enfriamiento líquido como una opción principal para los centros de datos de IA.
Transformación en la arquitectura de centros de datos
ADIÓS a la red, HOLA a la tela de computación: El término «red» en el centro de datos parecerá anticuado a medida que la arquitectura del centro de datos se transforme en una tela de computación integrada que permita que miles de aceleradores se comuniquen entre sí de manera eficiente a través de comunicaciones de escalado y expansión, abarcando millas de cableado y múltiples instalaciones de centros de datos.
Esta tela de computación integrada incluirá NVIDIA NVLink, que habilita comunicaciones de escalado, así como capacidades de expansión habilitadas por conmutadores inteligentes, SuperNICs y DPUs. Esto ayudará a mover datos de forma segura hacia y desde los aceleradores y a realizar cálculos al vuelo que minimizan drásticamente el movimiento de datos. La comunicación en expansión a través de redes será crucial para implementaciones de centros de datos de IA a gran escala, y clave para ponerlos en funcionamiento en semanas en lugar de meses o años.
Revolución en la IA distribuida
IA distribuida: Todos los centros de datos se acelerarán a medida que surjan nuevos enfoques de diseño de Ethernet que permitan que cientos de miles de GPUs respaldan una sola carga de trabajo. Esto ayudará a democratizar las implementaciones de fábricas de IA para nubes de IA generativa multiinquilino y centros de datos de IA empresarial.
Esta tecnología innovadora también permitirá que la IA se expanda rápidamente en plataformas empresariales y simplifique la construcción y gestión de nubes de IA. Las compañías construirán recursos de centros de datos que estarán más geográficamente dispersos, ubicados a cientos o incluso miles de millas de distancia, debido a limitaciones de energía y la necesidad de construir más cerca de fuentes de energía renovables. Las comunicaciones de expansión asegurarán un movimiento de datos confiable a través de estas largas distancias.
Robótica y avances en IA
LINXI (JIM) FAN
Científico Senior en Investigación, Agentes de IA
La robótica evolucionará más hacia humanoides: Los robots comenzarán a entender comandos de lenguaje arbitrarios. En la actualidad, los robots industriales deben ser programados manualmente y no responden de manera inteligente a entradas impredecibles o lenguajes que no hayan sido programados. Los modelos de fundamento de robots multimodales que incorporan visión, lenguaje y acciones arbitrarias evolucionarán este «cerebro de IA», así como la IA agentiva que permite un mayor razonamiento de IA.
Sin embargo, no se espera ver robots inteligentes de inmediato en hogares, restaurantes, áreas de servicio y fábricas. Pero estos casos de uso podrían estar más cerca de lo que se piensa, ya que los gobiernos buscan soluciones para sociedades envejecidas y mercados laborales decrecientes. La automatización física ocurrirá gradualmente, de manera que en 10 años podría ser tan ubicua como el iPhone.
Inferencia y modelos de lenguaje
Los agentes de IA se centran en la inferencia: En septiembre, OpenAI anunció un nuevo modelo de lenguaje de gran escala entrenado con aprendizaje por refuerzo para realizar razonamiento complejo. OpenAI o1, denominado Strawberry, piensa antes de responder: Puede producir una larga cadena de pensamientos internos, corrigiendo errores y descomponiendo pasos difíciles en simples, antes de responder al usuario.
El 2025 será el año en que una gran cantidad de cómputo comience a trasladarse hacia la inferencia en el borde. Las aplicaciones necesitarán cientos de miles de tokens para una sola consulta, ya que pequeños modelos de lenguaje realizarán una consulta tras otra en microsegundos antes de generar una respuesta.
Los modelos más pequeños serán más eficientes energéticamente y se volverán cada vez más importantes para la robótica, creando humanoides y robots que puedan asistir a humanos en trabajos cotidianos y promoviendo aplicaciones de inteligencia móvil.
Escalabilidad sostenible en la infraestructura de IA
BOB PETTE
Vicepresidente de Plataformas Empresariales
Buscando escalabilidad sostenible: A medida que las empresas se preparan para adoptar una nueva generación de agentes de IA semiautónomos para mejorar varios procesos comerciales, se centrarán en crear infraestructuras sólidas, gobernanza y capacidades similares a las humanas para un despliegue efectivo a gran escala. Al mismo tiempo, las aplicaciones de IA usarán cada vez más el poder de procesamiento local para habilitar características de IA más sofisticadas directamente en estaciones de trabajo, incluidos laptops delgados y ligeros y factores de forma compactos, mejorando el rendimiento mientras reducen la latencia para tareas impulsadas por IA.
