Licensed for Distribution
This research note is restricted to the personal use of ().Magic Quadrant para servicios de desarrolladores de IA en la nube
Publicado el 23 de mayo de 2022 - ID G00746705 - 47 min de lectura
Por los analistas: Van Baker, Svetlana Sicular, Erick Brethenoux, Arun Batchu, Mike Fang
Para crear aplicaciones de última generación, los desarrolladores necesitan servicios que mejoren las capacidades de las aplicaciones en las áreas de aprendizaje automático, lenguaje y visión. Los líderes de ingeniería de software deben utilizar nuestro análisis de proveedores de servicios para desarrolladores de IA en la nube (Cloud AI Developer Services, CAIDS) para seleccionar el mejor socio para su organización.
This Magic Quadrant is related to other research:
Critical Capabilities for Cloud AI Developer Services
Definición o descripción del mercado
Los CAIDS son servicios alojados en la nube o en contenedores que permiten a los equipos de desarrollo y usuarios empresariales que no son expertos en ciencia de datos utilizar modelos de inteligencia artificial (IA) a través de API, kits de desarrollo de software (Software Development Kits, SDK) o aplicaciones. Ayudan a estos usuarios a ofrecer servicios con capacidades en las áreas de aprendizaje automático (Automated Machine Learning, autoML), lenguaje y visión, por ejemplo, comprensión del lenguaje natural (Natural Language Understanding, NLU), análisis de sentimientos, reconocimiento de imágenes y servicios de canalización de modelos de aprendizaje automático (Machine Learning, ML).
Nuestra visión del mercado de CAIDS se centra en la capacidad de cada proveedor para satisfacer las necesidades futuras de los usuarios finales. No nos centramos en el mercado tal y como es en la actualidad. Los proveedores que solo ofrecen servicios de lenguaje o servicios de visión, así como los proveedores que se especializan solo en casos de uso específicos, fueron excluidos de este Magic Quadrant.
Magic Quadrant
Puntos fuertes y precauciones del proveedor
Aible
Aible es un especialista en este Magic Quadrant. Aible proporciona innovadores servicios de autoML centrados en el rendimiento de la inversión (Return On Investment, ROI), así como servicios de idiomas y visión. Sus operaciones se centran en los EE. UU. y Europa, y tiene clientes en diferentes industrias. La plataforma de Aible tiene capacidades de ML, optimización, simulación, recomendación y supervisión. Todas las ofertas son sin servidor (para seguridad y eficiencia computacional) y los modelos se pueden implementar en Microsoft Azure y Amazon Web Services (AWS). La plataforma es fácil de usar, guiada y atractiva. Les permite a los desarrolladores utilizar enfoques sin código, de código bajo y basados en código. Pueden traer sus propios modelos y acceder a Aible a través de API. La garantía de satisfacción de Aible de 30 días subraya su promesa de lograr un impacto empresarial en un mes.
-
Comprensión del mercado: La comprensión del mercado de Aible respalda su crecimiento, que es rápido en comparación con proveedores similares. Para crear estrategias de IA que generen impacto empresarial, Aible comienza por comprender los objetivos empresariales de sus clientes e involucrar a todas las partes interesadas. Ofrece una experiencia intuitiva e integral impulsada por datos, pruebas hipotéticas y planificación de escenarios. A partir del resultado del negocio, Aible puede posicionar de forma única el valor empresarial de los modelos de ML para los usuarios empresariales.
-
Innovación: Aible busca maximizar la simplicidad, la facilidad de uso y el impacto en el negocio. Sus áreas de innovación incluyen IA sin servidor, el “sistema nervioso central empresarial”/empresa mejorada, planificación empresarial ascendente y descendente asistida por IA y soluciones integradas para aplicaciones empresariales existentes. Sus innovadores tejidos de IA proporcionan soluciones de IA para sectores como comercio minorista, fabricación, banca, seguros, atención médica, telecomunicaciones, educación y gobierno, así como áreas funcionales que son el ámbito de las oficinas del director de Marketing (Chief Marketing Officer, CMO), director de finanzas (Chief Financial Officer, CFO), el director de Riesgos (Chief Risk Officer, CRO) y director de Información (Chief Information Officer, CIO).
-
Estrategia (de oferta) de productos: El autoML de Aible ofrece resultados de IA basados en las limitaciones del proceso empresarial. Para cada solución, Aible implementa más de un modelo en forma sin servidor y recomienda ajustarse al mejor modelo con un clic, en función de las condiciones inmediatas. En 2021, Aible lanzó experiencias guiadas para ayudar a los usuarios menos cualificados a navegar por procesos complejos. Estas guías paso a paso dividen un proceso de autoML de extremo a extremo en un conjunto de microtareas que varios usuarios pueden completar en cualquier orden. Este enfoque guiado simplifica la colaboración entre usuarios y les permite trabajar en procesos sofisticados sin necesidad de habilidades de ML.
-
Estrategia geográfica: La presencia geográfica de Aible se limita a cuatro oficinas en Norteamérica y dos oficinas en Europa. Casi todos sus clientes están en esas dos regiones. Aible continúa expandiéndose en los EE. UU. y Europa y tiene previsto expandirse a Asia-Pacífico, pero, fuera de los EE. UU. y Europa, los socios proporcionan asistencia al cliente, incluidos varios integradores de sistemas globales. Los clientes potenciales deben asegurarse de que Aible y sus socios puedan proporcionar el apoyo que necesitan en su región o regiones.
-
Viabilidad general: A pesar del rápido crecimiento y reconocimiento de Aible, no está tan bien financiado o reconocido como sus competidores más grandes y consolidados. Sin embargo, Aible está iniciando sólidas asociaciones con grandes proveedores como Intel, Salesforce, Dell y Boomi.
-
Producto o servicio: Hay disponibles servicios de idiomas y visión, pero los desarrolladores deben saber que Aible utiliza modelos de terceros preentrenados para ciertos servicios; es importante tener en cuenta que en muchos casos los modelos previamente entrenados son una opción viable. Estos modelos se pueden implementar como modelos nativos de Aible (en formato sin servidor) para minimizar los costos y maximizar la escala. Los modelos de terceros pueden ser independientes o en cadena con otros modelos. Los desarrolladores deben tener en cuenta que la creciente complejidad debe supervisarse cuidadosamente en este caso.
Alibaba Cloud
Alibaba Cloud es un contendiente en este Magic Quadrant. El producto Alibaba Cloud ofrece un conjunto completo de CAIDS, que abarcan servicios de lenguaje, visión y autoML. La empresa empaqueta estos servicios de varias maneras para adaptarse a los desarrolladores profesionales y ciudadanos. También ofrece servicios prediseñados para sectores como banca, finanzas, seguros, educación, gobierno, atención médica, fabricación, medios y entretenimiento, comercio minorista, transporte/logística y juegos. Alibaba Cloud es una filial de Alibaba, una empresa que cotiza en bolsa con 48 oficinas globales. Sus operaciones están principalmente en China. También tiene una presencia menor en Europa, Oriente Medio y África (Europe, Middle East and Africa, EMEA), Norteamérica y otros países de Asia-Pacífico.
