Los expertos de NVIDIA en computación acelerada, ciencia de datos e investigación predicen que los modelos multimodales acelerarán la innovación y la eficiencia de la industria.
Desde la sala de juntas hasta la sala de descanso, la IA generativa tomó por asalto este año, provocando debates en todas las industrias sobre cómo aprovechar mejor la tecnología para mejorar la innovación y la creatividad, mejorar el servicio al cliente, transformar el desarrollo de productos e incluso impulsar la comunicación.
Según IDC, se espera que las empresas de todo el mundo gasten 307.000 millones de dólares en soluciones de IA el próximo año, cifra que aumentará hasta los 632.000 millones de dólares en 2028, a una tasa de crecimiento anual compuesta del 29,0%. La IA tendrá un impacto económico global acumulado de 19,9 billones de dólares hasta 2030 y generará el 3,5% del PIB mundial en 2030, predice IDC .
Sin embargo, algunas empresas y startups aún son lentas en adoptar la IA y se limitan 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.
Los enfoques cautelosos están dando paso al optimismo. Dos tercios de los encuestados en la Encuesta sobre el estado de la IA de 2024 de Forrester Research creen que sus organizaciones necesitarían menos del 50 % de retorno de la inversión para considerar que sus iniciativas de IA son exitosas.
El próximo gran avance en el horizonte es la IA agente , una forma de IA autónoma o “razonable” que requiere el uso de diversos modelos de lenguaje, pilas sofisticadas de generación aumentada por recuperación y arquitecturas de datos avanzadas.
Los expertos de NVIDIA en sectores verticales de la industria ya compartieron sus expectativas para el año que comienza. Ahora, escuche a los expertos de la compañía que impulsan la innovación en IA en las empresas, la investigación y el ecosistema de las empresas emergentes:
IAN BUCK
Vicepresidente de Hiperescala y HPC
La inferencia impulsa la carga de la IA: a medida que los modelos de IA crecen en tamaño y complejidad, aumentará la demanda de soluciones de inferencia eficientes.
El auge de la IA generativa ha transformado la inferencia desde el simple reconocimiento de la consulta y la respuesta a la generación de información compleja (que incluye la síntesis a partir de múltiples fuentes y modelos de lenguaje de gran tamaño como OpenAI o1 y Llama 450B), lo que aumenta drásticamente las demandas computacionales. Gracias a las nuevas innovaciones de hardware, junto con las mejoras continuas del software, el rendimiento aumentará y se espera que el costo total de propiedad se reduzca cinco veces o más.
Acelerar todo: a medida que las GPU se vayan adoptando de forma más generalizada, las industrias buscarán acelerar todo, desde la planificación hasta la producción. Las nuevas arquitecturas se sumarán a ese círculo virtuoso, ofreciendo eficiencias de costos y un orden de magnitud mayor de rendimiento computacional con cada generación.
A medida que las naciones y las empresas compiten por construir fábricas de IA para acelerar aún más las cargas de trabajo, se espera que muchos busquen soluciones de plataforma y arquitecturas de centros de datos de referencia o planos que puedan poner en funcionamiento un centro de datos en semanas en lugar de meses. Esto les ayudará a resolver algunos de los desafíos más difíciles del mundo, incluida la computación cuántica y el descubrimiento de fármacos.
Computación cuántica: todo son ensayos, ningún error: la computación cuántica hará avances significativos a medida que los investigadores se concentren en la supercomputación y la simulación para resolver los mayores desafíos de este campo naciente: los errores.
Los cúbits, 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 espera que la comunidad de computación cuántica avance hacia técnicas de corrección de errores cuánticos desafiantes, pero cruciales. La corrección de errores requiere cálculos rápidos y de baja latencia. También se espera ver hardware cuántico ubicado físicamente dentro de supercomputadoras, respaldado por una infraestructura especializada.