Las arquitecturas de referencia validadas, que proporcionan orientación sobre plataformas de hardware y software apropiadas, se volverán esenciales para optimizar el rendimiento y acelerar las implementaciones de IA. Estas arquitecturas servirán como herramientas esenciales para las organizaciones que navegan por el complejo terreno de la implementación de la IA, ayudando a asegurar que sus inversiones se alineen con las necesidades actuales y los futuros avances tecnológicos.
Revolución en la construcción y el diseño mediante IA
Revolucionando la construcción, la ingeniería y el diseño con IA: Se prevé un aumento en los modelos de IA generativa adaptados a las industrias de la construcción, la ingeniería y el diseño, que impulsarán la eficiencia y acelerarán la innovación.
En la construcción, la IA agentiva extraerá significado de volúmenes masivos de datos de construcción recolectados de sensores y cámaras en el sitio, ofreciendo conocimientos que conducirán a cronogramas de proyectos y gestión de presupuestos más eficientes.
La IA evaluará datos de captura de realidad (lidar, fotogrametría y campos de radiancia) las 24 horas del día, siete días a la semana, derivando conocimientos críticos sobre calidad, seguridad y cumplimiento — resultando en una reducción de errores y lesiones en el lugar de trabajo.
Para los ingenieros, la física predictiva basada en redes neuronales informadas por la física acelerará la predicción de inundaciones, la ingeniería estructural y la dinámica de fluidos computacionales para soluciones de flujo de aire adaptadas a habitaciones o pisos individuales de un edificio — permitiendo iteraciones de diseño más rápidas.
En diseño, la generación aumentada por recuperación permitirá el cumplimiento temprano en la fase de diseño al garantizar que el modelado de información para diseñar y construir edificios cumpla con los códigos de construcción locales. Los modelos de difusión de IA acelerarán el diseño conceptual y la planificación del sitio, permitiendo a arquitectos y diseñadores combinar indicaciones de palabras clave y bocetos preliminares para generar imágenes conceptuales ricamente detalladas para presentaciones a clientes. Eso liberará tiempo para centrarse en la investigación y el diseño.
Predicciones y realidades de la IA
SANJA FIDLER
Vicepresidenta de Investigación en IA
Prediciendo lo impredecible: Se espera ver más modelos que puedan aprender en el mundo cotidiano, ayudando a humanos digitales, robots e incluso coches autónomos a entender situaciones caóticas y a veces impredecibles, utilizando habilidades muy complejas con poca intervención humana.
Desde el laboratorio de investigación hasta Wall Street, estamos entrando en un ciclo de ilusiones similar al optimismo sobre la conducción autónoma hace 5-7 años. Pasaron muchos años para que empresas como Waymo y Cruise entregaran un sistema funcional — y todavía no es escalable porque los enormes datos que estas empresas y otras, incluyendo Tesla, han recopilado podrían ser aplicables en una región pero no en otra.
Con los modelos introducidos este año, ahora podemos movernos más rápidamente — y con mucho menos gasto de capital — para utilizar datos a escala de internet para comprender el lenguaje natural y emular movimientos mediante la observación de acciones humanas y de otros. Aplicaciones de borde como robots, coches y maquinaria de almacén aprenderán rápidamente coordinación, destreza y otras habilidades para navegar, adaptarse e interactuar con el mundo real.
¿Un robot podrá hacer café y huevos en tu cocina, y luego limpiar? Aún no. Pero puede que llegue antes de lo que piensas.
Realismo en la IA generativa
Haciendo hincapié en la realidad: La fidelidad y el realismo están llegando a la IA generativa a lo largo del pipeline de gráficos y simulación, llevando a juegos hiperrealistas, películas generadas por IA y humanos digitales.
A diferencia de los gráficos tradicionales, la vasta mayoría de las imágenes provendrán de píxeles generados en lugar de renders, resultando en movimientos y apariencias más naturales. Las herramientas que desarrollan e iteran comportamientos contextuales resultarán en juegos más sofisticados por una fracción del costo de los títulos AAA actuales.