-
Innovation: Innovación: La plataforma AliceMind de Alibaba Cloud es una plataforma abierta en la que los desarrolladores pueden personalizar sus modelos de IA. Ofrece modelos y códigos fuente preentrenados y a gran escala en GitHub. El sólido apoyo de Investigación y Desarrollo (I+D) de la empresa, impulsado por la Alibaba DAMO Academy (Academia para el Descubrimiento, la Aventura, el Momento y las Perspectivas), acelera aún más la innovación. Sus desarrollos más recientes incluyen el aprendizaje de los “humanos digitales” con pocos ejemplos para el lenguaje natural, y documentan la IA lograda a través del aprendizaje multimodal profundo, que implica el análisis de diseño, la comprensión del contenido de tablas, el análisis de fuentes y la generación y comprensión de jerarquías de párrafos. Además, el sólido modelo multimodal preentrenado de Alibaba Cloud podría ayudar a traducir el lenguaje de signos en emisión de voz o texto.
-
Capacidad de respuesta del mercado e historial: Alibaba Cloud tiene un amplio conjunto de CAIDS, de precisión líder en el sector, integrados para su uso tanto por desarrolladores profesionales como ciudadanos. Su mercado de IA ofrece más de 1600 modelos.
-
Ejecución de ventas y precios: La oferta de CAIDS de Alibaba Cloud mantuvo un buen impulso de ventas en 2021. La empresa ofrece precios flexibles: pagos por uso o cargos periódicos. También proporciona algunas API gratuitas para desarrolladores (especialmente empresas emergentes).
-
Estrategia de oferta (producto): Aunque la nueva marca Lingjie de Alibaba Cloud proporciona servicios de lenguaje, visión y AutoML con capacidades integrales, la solución no se había integrado completamente con la plataforma AliceMind durante el periodo de evaluación de este Magic Quadrant.
-
Estrategia geográfica: Alibaba Cloud tiene una cobertura limitada fuera de Asia-Pacífico. Alrededor del 99 % de sus clientes de CAIDS tienen sede en China. Alibaba Cloud solo tiene una pequeña participación en los EE. UU., Europa y Oriente Medio, y no tiene cobertura en Sudamérica. Sus planes de expansión para 2022 siguen centrándose en China y Asia-Pacífico.
-
Atención al cliente: Aunque Alibaba Cloud proporciona una asistencia al cliente integral para sus CAIDS, tiene menos socios de servicio de CAIDS que sus principales competidores. Esto podría limitar su capacidad para ampliar la profundidad y amplitud de sus soluciones.
Amazon Web Services
Amazon Web Services (AWS) es Leader en este Magic Quadrant. Sus servicios de IA, incluidos Amazon SageMaker y otros servicios populares de lenguaje y visión, están diseñados para automatizar todo el ciclo de desarrollo y operacionalización de la IA. Tiene una fuerte presencia global en el mercado de CAIDS, con clientes en todos los sectores. AWS les permite a los clientes crear soluciones por su cuenta, con la ayuda de personal dedicado de AWS o con la ayuda de socios consultores. AWS es una opción atractiva para las cargas de trabajo de producción, debido a los bajos costos operativos y la amplitud de sus servicios de IA y las opciones de infraestructura.
-
Ejecución: AWS es el proveedor con mayor puntuación en Capacidad de ejecución. Demuestra una sólida estrategia de productos de IA, comprensión del mercado, estrategia de marketing, estrategia de ventas y ejecución de modelos de negocio. Como resultado, AWS está expandiendo constantemente su presencia en el mercado de CAIDS al atraer a cientos de miles de clientes a sus servicios de IA.
-
Estrategia geográfica: AWS ofrece una amplia infraestructura global en la nube. Sus zonas de disponibilidad proporcionan una mayor cobertura que cualquiera de sus competidores y abarca la mayoría de las regiones. También hay planes de expandirse a más regiones. AWS hace que sea sencillo para los clientes implementar sus modelos en instancias de derivación automática de Amazon ML en múltiples zonas de disponibilidad.
-
Producto o servicio: AWS destaca en términos de operacionalización de IA y escalabilidad de producción. Con Amazon SageMaker, los desarrolladores pueden implementar modelos entrenados en entornos de producción con un solo clic. Además, la arquitectura de SageMaker les permite a los desarrolladores integrar sus nuevos modelos en una aplicación simplemente proporcionando especificaciones básicas de instancias, y los cambios en los modelos no requieren cambios en el código de la aplicación. AWS ofrece una variedad de instancias y ha creado sus propios chips para que la IA admita entrenamiento e inferencia. También innova para optimizar el rendimiento de herramientas de código abierto como TensorFlow y PyTorch.
-
Estrategia vertical o industrial: AWS proporciona sólidas capacidades de IA de uso general, pero le falta amplitud de soluciones para la industria. AWS, sin embargo, está progresando en este sentido al ofrecer soluciones fragmentadas, como Amazon Forecast, Amazon Transcribe Medical, Amazon Comprehend Medical, Amazon Lookout for Equipment y Amazon Monitron. AWS llena las brechas en soluciones completas de otra manera con sus directrices y modelos. También ha introducido Amazon SageMaker JumpStart para que los desarrolladores comiencen con los casos de uso más comunes.
-
Innovación: AWS está detrás de sus competidores en términos de IA responsable. Amazon SageMaker Clarify representa, sin embargo, un paso prometedor hacia la provisión de explicabilidad. AWS debe acelerar sus esfuerzos de IA responsable para competir con los otros líderes a este respecto.
-
Estrategia de oferta (producto): AWS es el único líder que carece de una visión de nube híbrida y multinube. Los clientes que buscan soluciones multinube y de nube híbrida de AWS tienen opciones limitadas y probablemente necesiten asociarse con otros proveedores en este Magic Quadrant, como Dataiku y H2O.ai. Sin embargo, para la visión artificial, los clientes pueden considerar AWS Panorama, un dispositivo de ML y SDK, que puede usar cámaras en las instalaciones para hacer predicciones localmente.
Baidu
Baidu es un contendiente en este Magic Quadrant. Baidu ofrece una amplia gama de servicios de IA para funciones de autoML, lenguaje y visión. Sus operaciones y clientes se encuentran principalmente en China, pero también tiene cierta presencia en los EE. UU. Sus servicios Baidu Brain respaldan su IA interna y sus servicios de IA comercial. Baidu cuenta con más de 1300 empleados que se centran en la cartera comercial de CAIDS. AI Technology Group y AI Labs de Baidu cuentan con unos 2000 empleados que desarrollan tecnologías como PaddlePaddle (un marco de aprendizaje profundo de código abierto), AI chips, DuerOS (un asistente virtual) y Baidu Apollo (para conducción autónoma).
-
Innovación: Baidu es un innovador líder en IA. En noviembre de 2021, tenía más patentes de IA en China que cualquier otra empresa. Tiene patentes para aprendizaje profundo, lenguaje, visión, vehículos autónomos y soluciones específicas de la industria. También es líder en procesamiento del lenguaje natural (Natural Language Processing, NLP) chino. Además, Baidu lanzó recientemente XiLing, una plataforma que puede generar un avatar digital para proporcionar servicios de lenguaje de signos para personas con discapacidad auditiva.
-
Estrategia de marketing: Baidu organizó su evento virtual Create 2021 para desarrolladores de IA en su aplicación XiRang. Este fue el primer evento de IA en ofrecer una experiencia de metaverso. El concepto de “oficina operativa de IA” propuesto por Baidu se basa en la amplia cartera de tecnologías de IA de Baidu Brain en diferentes soluciones inteligentes de la industria para los sectores de finanzas, energía, internet, educación, operaciones, fabricación y gobierno, entre otros. Este enfoque ayuda a los clientes a construir una infraestructura de IA unificada y a integrar activos de IA. También promueve el desarrollo colaborativo, reutilizable y ágil de aplicaciones para acelerar el camino hacia aplicaciones inteligentes.