La IA también desempeñará un papel crucial en la gestión de estos complejos sistemas cuánticos, optimizando la corrección de errores y mejorando el rendimiento general del hardware cuántico. Esta convergencia de la computación cuántica, la supercomputación y la IA en supercomputadoras cuánticas aceleradas impulsará el progreso en la realización de aplicaciones cuánticas para resolver problemas complejos en diversos campos, incluidos el descubrimiento de fármacos, el desarrollo de materiales y la logística.
BRYAN CATANZARO
Vicepresidente de Investigación Aplicada de Aprendizaje Profundo
Ponerle cara a la IA: la IA será más fácil de usar, responderá a las emociones y se caracterizará por una mayor creatividad y diversidad. Los primeros modelos de IA generativa que dibujaban imágenes tenían dificultades para realizar tareas sencillas, como dibujar dientes. Los rápidos avances en IA están haciendo que las imágenes y los vídeos sean mucho más fotorrealistas, mientras que las voces generadas por IA están perdiendo esa sensación robótica.
Estos avances se verán impulsados por el perfeccionamiento de los algoritmos y los conjuntos de datos, y por el reconocimiento por parte de las empresas de que la IA necesita un rostro y una voz para ser relevante para 8.000 millones de personas. Esto también provocará un cambio de las interacciones de IA por turnos 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 de conversación más atractiva y humana.
Repensar la infraestructura industrial y la planificación urbana: las naciones y las industrias comenzarán a examinar cómo la IA automatiza varios aspectos de la economía para mantener el nivel de vida actual, incluso cuando la población mundial se reduce.
Estas iniciativas podrían contribuir a la sostenibilidad y al cambio climático. Por ejemplo, la industria agrícola comenzará a invertir en robots autónomos que puedan limpiar los campos y eliminar las plagas y las malas hierbas mecánicamente. Esto reducirá la necesidad de pesticidas y herbicidas, manteniendo el planeta más sano y liberando capital humano para otras contribuciones significativas. Se espera que en las oficinas de planificación urbana se adopten nuevas ideas para tener en cuenta los vehículos autónomos y mejorar la gestión del tráfico.
A largo plazo, la IA puede ayudar a encontrar soluciones para reducir las emisiones de carbono y almacenarlo, un desafío global urgente.
KARI BRISKI
Vicepresidente de software de inteligencia artificial generativa
Una sinfonía de agentes: orquestadores de IA: las empresas tendrán una gran cantidad de agentes de IA, que son modelos semiautónomos y capacitados que trabajan en redes internas para ayudar con el servicio al cliente, los recursos humanos, la seguridad de los datos y más. Para maximizar estas eficiencias, se espera un aumento en los orquestadores de IA que trabajan con numerosos agentes para enrutar sin problemas las consultas humanas e interpretar los resultados colectivos para recomendar y tomar medidas 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 archivos PDF hasta transmisiones de video. Impulsados por volantes de datos de autoaprendizaje, los orquestadores de IA perfeccionarán continuamente los conocimientos específicos del negocio. Por ejemplo, en la fabricación, un orquestador de IA podría optimizar las cadenas de suministro analizando datos en tiempo real y haciendo recomendaciones sobre los cronogramas de producción y las negociaciones con los proveedores.
Esta evolución de la IA empresarial impulsará significativamente la productividad y la innovación en todas las industrias y, al mismo tiempo, será más accesible. Los trabajadores del conocimiento serán más productivos porque podrán acceder a un equipo personalizado de expertos con tecnología de IA. Los desarrolladores podrán crear estos agentes avanzados utilizando modelos de IA personalizables.
El razonamiento en varios pasos amplifica los conocimientos de la IA: durante años, la IA ha sido capaz de dar respuestas a preguntas específicas sin tener que profundizar en el contexto de una consulta determinada. Con los avances en computación acelerada y nuevas arquitecturas de modelos, los modelos de IA abordarán problemas cada vez más complejos y responderán con mayor precisión y análisis más profundos.
