Ashok Reddy es director ejecutivo de KX, una base de datos analítica de alto rendimiento líder en la era de la inteligencia artificial.
La velocidad de los datos analiza lo que ya ha sucedido. La velocidad de la toma de decisiones convierte el contexto en tiempo real en acciones oportunas. Los líderes percibirán lo que está sucediendo en el momento, aprenderán del contexto y actuarán con confianza.
En todos los sectores, como los mercados de capitales, el éxito depende de la rapidez con la que se puedan convertir los conocimientos en acciones. Los sistemas actuales de IA contribuyen en gran medida a acelerar ese proceso, pero la velocidad pura no es suficiente cuando los sistemas siguen basándose en datos estáticos y análisis históricos. Los sistemas de IA temporal eliminan la brecha de latencia entre los datos, los conocimientos y la acción. Pueden añadir un contexto muy importante, como explicar un cambio de régimen a mitad de una operación o una anomalía repentina en los precios, y orientar la siguiente mejor medida en tiempo real.
Los sistemas que utilizan IA temporal pueden permitir a las empresas basadas en datos operar con rapidez y a gran escala. Por ejemplo, podrían permitir a los minoristas anticiparse a los cambios estacionales en la demanda o responder inmediatamente a las acciones de la competencia. Los fabricantes podrían identificar fallos inminentes basándose en anomalías repentinas, y los transportistas podrían anticiparse a las interrupciones en la cadena de suministro a partir de datos de tráfico en tiempo real o de fenómenos meteorológicos.
Para muchas organizaciones, la barrera para las últimas innovaciones en IA no es la falta de visión o ambición, sino una infraestructura que no puede manejar las demandas del análisis en tiempo real. Las empresas han desarrollado proyectos piloto que funcionan bien en entornos pequeños y aislados, pero que fracasan cuando se ponen en producción. Al adaptar las arquitecturas y utilizar agentes de IA para reunir datos estructurados y no estructurados en tiempo real, las organizaciones pueden encaminarse hacia la IA temporal.
Los fundamentos de la IA temporal
Las bases de datos tradicionales tienden a tratar información con marca de tiempo, lo que proporciona una abundante fuente de datos históricos. Sin embargo, la implementación de bases de datos de series temporales permite combinar información en tiempo real e histórica, lo que brinda a las organizaciones la capacidad de recuperar, gestionar y analizar datos de series temporales, que son el núcleo de la inteligencia temporal. Los datos de series temporales permiten a la IA aprender de la información actual e histórica, comprendiendo las relaciones y los patrones en evolución.
Las arquitecturas avanzadas, como las redes convolucionales temporales, permiten a los sistemas sacar conclusiones sobre los eventos en curso y lo que es probable que suceda a continuación. Cuando se combinan con agentes de IA, también pueden simular otros resultados plausibles, lo que puede informar la toma de decisiones que involucran desde el riesgo de capital hasta los resultados de misiones militares.
Los sistemas de IA temporal deben incluir algunas características esenciales:
Latencia medida: los agentes deben ser conscientes del tiempo. Sus acciones deben producirse en tiempo real dentro de un bucle de agencia, definido como evento → características → inferencia → plan → acción. La latencia de la decisión debe tratarse como un acuerdo de nivel de servicio (SLA).
Respuesta a señales: los agentes deben aprovechar las señales para iniciar acciones y utilizar uniones temporales (combinando dos registros basados en relaciones temporales) entre datos históricos, en streaming y no estructurados. Los agentes deben mantener el último estado válido conocido para evitar fugas.
Eficiencia de tokens: limita el número de tokens utilizados por decisión. Los modelos de IA que utilizan menos tokens para tomar decisiones responden más rápido y su funcionamiento es menos costoso, lo que es fundamental en entornos de alta frecuencia o en tiempo real.
ROI definido: Las métricas básicas para los sistemas de IA temporales incluirían la latencia de las decisiones, la vida media de las señales, los tokens por decisión, el coste por decisión, la cobertura y la energía por decisión. Los datos más importantes serán completos, inmediatos y estarán respaldados por una infraestructura creada para la escala y la velocidad.
Un marco sencillo: (Calidad de la decisión × Frecuencia × Cobertura × Autonomía) ÷ (Coste × Energía × Tokens por decisión).
Buena gobernanza: El valor de cualquier sistema, por supuesto, depende de lo bien que complemente y mejore las funciones empresariales. Las organizaciones deben ser conscientes de los requisitos de seguridad y gobernanza, aplicar las políticas de protección, proporcionar registros de auditoría claros y proteger contra la configuración, el rendimiento u otros tipos de desviaciones. Implemente pruebas canarias para las nuevas implementaciones, asegúrese de que los sistemas sean capaces de volver rápidamente al estado anterior cuando surjan problemas y asegúrese siempre de incluir a los seres humanos en el ciclo para cualquier acción de alto impacto.
El futuro de la IA es ahora mismo
Los sistemas que solo se basan en el pasado, incluso en el pasado muy reciente, ya no son suficientes. La puntualidad basada en canales en tiempo real y la inteligencia adaptativa son la nueva ventaja competitiva. Los sistemas de IA temporal señalan un cambio de los informes históricos a la inteligencia viva, que se vuelve más receptiva y mejora continuamente a medida que interactúa con eventos en tiempo real y circunstancias cambiantes.
A medida que las infraestructuras de streaming evolucionen y maduren, los científicos de datos y los analistas cuantitativos podrán crear sistemas que crezcan y cambien al ritmo de los mercados, en lugar de limitarse a relatar lo que ya ha sucedido. Las organizaciones podrán entonces avanzar hacia la próxima era de la IA, con una toma de decisiones en tiempo real basada en un modelo de retorno de la inversión que combine información oportuna, completa y actualizada con un uso eficiente de los recursos. Y esas nuevas IA sensibles al tiempo estarán preparadas para cambiar el mundo, desde los mercados de capitales hasta las infraestructuras críticas, y el futuro.