-
Modelo de negocio: El plan de aceleración de IA de Baidu ayuda a las empresas emergentes de IA a crecer utilizando las técnicas de IA de Baidu. Además, PaddlePaddle de Baidu es la plataforma de aprendizaje profundo de código abierto líder en China, donde atiende a más de cuatro millones de desarrolladores.
-
Estrategia geográfica: Las soluciones de IA de Baidu están dirigidas principalmente a desarrolladores en China. Algunas de sus ofertas de lenguaje natural, como el análisis de texto y el análisis de sentimientos, solo están disponibles en chino. Baidu planea expandirse en Norteamérica y en Asia-Pacífico, pero aún no ha demostrado éxito en estas regiones. Su falta de soporte de lenguaje en idiomas diferentes al chino puede limitar su capacidad de expansión.
-
Estrategia vertical o industrial: Aunque la tecnología de IA de Baidu es líder en el mercado, su estrategia para canalizar soluciones del sector está menos establecida que la de sus principales competidores chinos (como Alibaba con su plataforma de comercio electrónico o Tencent con su ecosistema construido en torno a los juegos y las redes sociales). Como resultado, Baidu podría enfrentarse a desafíos al intentar expandirse dentro de sus industrias objetivo.
-
Ejecución de ventas y precios: Baidu ofrece precios competitivos, pero su valor contractual por cliente es relativamente bajo, en comparación con sus competidores. La estrategia de precios de Baidu le ayuda a ampliar su base de clientes en esta etapa, pero podría plantear dudas sobre su rentabilidad a largo plazo.
Clarifai
Clarifai es un especialista en este Magic Quadrant. La empresa es más conocida por sus servicios de imagen y ha sido un proveedor sólido en esa área durante varios años. Su oferta de CAIDS y su hoja de ruta abarcan los tres casos de uso: idioma, visión y autoML. Sus operaciones se encuentran geográficamente distribuidas. Sus clientes tienden a ser empresas medianas y grandes, de los sectores más importantes. Aunque Clarifai creció significativamente en términos de ventas y asociaciones en 2021, sigue siendo una empresa emergente en fase intermedia y aún no es rentable.
-
Comprensión del mercado: Clarifai tiene una sólida comprensión del mercado, con un enfoque marcado en los flujos de trabajo de los desarrolladores. Proporciona a los equipos de ingeniería de software todas las funciones que necesitan para crear aplicaciones empresariales habilitadas para IA, incluidas API, aceleradores, modelos preentrenados (con la capacidad de configurarlos) y funciones de operaciones de aprendizaje automático de extremo a extremo (Machine Learning Operations, MLOps).
-
Estrategia de oferta (producto): Clarifai planea reforzar aún más su oferta en 2022. Su hoja de ruta incluye soluciones centradas en el sector, nuevos aceleradores de hardware, generación de datos sintéticos bajo demanda, complementos personalizados e impulsados por la comunidad, conjuntos de datos etiquetados de colaboración abierta, etiquetas a nivel de token, capacidad para cargar modelos, estadísticas de desviación mejoradas y visualización de incorporaciones mejorada.
-
Innovación: Clarifai invierte más de la mitad de sus ingresos en investigación y desarrollo. Las innovaciones planificadas en los servicios de lenguaje incluyen la clasificación de texto sin ejemplos, la vinculación de gráficos de conocimientos y la identificación de oradores. Su plan de innovación para servicios de visión incluye etiquetado de datos 3D, detecciones de acción de video espacial-temporal y generación de datos sintéticos para fabricación. Clarifai también planea desarrollar capacidades de aprendizaje distribuido y aprendizaje federado para el caso de uso de autoML.
-
Viabilidad general: Clarifai es una empresa relativamente pequeña y financiada por empresas de capitales de riesgo que compite con los gigantes de la nube. Aunque Clarifai ha crecido de forma constante desde 2013, debe seguir funcionando con fuerza para mantener su crecimiento financiero.
-
Estrategia geográfica: Clarifai no cuenta con personal en todas las regiones donde se encuentran sus clientes. Los clientes potenciales deben asegurarse de que obtendrán el servicio y la asistencia que necesitan dentro de los parámetros del acuerdo de nivel de servicio (Service Level Agreement, SLA) que desean.
-
Operaciones: Clarifai cuenta con personal dedicado a operaciones y asistencia repartido por las zonas horarias de EMEA y los EE. UU. Sin embargo, la cantidad de personal es baja en comparación con otros proveedores que evaluamos. Las grandes empresas deben trabajar estrechamente con Clarifai para asegurarse de obtener el nivel de soporte que esperan.
Dataiku
Dataiku es un especialista en este Magic Quadrant. Su plataforma proporciona sólidos servicios de autoML y algunos servicios de lenguaje y visión, y ofrece datos, análisis e IA diseñados para diferentes usuarios. Las operaciones de Dataiku son globales y sus servicios están disponibles en la mayoría de las regiones. Tiene clientes en la mayoría de los sectores. Dataiku les permite a los desarrolladores crear canales de datos, visualizaciones de datos, proyectos de ML y aprendizaje profundo y aplicaciones de usuario final. Tiene capacidades de MLOps y ModelOps para escalar la IA dentro de las empresas. Hace hincapié en la facilidad de uso, el tiempo de valoración, la componibilidad y el soporte de su plataforma para la colaboración entre diferentes roles con el fin de ofrecer soluciones de IA. Anunció una ronda de financiación de Serie E en 2021.
-
Estrategia de oferta (producto): La plataforma de Dataiku es una oferta de extremo a extremo con interfaces visuales y programáticas. Está diseñada para empoderar a los usuarios con diferentes habilidades. Sus proyectos y componentes son modulares, transparentes y reutilizables. Los desarrolladores pueden crear servicios de IA a través de diferentes opciones ofrecidas por las extensiones de Dataiku, los servicios alojados y el autoML. Los clientes pueden utilizar modelos entrenados de socios tecnológicos. Dataiku también organiza más de 30 herramientas de código abierto.
-
Comprensión del mercado: Dataiku es atractivo para los clientes con estrategias multinube, especialmente aquellos que necesitan portabilidad. Dataiku admite servicios en la nube de AWS, Microsoft (Azure) y Google Cloud Platform. En cada nube, proporciona una configuración totalmente gestionada y con todas las funciones que incluye IA elástica, seguridad avanzada, soporte de R y autorreparación.
-
Experiencia del cliente: Los clientes de Dataiku han elogiado su atención al cliente. La empresa ofrece SLA concretos para todos los clientes sin costo adicional (más allá de los cargos por otorgamiento de licencias), según la clasificación de errores. También proporciona modelos de soporte personalizados a los clientes que necesitan orientación adicional.
-
Capacidad de respuesta del mercado e historial: Dataiku es conocida por su formidable plataforma de ciencia de datos y ML, pero aún no ha obtenido el mismo reconocimiento de los desarrolladores de IA, a pesar de las características fáciles de desarrollar, como su entorno de desarrollo integrado (Integrated Development Environment, IDE), y las integraciones de portátiles y DevOps.
-
Producto o servicio: Hay brechas de funcionalidad en los servicios de lenguaje y de visión de Dataiku. No ofrece texto a voz, comprensión del lenguaje en tiempo real ni herramientas con las que los desarrolladores puedan personalizar los modelos de lenguaje. También hay deficiencias en sus capacidades de procesamiento de video y reconocimiento óptico de caracteres (Optical Character Recognition, OCR). Sin embargo, los clientes pueden solucionar estas brechas con la ayuda de las recetas de código de Dataiku.