Mediante una capacidad denominada razonamiento en múltiples pasos, los sistemas de IA aumentan la cantidad de “tiempo de reflexión” al dividir preguntas grandes y complejas en tareas más pequeñas (a veces incluso ejecutando múltiples simulaciones) para resolver problemas desde varios ángulos. Estos modelos evalúan dinámicamente cada paso, lo que garantiza respuestas contextualmente relevantes y transparentes. El razonamiento en múltiples pasos también implica la integración de conocimientos de varias fuentes para permitir que la IA haga conexiones lógicas y sintetice información en diferentes dominios.
Es probable que esto afecte a ámbitos que van desde las finanzas y la atención médica hasta la investigación científica y el entretenimiento. Por ejemplo, un modelo de atención médica con razonamiento de varios pasos podría hacer una serie de recomendaciones para que el médico las tenga en cuenta, dependiendo del diagnóstico del paciente, los medicamentos y la respuesta a otros tratamientos.
Ponga en marcha su motor de consulta de IA: las empresas y las organizaciones de investigación manejan petabytes de datos, por lo que el desafío es obtener acceso rápido a ellos para ofrecer información útil.
Los motores de consulta de IA cambiarán la forma en que las empresas extraen esos datos, y los motores de búsqueda específicos de cada empresa podrán examinar datos estructurados y no estructurados, incluidos texto, imágenes y videos, utilizando el procesamiento del lenguaje natural y el aprendizaje automático para interpretar la intención de un usuario y proporcionar resultados más relevantes y completos.
Esto dará lugar a procesos de toma de decisiones más inteligentes, mejores experiencias de los clientes y una mayor productividad en todas las industrias. Las capacidades de aprendizaje continuo de los motores de consulta de IA crearán volantes de datos que se mejoran a sí mismos y que ayudarán a que las aplicaciones sean cada vez más efectivas.
CHARLIE BOYLE
Vicepresidente de Plataformas DGX
La IA con agentes hace que la inferencia de alto rendimiento sea esencial para las empresas: el surgimiento de la IA con agentes 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 capacitación de alto rendimiento. Los líderes de TI necesitarán una infraestructura informática acelerada escalable, diseñada específicamente y optimizada que pueda seguir el ritmo de las demandas de la IA con agentes para ofrecer el rendimiento necesario para la toma de decisiones en tiempo real.
Las empresas amplían sus fábricas de IA para procesar datos y convertirlos en inteligencia: las fábricas de IA empresariales transforman los datos sin procesar en inteligencia empresarial. El año que viene, las empresas ampliarán estas fábricas para aprovechar cantidades masivas de datos históricos y sintéticos, y luego generarán pronósticos y simulaciones para todo, desde el comportamiento del consumidor y la optimización de la cadena de suministro hasta los movimientos del mercado financiero y los gemelos digitales de fábricas y almacenes. Las fábricas de IA se convertirán en una ventaja competitiva clave que ayudará a los primeros usuarios a anticipar y dar forma a los escenarios futuros, en lugar de simplemente reaccionar ante ellos.
Factor frío: centros de datos de IA refrigerados por líquido: a medida que las cargas de trabajo de IA sigan impulsando el crecimiento, las organizaciones pioneras pasarán a la refrigeración por líquido para maximizar el rendimiento y la eficiencia energética. Los proveedores de nube a gran escala y las grandes empresas liderarán el camino, utilizando refrigeración por 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 coubicación en lugar de construir las suyas propias, en parte para aliviar la carga financiera que supone diseñar, implementar y operar la fabricación de inteligencia a gran escala. O bien, alquilarán capacidad según sea necesario. Estas implementaciones ayudarán a las empresas a aprovechar la infraestructura más reciente sin necesidad de instalarla y operarla ellas mismas. Este cambio acelerará la adopción más amplia de la refrigeración líquida en la industria como una solución generalizada para los centros de datos de IA.