Aproximación de la IA en diversas industrias
Las industrias adoptan la IA generativa: Casi todas las industrias están preparadas para usar IA para mejorar y enriquecer la forma en que las personas viven y juegan.
La agricultura usará IA para optimizar la cadena alimentaria, mejorando la entrega de alimentos. Por ejemplo, se puede utilizar IA para predecir las emisiones de gases de efecto invernadero de diferentes cultivos en granjas individuales. Estos análisis pueden ayudar a informar estrategias de diseño que ayuden a reducir los gases de efecto invernadero en las cadenas de suministro. Mientras tanto, los agentes de IA en la educación personalizarán experiencias de aprendizaje, hablando en el idioma nativo de una persona y haciendo o respondiendo preguntas según el nivel educativo en un tema particular.
A medida que los aceleradores de nueva generación ingresen al mercado, también se verá una mayor eficiencia en la entrega de estas aplicaciones de IA generativa. Al mejorar el entrenamiento y la eficiencia de los modelos en pruebas, las empresas y startups verán mejores y más rápidos retornos sobre la inversión en esas aplicaciones.
Analítica de datos acelerada y su impacto
ANDREW FENG
Vicepresidente de Software para GPU
Análisis de datos acelerados ofrece conocimientos sin cambios en el código: En 2025, el análisis de datos acelerado se convertirá en una práctica común para las organizaciones que lidian con volúmenes de datos cada vez más crecientes.
Las empresas generan cientos de petabytes de datos anualmente, y cada compañía busca formas de aprovecharlos. Para hacerlo, muchas adoptarán computación acelerada para el análisis de datos.
El futuro radica en soluciones de análisis de datos acelerados que soporten «sin cambio de código» y «sin cambio de configuración», lo que permite a las organizaciones combinar sus aplicaciones existentes de análisis de datos con computación acelerada con el mínimo esfuerzo. La tecnología de análisis impulsada por IA generativa ampliará aún más la adopción del análisis de datos acelerados al empoderar a los usuarios — incluso a aquellos que no tienen conocimientos tradicionales de programación — para crear nuevas aplicaciones de análisis de datos.
La integración sin problemas de la computación acelerada, facilitada por una experiencia de desarrollador simplificada, ayudará a eliminar las barreras de adopción y permitirá a las organizaciones aprovechar sus datos únicos para nuevas aplicaciones de IA y una inteligencia empresarial más rica.
Nuevas oportunidades laborales en IA
NADER KHALIL
Director de Tecnología para Desarrolladores
La fuerza laboral de startups: Si no has oído hablar mucho de ingenieros de prompts o diseñadores de personalidad de IA, lo harás en 2025. A medida que las empresas adoptan la IA para aumentar la productividad, se espera ver nuevas categorías de trabajadores esenciales tanto para startups como para empresas que combinan nuevas y antiguas habilidades.
Un ingeniero de prompts diseña y refina cadenas de texto precisas que optimizan el entrenamiento de IA y producen resultados deseados basados en la creación, prueba e iteración de diseños de prompts para chatbots e IA agentiva. La demanda de ingenieros de prompts se extenderá más allá de las empresas tecnológicas a sectores como el legal, soporte al cliente y publicación. A medida que los agentes de IA proliferan, las empresas y startups se inclinarán cada vez más hacia diseñadores de personalidad de IA para mejorar los agentes con personalidades únicas.
Así como el auge de las computadoras generó títulos de trabajo como científicos informáticos, científicos de datos e ingenieros de aprendizaje automático, la IA creará diferentes tipos de trabajo, ampliando las oportunidades para personas con fuertes habilidades analíticas y capacidades de procesamiento de lenguaje natural.
Eficiencia de los empleados en startups
Entendiendo la eficiencia de los empleados: Las startups que incorporan IA en sus prácticas comenzarán a agregar el ingreso por empleado (RPE) a su léxico al hablar con inversores y socios comerciales.
En lugar de una mentalidad de “crecimiento a toda costa”, la suplementación de la fuerza laboral con IA permitirá a los propietarios de startups concentrarse en cómo la contratación de cada nuevo empleado ayuda a todos los demás en la empresa a generar más ingresos. En el mundo de las startups, el RPE encajará en las discusiones sobre el retorno de la inversión en IA y los desafíos de llenar roles en competencia contra grandes empresas y compañías tecnológicas.