-
Ejecución de ventas y precios: Dataiku debe mejorar la claridad y la flexibilidad de las opciones de precios de su plataforma de IA empresarial para adaptarse a una mayor variedad de organizaciones y modelos de negocio.
Google es Leader en este Magic Quadrant. Ofrece servicios de lenguaje, visión y autoML a través de Vertex AI en Google Cloud Platform (GCP). Los servicios de Google se centran en modelos de redes neuronales profundas (Deep Neural Network, DNN). Google ofrece soluciones para cinco industrias, con más en su hoja de ruta. También ofrece soluciones horizontales llamadas Contact Center AI y Document AI, junto con modelos de ML preentrenados que los desarrolladores pueden personalizar. En 2021, Google registró un fuerte crecimiento en los ingresos, la base de clientes y la red de socios. Es líder en investigación de IA y en IA responsable, con más de 3500 investigadores que han producido más de 6000 artículos de investigación.
-
Comprensión del mercado: La comunidad de desarrolladores aprecia los servicios de IA y ML de Google. El lanzamiento de Vertex AI ha integrado sus herramientas para crear, implementar y gestionar modelos de IA y ML. Esta integración ayuda a reducir el tiempo de producción de los modelos creados con Vertex AI. Las ofertas específicas para desarrolladores incluyen BigQuery ML, AutoML y API de ML. Además, la herramienta What-If puede ser utilizada por científicos y desarrolladores de datos para evaluar y depurar modelos de ML.
-
Innovación: En el campo de la IA responsable, Google cuenta con procesos éticos bien definidos y puede abordar rápidamente las preocupaciones sobre la IA caso por caso. Tiene tarjetas modelo que explican claramente los elementos esenciales de un modelo de ML e indicadores de equidad que evalúan automáticamente el sesgo en conjuntos de datos y modelos. Los principios de IA de la empresa se centran en la responsabilidad y en evitar sesgos injustos. Estos principios guían los esfuerzos responsables de IA de Google Cloud y cómo consulta y trabaja con clientes y socios.
-
Estrategia del producto: La arquitectura de Google se basa en sus principales servicios de IA con Vertex AI Pipelines y Vertex Explainable AI. Su cartera también incluye servicios de visión, IA conversacional, lenguaje y datos estructurados y optimización. Google ha creado soluciones específicas del sector sobre esta capa de servicios, incluidas soluciones para comercio minorista, servicios financieros, fabricación, medios y atención sanitaria. La arquitectura de Google es clara y comprensible para los desarrolladores.
-
Estrategia de oferta: Los esfuerzos de investigación y de desarrollo de productos de Google se centran casi exclusivamente en redes neuronales, y le prestan poca atención a la IA simbólica. Por el contrario, varios de los competidores de Google están experimentando con el potencial de combinar el aprendizaje profundo con enfoques de IA simbólicos más maduros. Si bien tiene una excelente capacidad de lenguaje en general, Google tiene un soporte de lenguaje algo limitado para el análisis de sentimientos y el análisis de texto.
-
Modelo de negocio: Google no admite completamente la implementación de servicios de IA en nubes privadas o en las instalaciones. Sin embargo, los clientes pueden crear soluciones alternativas utilizando las capacidades de implementación de entorno edge, Kubeflow y la oferta de AI Platform Pipelines de Google.
-
Estrategia vertical o industrial: Aunque Google cuenta con sólidas ofertas de mercado vertical, el número de sectores que aborda es menor que el que abordan las ofertas de mercado vertical de otros proveedores.
H2O.ai
H2O.ai es un especialista en este Magic Quadrant. Su plataforma proporciona servicios de lenguaje, visión y autoML que pueden ejecutarse en entornos en la nube, locales, perimetrales e híbridos. Tiene clientes en la mayoría de los sectores. La nube de IA de H2O creció enormemente en 2021. H2O.ai sigue siendo un líder de pensamiento en autoML en datos estructurados, de series temporales, de imagen, video, audio, texto y documentos.
La empresa es un importante contribuyente de código abierto, con 20 000 empresas que apoyan la oferta de código abierto de H2O.ai y más de un millón de usuarios. H2O.ai invierte recursos en IA for Good para resolver problemas globales, como problemas de conservación y desastres naturales.
-
Capacidad de respuesta del mercado e historial: H2O.ai sigue innovando en relación con sus ofertas de CAIDS. Esto se muestra por sus características de autoML de vanguardia; MLOps para la implementación, gestión y gobernanza de modelos; Hydrogen Torch para entrenamiento de modelos de aprendizaje profundo sin código; marco de desarrollo de aplicaciones de IA de Python con pocos ejemplos; e IA explicable para ayudar a los desarrolladores a crear y poner en funcionamiento soluciones de IA más rápido.
-
Comprensión del mercado: El enfoque de H2O.ai en la democratización de la IA se alinea bien con las demandas del creciente número de desarrolladores de IA. H2O.ai crea productos de IA en conjunto con sus clientes y comunidad al aportar su tecnología, experiencia en IA, soporte de lanzamiento al mercado, formación y habilitación, mientras que los clientes contribuyen con su visión de dominio y datos. Por ejemplo, H2O.ai ha creado conjuntamente una tienda de funciones de IA con AT&T y aplicaciones de tecnología financiera con el Commonwealth Bank of Australia. Además, H2O.ai ha priorizado las soluciones verticales para servicios sanitarios y financieros, y para operaciones comerciales y servicio al cliente.
-
Estrategia de ventas y asociaciones: H2O.ai ha modernizado enérgicamente su enfoque de ventas. Ha introducido un modelo de precios de consumo, mediante el cual los clientes consumen unidades de IA en la nube que se pueden aplicar a cualquier servicio de IA en la nube de H2O. Los desarrolladores pueden registrarse en el nivel gratuito y comenzar a usar la plataforma H2O AI Cloud directamente desde su sitio web. H2O.ai también está ampliando sus asociaciones, inclusive con integradores de sistemas globales, regionales y verticales, socios en la nube y proveedores de tecnología.
-
Experiencia del cliente: Las experiencias de los clientes de pago de H2O.ai y algunos usuarios de código abierto parecen diferir. La mayoría de los clientes de pago valoran las respuestas rápidas y competentes que reciben. También tienen acceso a los mejores talentos en ciencia de datos llamados “Kaggle grandmasters”. Sin embargo, algunos usuarios de código abierto de H2O.ai han informado problemas. Para mantener su buena reputación, H2O.ai necesita gestionar la experiencia que proporciona a los usuarios de código abierto.
-
Operaciones: H2O.ai tiene limitaciones de recursos que afectan su capacidad para cubrir las operaciones globales, especialmente en regiones donde su presencia está creciendo. La empresa es imprecisa en cuanto a sus operaciones y métricas distribuidas. Además, aunque el soporte comunitario y el autoservicio de H2O.ai funcionan bien para los usuarios competentes en ML, la mayoría de los desarrolladores necesitan orientación adicional.
-
Producto o servicio: La función de voz a texto solo está disponible a través de una receta personalizada y necesita trabajo adicional para exportar el modelo para su uso dentro de otras aplicaciones, incluidas otras herramientas NLU. Además, aunque H2O.ai implementa cientos de recetas personalizadas para que la plataforma de IA H2O Driverless proporcione capacidades y educación adicionales a los desarrolladores, muchos otros proveedores de IA ahora también adoptan un enfoque basado en recetas.