GILAD SHAINER
Vicepresidente Senior de Redes
Adiós red, hola tejido informático: el término “redes” en el centro de datos parecerá anticuado a medida que la arquitectura del centro de datos se transforma en un tejido informático integrado que permite que miles de aceleradores se comuniquen entre sí de manera eficiente a través de comunicaciones de escalamiento vertical y horizontal, abarcando kilómetros de cableado y múltiples instalaciones del centro de datos.
Esta estructura de cómputo integrada incluirá NVIDIA NVLink , que permite comunicaciones escalables, así como capacidades escalables a través de conmutadores inteligentes, SuperNIC y DPU. Esto ayudará a mover datos de forma segura hacia y desde los aceleradores y a realizar cálculos sobre la marcha que minimizan drásticamente el movimiento de datos. La comunicación escalable a través de las redes será crucial para las implementaciones de centros de datos de IA a gran escala, y clave para ponerlos en funcionamiento en semanas en lugar de meses o años.
A medida que aumentan las cargas de trabajo de la IA agente (que requieren comunicación entre múltiples modelos de IA interconectados que trabajan juntos en lugar de modelos de IA monolíticos y localizados), las estructuras computacionales serán esenciales para brindar IA generativa en tiempo real.
IA distribuida: todos los centros de datos se acelerarán a medida que surjan nuevos enfoques para el diseño de Ethernet que permitan que cientos de miles de GPU admitan una sola carga de trabajo. Esto ayudará a democratizar las implementaciones de fábricas de IA para nubes de IA generativas de múltiples inquilinos y centros de datos de IA empresariales.
Esta tecnología innovadora también permitirá que la IA se expanda rápidamente a las plataformas empresariales y simplificará la creación y gestión de nubes de IA.
Las empresas construirán recursos de centros de datos que estén más dispersos geográficamente (ubicados a cientos o incluso miles de kilómetros de distancia) debido a las limitaciones energéticas y a la necesidad de construirlos más cerca de fuentes de energía renovable. Las comunicaciones escalables garantizarán un movimiento confiable de datos a través de estas largas distancias.
LINXI (JIM) FAN
Científico investigador sénior, Agentes de IA
La robótica evolucionará hacia humanoides: los robots comenzarán a comprender órdenes arbitrarias del lenguaje. En la actualidad, los robots industriales deben programarse a mano y no responden de manera inteligente a entradas impredecibles o lenguajes distintos a los programados. Los modelos de base de robots multimodales que incorporan visión, lenguaje y acciones arbitrarias desarrollarán este «cerebro de IA», al igual que la IA agéntica, que permite un mayor razonamiento de la IA.
Sin duda, no esperes ver robots inteligentes en hogares, restaurantes, áreas de servicio y fábricas de inmediato, pero estos casos de uso pueden estar más cerca de lo que crees, ya que los gobiernos buscan soluciones para el envejecimiento de las sociedades y la reducción de la mano de obra. La automatización física se producirá de forma gradual y, en 10 años, será tan omnipresente como el iPhone.
Los agentes de IA se centran en la inferencia: en septiembre, OpenAI anunció un nuevo modelo de lenguaje de gran tamaño entrenado con aprendizaje de refuerzo para realizar razonamientos complejos. OpenAI o1, llamado Strawberry, piensa antes de responder: puede producir una larga cadena interna de pensamiento, corrigiendo errores y descomponiendo pasos complicados en pasos simples, antes de responder al usuario.
2025 será el año en que una gran parte de la computación comience a trasladarse a la inferencia en el borde. Las aplicaciones necesitarán cientos de miles de tokens para una sola consulta, ya que los modelos de lenguaje pequeños realizan una consulta tras otra en microsegundos antes de generar una respuesta.
Los modelos pequeños serán más eficientes energéticamente y serán cada vez más importantes para la robótica, creando humanoides y robots que puedan ayudar a los humanos en trabajos cotidianos y promoviendo aplicaciones de inteligencia móvil.
