El Gartner Hype Cycle for Generative AI 2025 (GenAI) proporciona información crítica para los líderes de TI que navegan un panorama de innovaciones GenAI en rápida evolución y a menudo sobrevalorado. El informe proyecta que para 2028, más del 95% de las empresas habrán integrado APIs, modelos de IA generativa o habrán desplegado aplicaciones GenAI en sus entornos de producción. Esto subraya la necesidad urgente de que las organizaciones vayan más allá de las pruebas de concepto iniciales e inviertan estratégicamente en tecnologías que generen valor tangible y se alineen con los objetivos organizacionales.

Cuatro áreas tecnológicas críticas

Gartner identifica cuatro áreas tecnológicas críticas que configuran el Hype Cycle de GenAI y que justifican una inversión estratégica. La primera son los modelos GenAI, donde los large language models (LLMs) siguen siendo la piedra angular y la tecnología más madura. Estos modelos fundacionales son altamente personalizables para una amplia gama de casos de uso. Sin embargo, otros tipos de modelos, como los LLMs de código abierto, los modelos GenAI especializados por dominio y los large reasoning models, están emergiendo rápidamente como alternativas viables. Multimodal generative AI se cita como tecnología de muestra en esta categoría, prometiendo resultados de IA más potentes y rápidos.

AI engineering para escalar

La segunda área clave es AI engineering, que se vuelve crítica a medida que las organizaciones se preparan para escalar sus programas GenAI. Abarca el creciente ecosistema de herramientas y técnicas diseñadas para construir, gobernar y personalizar aplicaciones GenAI. AI engineering garantiza que las aplicaciones GenAI sirvan a la estrategia de la organización, proporcionando marcos para la orquestación de aplicaciones, la reducción de alucinaciones, la mitigación de la desinformación y el cumplimiento normativo. AI TRiSM (Trust, Risk and Security Management) se presenta como tecnología de muestra, centrada en el uso seguro y eficaz de la IA.

Agentes y aplicaciones de IA

La tercera área abarca los agentes de IA, las aplicaciones y los casos de uso. Los asistentes virtuales GenAI, como ChatGPT, son ejemplos bien conocidos que aprovechan los LLMs para ofrecer capacidades avanzadas. La visión a largo plazo consiste en utilizar agentes de IA para automatizar procesos complejos de múltiples pasos a escala, con el fin de aumentar la productividad, reducir los costes operativos y mejorar la experiencia del cliente. La IA agentique, que percibe, decide y actúa de forma autónoma o semiautónoma para alcanzar objetivos, representa un cambio fundamental respecto a los chatbots pasivos hacia sistemas de IA más interactivos y generadores de valor. Embodied AI se cita como tecnología de muestra en este ámbito.

Infraestructura y técnicas habilitadoras

Por último, la infraestructura y las técnicas habilitadoras constituyen la cuarta área crítica. La evolución de GenAI se apoya en una combinación de nuevas técnicas y prácticas de IA ya establecidas. El self-supervised learning, por ejemplo, reduce la necesidad de conjuntos de datos de entrenamiento etiquetados masivos y encuentra aplicaciones en campos como la conducción autónoma y el diagnóstico médico, con un interés creciente en todos los sectores. La infraestructura especializada, incluidos los chips de IA y las herramientas, está ganando terreno por su papel en la mejora de la eficiencia y la reducción de los costes de entrenamiento e inferencia de modelos. AI supercomputing se destaca como tecnología de muestra en esta categoría.

Orientación estratégica

En esencia, el Hype Cycle de GenAI 2025 sirve de guía para que los líderes de TI tomen decisiones de inversión informadas, vayan más allá del hype y logren integrar con éxito la IA generativa en las estrategias empresariales para impulsar la innovación y generar valor de negocio.