IBM
IBM es Leader en este Magic Quadrant. Sus servicios abarcan todos los segmentos del mercado de CAIDS. Sus operaciones son globales y tiene clientes en todos los sectores. IBM ha consolidado su oferta de IA bajo la marca Watson y ha perfeccionado sus requisitos de productos y servicios para aclarar el posicionamiento de Watson. IBM también ha reforzado la integración entre su división de investigación líder en el sector y sus organizaciones de productos para garantizar que las innovaciones de IBM se añadan a los productos de forma oportuna. IBM tiene una fuerte presencia en mercados verticales y es líder en IA responsable y fiable. Lidera con una verdadera estrategia de nube híbrida que atrae a la mayoría de los clientes.
-
Producto o servicio: Los servicios de lenguaje de IBM son especialmente sólidos. Los desarrolladores pueden integrar IBM Watson Assistant, Watson Natural Language Understanding y Watson Discovery para agilizar el descubrimiento y la creación de intenciones y entidades. Esto puede facilitar la creación de agentes virtuales personalizados. Los servicios de visión de IBM también son altamente competitivos, especialmente sus capacidades de análisis de contenido de vídeo. Además, los servicios de ML de IBM funcionan bien y tienen sólidas capacidades de detección de sesgos.
-
Comprensión del mercado: IBM tiene una sólida cartera de CAIDS que apuntan a una amplia gama de necesidades de los clientes. IBM ha consolidado sus productos, servicios y actividades de gestión de marca de IA en una sola organización. La empresa se ha centrado en ofrecer soluciones sólidas para desarrolladores. Sus herramientas son fáciles de desarrollar y proporcionan activos de desarrollo tanto de código bajo como codificados que les permiten a los desarrolladores crear soluciones rápidamente.
-
Viabilidad general: La sólida estrategia geográfica de IBM y el enfoque en el mercado vertical posicionan a la empresa para seguir ofreciendo una cartera sólida para desarrolladores en una amplia gama de casos de uso y soluciones. La amplitud de comprensión de IBM, junto con su estrategia consolidada de IA y su enfoque en soluciones de nube híbrida, les da una ventaja al abordar el mercado de desarrolladores.
-
Estrategia de ventas: La estrategia de ventas de IBM es algo confusa para los desarrolladores. Uno de sus socios preferidos es su división IBM Consulting. En algunos casos, este grupo puede considerarse competencia directa con empresas de desarrollo independientes. Además, la reputación de IBM en el mercado de CAIDS a veces se ve influida por la solidez de las soluciones que IBM Consulting crea e implementa, y las implementaciones de estas soluciones han tenido resultados mixtos.
-
Capacidad de respuesta del mercado: Aunque la oferta general de IBM es, por lo general, completa y competitiva, es deficiente en algunas áreas, como etiquetado de imágenes y generación de imágenes. Además, IBM carece de capacidades de colaboración masiva y creación de datos sintéticos, que son valiosos en casos de uso seleccionados. A la oferta de IBM también le faltan algunas capacidades de ingeniería de características y creación de modelos. Por último, IBM no ofrece la creación automatizada de modelos de análisis de contenido de imagen y video.
-
Ejecución de ventas y precios: Algunos clientes han declarado que los precios de IBM son excesivos, con altos costos de transacción en el transcurso de un proyecto. IBM dice que está trabajando para abordar esto.
Microsoft
Microsoft es líder en este Magic Quadrant. Su plataforma de IA Azure tiene una oferta completa para los tres casos de uso: lenguaje, visión y autoML. Las operaciones de Microsoft son globales y tiene clientes en todos los sectores. Sus servicios pueden ser consumidos por desarrolladores profesionales a través de API y kits de desarrollo de software (Software Development Kit, SDK), y por desarrolladores ciudadanos a través de Microsoft Power Platform. Microsoft lidera el sector en términos de propiedades de calidad empresarial, como integración, escalabilidad, rendimiento, seguridad, privacidad, transparencia, explicabilidad y uso responsable de la IA.
-
Modelo de negocio: Microsoft diferencia sus servicios de desarrollador de IA al facilitar el uso de servicios de ML, lenguajes y visión en sus aplicaciones tanto a programadores profesionales como a desarrolladores ciudadanos. El uso interno de CAIDS por parte de Microsoft en todas sus líneas de productos proporciona una ventaja distintiva, lo que le permite mejorar la calidad y el tiempo de comercialización más rápido que sus competidores.
-
Ejecución de ventas: Microsoft compite con los proveedores más hábiles de este mercado al ofrecer sus funciones de AutoML de forma gratuita y con cargo en computación y almacenamiento. Para atender a los clientes con un gran volumen de cargas de trabajo de IA, Microsoft está introduciendo un “nivel de compromiso”. Esta opción (actualmente en vista previa pública) ofrecerá un precio por unidad más bajo, pero requiere un compromiso de uso constante. Microsoft también invierte mucho en ingeniería de ventas. Sus arquitectos de soluciones de IA, también conocidos como AI rangers, se dedican a hacer que las pruebas de concepto sean exitosas e implementables.
-
Capacidad de respuesta del mercado e historial: Microsoft ha democratizado el desarrollo de IA al facilitar a los equipos de fusión el consumo de IA de forma segura y responsable. La empresa se basa en muchos proyectos de la comunidad de código abierto y contribuye a ellos. Mejoró continuamente sus servicios en 2021, con más de 30 lanzamientos, incluidos lanzamientos de características principales. Además, Microsoft está animando a los desarrolladores a comprometerse con su mercado reduciendo las comisiones al 3 % (frente a la media del sector del 20 %).
-
Estrategia geográfica: Microsoft ofrece su cartera completa de servicios en América, pero no ofrece todos estos servicios en ningún otro lugar. Los clientes potenciales deben determinar si Microsoft ofrece y respalda los servicios que necesitan en su región.
-
Experiencia del cliente: El sentimiento del cliente por Microsoft es menor que el de otros líderes en este Magic Quadrant. Los clientes potenciales deben insistir en un fuerte compromiso con el servicio de Microsoft más allá de la venta inicial.
-
Producto o servicio: Para seguir ofreciendo un producto sólido, Microsoft necesita mantenerse al día con sus competidores en términos de dirigirse a nuevas plataformas y aceleradores de hardware. También debe ofrecer innovaciones en ingeniería de características, como la generación de características de modo mixto. Su falta de generación de imágenes sintéticas es otra limitación.
Oracle
Oracle es un visionario en este Magic Quadrant. Oracle está ampliando su cartera de servicios de IA más allá de Oracle Digital Assistant y sus otras aplicaciones para proporcionar servicios de autoML, lenguaje y visión. Sus operaciones son globales y tiene clientes en todos los sectores. Oracle ha consolidado su cartera de IA bajo un equipo recién formado (incluido personal nuevo en la organización Oracle) y tiene un plan agresivo para ampliar sus ofertas. Los puntos fuertes de Oracle residen principalmente en su plataforma de IA conversacional centrada en el lenguaje y su NLU y análisis de texto. Algunos de sus servicios de AutoML también son competitivos.
-
Estrategia del producto: Oracle tiene sólidas capacidades de NLU, su producto NLU está entre sus ofertas más maduras. La empresa también tiene buenas capacidades de autoML. Además, cuenta con una hoja de ruta bien definida para ampliar y mejorar su cartera de CAIDS.
-
Estrategia de marketing: Oracle cuenta con un sólido programa de difusión para desarrolladores y un sólido seguimiento entre la comunidad de desarrolladores, y ambos proporcionan oportunidades para ampliar sus ofertas en este mercado. La empresa cuenta con los recursos para comercializar con éxito los servicios de IA que está desarrollando.