BOB PETTE
Vicepresidente de Plataformas Empresariales
En busca de una escalabilidad sostenible: a medida que las empresas se preparan para adoptar una nueva generación de agentes de IA semiautónomos para mejorar diversos procesos comerciales, se centrarán en crear una infraestructura sólida, una gobernanza y capacidades similares a las humanas para una implementación eficaz a gran escala. Al mismo tiempo, las aplicaciones de IA utilizarán cada vez más la capacidad de procesamiento local para permitir que funciones de IA más sofisticadas se ejecuten directamente en estaciones de trabajo, incluidas computadoras portátiles delgadas y livianas y formatos compactos, y mejorar el rendimiento al tiempo que se reduce la latencia de las tareas impulsadas por IA.
Las arquitecturas de referencia validadas, que brindan orientación sobre las plataformas de hardware y software adecuadas, serán cruciales 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 IA, al ayudar a garantizar que sus inversiones se alineen con las necesidades actuales y los avances tecnológicos futuros.
Revolucionando la construcción, la ingeniería y el diseño con IA: se espera ver 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 agente extraerá significado de volúmenes masivos de datos de construcción recopilados por sensores y cámaras en el lugar, ofreciendo información que conduce a cronogramas de proyectos y gestión de presupuestos más eficientes.
La IA evaluará datos de captura de la realidad (lidar, fotogrametría y campos de radiancia) las 24 horas del día, los 7 días de la semana y obtendrá información crítica sobre calidad, seguridad y cumplimiento, lo que se traducirá 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 computacional para soluciones de flujo de aire adaptadas a habitaciones o pisos individuales de un edificio, lo que permitirá una iteración de diseño más rápida.
En el diseño, la generación aumentada por recuperación permitirá el cumplimiento de las normas en las primeras fases de diseño, al garantizar que el modelado de la información para el diseño y la construcción de edificios cumpla con los códigos de construcción locales. Los modelos de IA de difusión acelerarán el diseño conceptual y la planificación del sitio al permitir que los arquitectos y diseñadores combinen indicaciones de palabras clave y bocetos preliminares para generar imágenes conceptuales ricas en detalles para las presentaciones a los clientes. Eso liberará tiempo para centrarse en la investigación y el diseño.
SANJA FIDLER
Vicepresidenta de Investigación de IA
Predecir la imprevisibilidad: esperamos ver más modelos que puedan aprender en el mundo cotidiano, ayudando a los humanos digitales, robots e incluso autos autónomos a comprender 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 exageraciones similar al optimismo sobre la conducción autónoma hace cinco o siete años. A empresas como Waymo y Cruise les llevó muchos años ofrecer un sistema que funcione, y aún no es escalable porque la gran cantidad de datos que estas empresas y otras, incluida Tesla, han recopilado pueden ser aplicables en una región pero no en otra.
Con los modelos introducidos este año, ahora podemos avanzar 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 tipos. Las aplicaciones de vanguardia, como robots, automóviles y maquinaria de almacén, aprenderán rápidamente coordinación, destreza y otras habilidades para navegar, adaptarse e interactuar con el mundo real.
¿Podrá un robot preparar café y huevos en tu cocina y luego limpiar después? Todavía no, pero puede que llegue antes de lo que crees.
Ser realistas: la fidelidad y el realismo están llegando a la IA generativa en todo el proceso de gráficos y simulación, lo que conduce a juegos hiperrealistas, películas generadas por IA y humanos digitales.
A diferencia de los gráficos tradicionales, la gran mayoría de las imágenes provendrán de píxeles generados en lugar de renderizados, lo que dará como resultado movimientos y apariencias más naturales. Las herramientas que desarrollan y repiten comportamientos contextuales darán como resultado juegos más sofisticados por una fracción del costo de los títulos AAA actuales.
Las industrias adoptan IA generativa: casi todas las industrias están preparadas para utilizar la IA para mejorar la forma en que las personas viven y juegan.