-
Comprensión del mercado: La visión de mercado de Oracle promete ofrecer una sólida cartera de servicios CAIDS, y tiene un calendario muy enérgico para esta entrega. Ha comenzado a abordar las necesidades cambiantes del mercado con una nueva estructura organizativa y una estrategia prometedora para prestar estos servicios.
-
Capacidad de respuesta del mercado y antecedentes: Oracle ha expresado anteriormente su intención de convertirse en un actor más fuerte en el mercado de servicios de IA, pero se ha movido despacio a la hora de proponer una oferta competitiva. Su esfuerzo actual de CAIDS respalda esta intención con amplios recursos y una organización reestructurada, pero la ejecución correcta será clave.
-
Producto o servicio: Aunque Oracle ofrece servicios de IA competitivos, hay muchas brechas en sus ofertas. Para competir en el mercado de CAIDS, Oracle debe expandirse rápidamente más allá de su limitada gama de servicios de IA.
-
Estrategia geográfica: Aunque Oracle tiene una amplia cobertura geográfica, tiene un soporte de lenguaje limitado para sus CAIDS, excepto para NLU. Oracle tiene algunas capacidades de traducción, pero debe mejorar significativamente sus otros servicios para competir con otros proveedores.
Prevision.io
Prevision.io es un especialista en este Magic Quadrant. Su plataforma se centra en ayudar a los científicos de datos e ingenieros de software a desarrollar, operar, mantener y administrar modelos de ML mediante servicios de autoML. Las operaciones de la empresa se realizan principalmente en EMEA y Norteamérica. Sus clientes tienden a ser medianas y grandes empresas en los sectores de banca, finanzas, seguros y energía, y servicios públicos. Prevision.io está invirtiendo en mejorar sus capacidades de texto a voz, voz a texto, traducción y generación dentro de su cartera de servicios de lenguaje. Para su oferta de servicios de visión, está mejorando sus capacidades de análisis de video y etiquetado de contenido. Para sus servicios de autoML, está invirtiendo en funciones de cumplimiento de modelos y etiquetado automático.
-
Viabilidad general: Los ingresos de Prevision.io crecieron un 60 % interanual en 2021, con una sólida cartera de ventas. El número de usuarios activos en la plataforma Prevision.io también aumentó significativamente. Además, la empresa ha logrado un sólido progreso con su estrategia de asociación, pero aún no es rentable.
-
Estrategia vertical o industrial: La plataforma de Prevision.io ha ganado una fuerte tracción en los sectores bancario, financiero y de seguros. La empresa se asocia con especialistas del sector para desarrollar eventos de autoML que prevengan el fraude y mejoren la recuperación. También está ganando más clientes nuevos en el sector de la energía y los servicios públicos y en los sectores de la atención sanitaria y el transporte.
-
Estrategia de ventas: Prevision.io tiene un sólido canal de ventas, que planea fortalecer aún más ampliando su fuerza de ventas directas, invirtiendo en su estrategia de canal indirecto y centrándose en las ventas específicas del sector.
-
Producto o servicio: Prevision.io tiene una oferta de autoML con todas las funciones, pero sus servicios de idiomas y visión se encuentran entre los menos capaces ofrecidos por los proveedores en este Magic Quadrant. Los clientes tendrán que depender de otros proveedores en cuanto a capacidades de lenguaje y visión para complementar la plataforma de autoML de Prevision.io.
-
Estrategia geográfica: Los recursos y clientes de Prevision.io se encuentran principalmente en EMEA y Norteamérica. La mayoría se encuentra en Francia y los EE. UU. Los clientes deben asegurarse de que Prevision.io ofrezca su plataforma en su país y pueda proporcionar el nivel de asistencia que necesitan.
-
Ejecución de marketing: Los esfuerzos de marketing de Prevision.io se centran en los científicos de datos, aunque su plataforma y hoja de ruta de productos para 2022 incluye características útiles tanto para los científicos de datos como para los ingenieros de software. Los clientes deben mirar más allá del marketing de la empresa y probar la plataforma para descubrir sus características de ingeniería.
Tencent
Tencent es un contendiente en este Magic Quadrant. Tencent, más conocida como la empresa de juegos más grande del mundo y por sus aplicaciones de mensajería WeChat y QQ, redes sociales y pagos móviles, ofrece CAIDS para casos de uso de visión, lenguaje y autoML. Tencent lanzó su laboratorio de IA en 2016 y abrió un centro de investigación de IA en Seattle, Washington, EE. UU., en 2017. Su innovación, soluciones implementadas, plataformas de consumidores y una variedad de datos multimedia le permiten a Tencent desarrollar capacidades avanzadas y escalables. Tencent tiene oficinas en 11 países y más de 1170 empleados trabajan en servicios CAIDS. Sus operaciones y clientes se encuentran principalmente en China, pero alrededor del 10 % de sus clientes se encuentran en otros países de Asia-Pacífico y EE. UU.
-
Innovación: El laboratorio YouTu de Tencent es uno de los centros de investigación de IA líderes y está centrado en los servicios de visión y el aprendizaje profundo. Tencent utiliza sus amplios recursos de IA para juegos, visión y otros servicios para experimentar y perfeccionar sus capacidades. Su función de reconocimiento de imágenes les permite a los usuarios finales identificar la marca, el nombre, el modelo o el estilo específicos de un producto en una imagen y generar el precio del producto y una descripción general. Tencent también cuenta con una sólida cartera de servicios de visión artificial, incluidos servicios de video (como reconocimiento facial, análisis del cuerpo humano y análisis de sentimientos), manipulación y análisis de imágenes y OCR robusto.
-
Estrategia de ventas: Tencent ha utilizado su presencia de análisis y operaciones dentro de las empresas de consumo para desarrollar uno de los ecosistemas de socios más amplios del mercado de CAIDS. Tencent cuenta con un sólido programa de asociación para proveedores de servicios y otras plataformas de software. Además, se asocia con sus clientes existentes de diversos tamaños en diferentes sectores, muchos de los cuales son accesibles para los desarrolladores de sus ecosistemas de juegos y WeChat. Como resultado, Tencent tiene acceso a una amplia gama de conocimientos especializados y servicios técnicos.
-
Ejecución de ventas y precios: Los ingresos de Tencent por CAIDS aumentaron significativamente en 2021, con un crecimiento acelerado en sus ventas de visión artificial. Los canales bien establecidos de Tencent y su amplio ecosistema de socios ayudan a impulsar el rendimiento de sus ventas.
-
Estrategia geográfica: El servicio de visión de Tencent abarca varios países, pero, con respecto a sus servicios de lenguaje y autoML, Tencent se centra en expandirse en China. Este enfoque se refleja no solo en la estrategia de salida al mercado de Tencent, sino también en su soporte de lenguaje limitado. Por ejemplo, sus servicios de análisis de sentimientos y texto solo están disponibles en chino.
-
Estrategia de oferta (producto): Tencent lanzó el plan Qianfan en 2020 para ofrecer varios mercados para su tecnología. Sin embargo, la profundidad y amplitud de su oferta sigue siendo comparativamente débil, y aún tiene que ganar tracción con los desarrolladores de IA.
-
Producto o servicio: Tencent mejoró sus capacidades de autoML en 2021, pero siguen siendo relativamente limitadas, en comparación con las de sus ofertas de visión, y siguen rezagándose con respecto a la mayoría de las capacidades de sus competidores. Además, Tencent no proporciona capacidades de generación de lenguaje natural. Esto podría reducir la competitividad de sus servicios de lenguaje en el futuro.
Proveedores añadidos y eliminados
Revisamos y ajustamos nuestros criterios de inclusión para los Magic Quadrants a medida que los mercados cambian. Como resultado de estos ajustes, la combinación de proveedores en cualquier Magic Quadrant puede cambiar con el tiempo. La aparición de un proveedor en un Magic Quadrant un año y no en el siguiente no indica necesariamente que hayamos cambiado nuestra opinión sobre ese proveedor. Puede ser un reflejo de un cambio en el mercado y, por lo tanto, un cambio en los criterios de evaluación, o de un cambio de enfoque por parte de ese proveedor.
Añadido
-
Dataiku: Dataiku: Dataiku ha ampliado su enfoque de producto más allá de los científicos de datos para ofrecer capacidades de IA a los desarrolladores. Como resultado, reúne los requisitos para ser incluido en el Magic Quadrant de este año.
Eliminado
-
Salesforce: Salesforce: Salesforce ha cambiado su estrategia de IA para centrarse en ofrecer capacidades integradas en sus propias aplicaciones y plataforma. Debido a este cambio, ha interrumpido su oferta de CAIDS.
Criterios de inclusión y exclusión
Para poder ser incluido en este Magic Quadrant, cada proveedor debía:
-
Demostrar una estrategia de salida al mercado para CAIDS.
-
Ofrece un conjunto funcional de servicios de autoML que pueden crear modelos de ML en funcionamiento (como se describe a continuación).
Servicios de aprendizaje automático (autoML)
Estos servicios les permiten a las personas sin habilidades significativas de ML o ciencia de datos personalizar los servicios o crear ML específico para un propósito específico. Al utilizar servicios de autoML, los desarrolladores pueden crear modelos personalizados o complementarios para utilizarlos junto con los servicios generales existentes.
Los tipos de servicios de AutoML incluyen:
-
Preparación de datos automatizada: Este tipo de servicio puede preparar conjuntos de datos para su uso en la formación de los modelos. Puede limpiar y aumentar conjuntos de datos a partir de datos sin procesar proporcionados por la empresa y puede incluir visualización de datos.
-
Detección automática de sesgos: Este tipo de servicio analiza conjuntos de datos utilizados para entrenar modelos de IA y ML para sesgos potenciales. Este sesgo puede adoptar la forma de muestras desequilibradas debido a un sobremuestreo, la inclusión de datos que estén específicamente prohibidos por las restricciones reglamentarias y otras fuentes de sesgo potencial en la producción del modelo.
-
Ingeniería de características: Este tipo de servicio agrega metadatos a un conjunto de datos que se envía al proveedor. Este aumento se puede realizar mediante el uso de capacidades de colaboración masiva o mediante modelos de ML que evalúan los datos y añaden metadatos al conjunto de datos enviado de forma automatizada. La función también puede permitir la detección y clasificación automatizadas de las funciones y la generación de nuevas funciones a partir de las existentes.
-
Creación automatizada de modelos: Este tipo de servicio requiere que los usuarios proporcionen conjuntos de datos que se pueden utilizar para entrenar los modelos. Además de los datos sin procesar, los usuarios deben proporcionar conjuntos de datos que incluyan etiquetas de metadatos con los atributos que desean que los modelos se capaciten para identificar. También deben identificar las variables que desean que los modelos predigan. Este tipo de servicio analiza los datos y evalúa y recomienda (o selecciona) algoritmos que se pueden utilizar para crear y optimizar los modelos, con base en los mejores resultados. El servicio optimiza automáticamente el rendimiento y la precisión de los modelos ajustando sus hiperparámetros. También puede combinar algoritmos para optimizar el rendimiento del modelo.
-
Gestión de modelos: Este tipo de servicio proporciona análisis y, en algunos casos, permite la gestión de corpus para los datos utilizados para entrenar modelos, con el fin de garantizar que los modelos sigan funcionando de forma óptima. Puede proporcionar formación automatizada de los modelos mediante la creación de conjuntos de datos de formación, validación y pruebas. El servicio también puede seleccionar valores de hiperparámetros óptimos.
-
Implementación del modelo: Este tipo de servicio puede ofrecer funcionalidad de fábrica de modelos (u orquestación) para automatizar la creación de canalizaciones de ML, incluida la capacitación, implementación, supervisión y gestión de modelos en producción. También puede proporcionar el embalaje y el aprovisionamiento de la infraestructura para los modelos creados, como los contenedores de Kubernetes. También debería automatizar la creación de las API necesarias para acceder a los modelos.
-
Explicabilidad: Este tipo de servicio proporciona a los profesionales de la ciencia de datos y a otros profesionales una explicación del funcionamiento de los modelos, como los parámetros y las ponderaciones de parámetros para un determinado resultado de modelo y la metodología del algoritmo empleada por un modelo.
-
Interpretabilidad: Este tipo de servicio les ofrece a los usuarios de un modelo y a las personas afectadas por el resultado de ese modelo una explicación de cómo el modelo derivó su resultado, de una manera que es comprensible para los usuarios generales.
-
MLOps: Este tipo de servicio monitorea modelos en entornos de producción y crea informes sobre el rendimiento de los modelos.
Los proveedores también pueden ofrecer cualquiera de los servicios de lenguaje y de visión que se enumeran a continuación.
Servicios de lenguaje
Estos servicios incluyen:
-
Procesamiento del lenguaje natural: Este tipo de servicio ofrece funciones como tokenización, etiquetado de punto de venta (Point of Sale, POS), derivación, frecuencia de término-frecuencia inversa de documentos (TF-IDF) y otras funciones de procesamiento de texto.
-
De voz a texto o reconocimiento automático de voz (Automatic Speech Recognition, ASR): Este tipo de servicio es un subconjunto de lingüística computacional que toma la entrada analógica y la convierte en salida de texto. Esta salida de texto puede ser el producto final o puede introducirse en un modelo de NLU, para que se puedan extraer los metadatos. Muchos dispositivos informáticos, como ordenadores y teléfonos inteligentes, tienen alguna capacidad de ASR integrada.
-
Comprensión del lenguaje natural (NLU): Este tipo de servicio es un subconjunto del procesamiento del lenguaje natural (NLP) que se ocupa de la comprensión de la máquina. Toma la entrada textual y extrae metadatos de ella. La extracción de metadatos es relativamente sencilla, pero ser capaz de comprender la intención de la persona que introduce el texto es difícil y a menudo requiere modelos complementarios.
-
Generación de lenguaje natural (Natural Language Generation, NLG): Este tipo de servicio crea lenguaje natural a partir de representaciones de máquinas, como conceptos, conjuntos de datos o descripciones mínimas en una base de conocimientos o forma lógica (como un formulario de devolución que genera una carta a un cliente). El cuerpo de texto que se entrega en lenguaje natural puede considerarse como una traducción de datos al lenguaje.
-
Texto a voz: Este tipo de servicio convierte la entrada textual en salida analógica o voz.
-
Traducción: Este tipo de servicio toma la entrada de texto de un idioma de origen y la convierte en un idioma de destino como salida. Esta es una tarea muy desafiante, ya que no se trata solo de traducir palabras individuales a palabras correspondientes en otro idioma. Las diferencias en la estructura de los lenguajes hacen que la traducción precisa sea muy difícil de lograr.