La agricultura utilizará la IA para optimizar la cadena alimentaria y mejorar la distribución de los alimentos. Por ejemplo, la IA puede utilizarse para predecir las emisiones de gases de efecto invernadero de diferentes cultivos en granjas individuales. Estos análisis pueden ayudar a fundamentar 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 las experiencias de aprendizaje, hablando en el idioma nativo de una persona y haciendo o respondiendo preguntas en función del nivel de educación en una materia en particular.
A medida que los aceleradores de próxima generación ingresen al mercado, también se observará una mayor eficiencia en la entrega de estas aplicaciones de IA generativa. Al mejorar el entrenamiento y la eficiencia de los modelos en las pruebas, las empresas y las empresas emergentes verán retornos de inversión mejores y más rápidos en esas aplicaciones.
ANDREW FENG
Vicepresidente de software de GPU
El análisis de datos acelerado ofrece información sin necesidad de cambiar el código: en 2025, el análisis de datos acelerado se convertirá en algo habitual para las organizaciones que luchan con volúmenes de datos cada vez mayores.
Las empresas generan cientos de petabytes de datos al año y todas buscan formas de aprovecharlos. Para ello, muchas adoptarán la informática acelerada para el análisis de datos.
El futuro está en las soluciones de análisis de datos acelerados que no requieren cambios de código ni de configuración, lo que permite a las organizaciones combinar sus aplicaciones de análisis de datos existentes con computación acelerada con el mínimo esfuerzo. La tecnología de análisis impulsada por IA generativa ampliará aún más la adopción de análisis de datos acelerados al permitir a los usuarios (incluso a aquellos que no tienen conocimientos de programación tradicionales) crear nuevas aplicaciones de análisis de datos.
La integración perfecta 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.
NADER KHALIL
Director de Tecnología para Desarrolladores
La fuerza laboral de las empresas emergentes: si no ha oído hablar mucho sobre ingenieros rápidos o diseñadores de personalidades de IA, lo hará en 2025. A medida que las empresas adopten la IA para aumentar la productividad, espere ver nuevas categorías de trabajadores esenciales tanto para las empresas emergentes como para las grandes empresas que combinen habilidades nuevas y existentes.
Un ingeniero de mensajes diseña y perfecciona cadenas de texto precisas que optimizan el entrenamiento de la IA y producen los resultados deseados en función de la creación, prueba e iteración de diseños de mensajes para chatbots e IA de agentes. La demanda de ingenieros de mensajes se extenderá más allá de las empresas tecnológicas a sectores como el legal, la atención al cliente y la publicación. A medida que proliferen los agentes de IA, las empresas y las nuevas empresas recurrirán cada vez más a los diseñadores de personalidades de IA para mejorar los agentes con personalidades únicas.
Así como el auge de las computadoras generó títulos laborales como científicos informáticos, científicos de datos e ingenieros de aprendizaje automático, la IA creará diferentes tipos de trabajo, ampliando las oportunidades para las personas con fuertes habilidades analíticas y de procesamiento del lenguaje natural.
Comprender la eficiencia de los empleados: las empresas emergentes que incorporan IA en sus prácticas agregarán cada vez más ingresos por empleado (RPE) a su léxico cuando hablen con inversores y socios comerciales.
En lugar de adoptar una mentalidad de “crecimiento a cualquier precio”, la incorporación de IA a la plantilla permitirá a los propietarios de empresas emergentes centrarse 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 empresas emergentes, la RPE encaja en los debates sobre el retorno de la inversión en IA y los retos de cubrir puestos en competencia con las grandes empresas y las compañías tecnológicas.
Nota del editor: Las cifras sobre el gasto en soluciones de IA proceden del informe de IDC “IDC FutureScape: Worldwide Generative Artificial Intelligence 2025 Predictions”, Doc # US52632924, publicado en octubre de 2024. Los datos sobre el impacto económico de la IA proceden del comunicado de prensa de IDC titulado “IDC FutureScape: The AI Pivot Towards Becoming an AI-Fueled Business”, publicado en octubre de 2024. NVIDIA News. A. E. Traducido al español
Contacto