-
Análisis de sentimientos (IA emocional): Este tipo de servicio analiza las palabras normalmente introducidas en un modelo conversacional o social, para lograr un sentimiento positivo, negativo o neutro. Puede complementarse con otros servicios que analizan el tono de las entradas analógicas.
-
Análisis de texto: Este tipo de servicio analiza el texto no estructurado mediante algoritmos para extraer elementos (como conceptos, temas y atributos de palabras clave) y agregarlos como metadatos.
Servicios de visión
Estos servicios incluyen:
-
Reconocimiento de imágenes: Este tipo de servicio normalmente identifica qué objetos o personas están contenidos en una imagen. Algunas implementaciones también pueden identificar atributos de elementos de una imagen, como colores y patrones. Este tipo de servicio se utiliza habitualmente para identificar si las personas o los elementos de interés están en una imagen y para añadir metadatos para clasificar o etiquetar imágenes.
-
Análisis de contenido de video: Este tipo de servicio combina normalmente el reconocimiento de imágenes con ASR para identificar personas y objetos animados e inanimados en un video, así como para crear una transcripción del audio asociado. Algunos servicios también realizan un seguimiento de la dirección de las personas en múltiples fotogramas de video.
-
Reconocimiento óptico de caracteres (OCR) habilitado para aprendizaje automático (ML): Este tipo de servicio convierte imágenes electrónicas de texto tipeado, escrito a mano o impreso, o texto en imágenes o video, en texto codificado por máquina y añade metadatos al contenido. Además, este tipo de servicio utiliza ML para clasificar la información en un campo determinado, en función del contenido de ese campo.
-
Etiquetado de imágenes: Este tipo de servicio les permite a los usuarios enviar conjuntos de datos de imágenes y etiquetarlos.
Adicionalmente, para poder ser incluido en este Magic Quadrant, cada proveedor debía:
Haber generado al menos 20 millones de dólares en ingresos provenientes de sus ofertas de CAIDS en 2021.
O:
Tener al menos 75 clientes empresariales de pago actuales por sus ofertas de CAIDS.
Excluimos a cualquier proveedor que:
-
No haya incluido servicios de AutoML en su oferta de CAIDS.
-
Se ofrecen CAIDS solo como parte de un contrato de servicios profesionales, donde los servicios son utilizados exclusivamente por los consultores del proveedor.
-
Ofreciera servicios que no fueran servicios nativos creados y prestados por el proveedor. Como tal, no se tuvieron en cuenta los modelos creados por los clientes que utilizan la plataforma del proveedor.
Mención honorífica
Tazi: Tazi cuenta con una plataforma innovadora que ofrece una recapacitación continua sin supervisión de los modelos “sobre la marcha”, en función de los datos que les lleguen y de su desviación reconocida. El motor de ML adaptativo de la plataforma vuelve a capacitar a los modelos de forma gradual y continua en función del flujo de datos cambiante. Tazi no cumplió los criterios de inclusión en este Magic Quadrant debido a la fecha reciente en la que lanzó su plataforma y su posición incipiente en el mercado estadounidense durante el período que evaluamos. Sin embargo, Tazi está creciendo con fuerza y puede ameritar una examinación por parte de los lectores de este Magic Quadrant.
Criterios de evaluación
Capacidad de ejecución
Tabla 1: Capacidad para ejecutar criterios de evaluación
|
Producto o servicio
|
Elevado
|
|
Viabilidad general
|
Medio
|
|
Ejecución de ventas y precios
|
Medio
|
|
Registro y capacidad de respuesta del mercado
|
Medio
|
|
Ejecución de marketing
|
Medio
|
|
Experiencia del cliente
|
Medio
|
|
Operaciones
|
Medio
|
|
|
|
Fuente: Gartner (mayo de 2022)
Integridad de la visión
Tabla 2: Criterios de evaluación de la integridad de la visión
|
Comprensión del mercado
|
Medio
|
|
Estrategia de marketing
|
Medio
|
|
Estrategia de ventas
|
Medio
|
|
Estrategia de oferta (producto)
|
Elevado
|
|
Modelo de negocio
|
Medio
|
|
Estrategia vertical o industrial
|
Medio
|
|
Innovación
|
Elevado
|
|
Estrategia geográfica
|
Medio
|
|
|
|
Fuente: Gartner (mayo de 2022)
Descripciones del cuadrante
Líderes
Los líderes tienen ofertas sólidas en las tres áreas de servicio clave: autoML, lenguaje y visión. Sus ofertas de CAIDS son accesibles a través de API y no requieren que los desarrolladores tengan experiencia en ciencia de datos. Los líderes también proporcionan capacidades de apoyo para mejorar sus servicios principales, incluida la detección y mitigación automatizada de sesgos, la ingeniería de características, el NLP, el etiquetado de imágenes, las MLOps y la IA que es explicable e interpretable. Los líderes prestan servicio a múltiples regiones y admiten múltiples idiomas.
Contendientes
Los contendientes suelen ser grandes empresas con activos sustanciales. Los contendientes tienen los recursos para invertir en el desarrollo de sus servicios de CAIDS, pero pueden ofrecer una cartera limitada de servicios, debido a su enfoque en otras prioridades. Los contendientes pueden operar a nivel regional o global. Incluso pueden dominar en una región.
Visionarios
Los visionarios suelen tener ambiciones cuando se trata del mercado de CAIDS. Tienen los recursos para competir en este mercado, pero aún no han ofrecido una cartera competitiva de servicios. Los visionarios a menudo tienen un subconjunto de los servicios generales necesarios en el mercado y tienen la intención de ampliar sus servicios para competir con los líderes.
Especialistas
Los especialistas suelen centrarse en una gama más estrecha de servicios de IA que los líderes y los contendientes. A menudo son empresas más pequeñas que tienen recursos limitados para invertir en sus servicios. Los especialistas tienen un alcance y visibilidad limitados fuera de su región de origen.
Contexto
En este Magic Quadrant, evaluamos a los proveedores de CAIDS que proporcionan servicios de autoML. Estos proveedores también pueden proporcionar servicios de lenguaje y de visión que incrementen sus servicios de AutoML. Excluimos a los proveedores que no ofrecen servicios de autoML, porque la mayoría de los líderes de ingeniería de software necesitan herramientas que les permitan a sus desarrolladores crear o personalizar modelos de ML. La mayoría de los equipos de desarrollo no crean modelos de ML por sí mismos y necesitarán confiar en los servicios de autoML y los modelos internos creados por científicos de datos.
También hay muchos servicios de IA y ML personalizados que se centran en casos de uso específicos; demasiados para analizar en este Magic Quadrant. Sin embargo, muchos de estos servicios pueden atraer a los equipos de desarrollo, ya que están diseñados para crear modelos que aborden una necesidad predefinida.
Los servicios de AutoML son esenciales para crear una canalización de MLOps totalmente integrada, donde los desarrolladores no tengan que ensamblar herramientas individuales y averiguar cómo hacer que trabajen juntos. Esta canalización automatizada puede mejorar la productividad de los desarrolladores al permitirles ofrecer rápidamente una funcionalidad de aplicación nueva y mejorada.
A medida que los desarrolladores se familiaricen con los modelos de IA y ML, y la funcionalidad que pueden añadir a las aplicaciones, asumirán cada vez más algunas o todas las responsabilidades de las ModelOps:
-
Serán responsables de supervisar y gestionar los modelos de ML en las aplicaciones en las que se implementen.
-
Extraerán información de (o añadirán metadatos a) activos de datos o texto no estructurados.
-
Utilizarán servicios de autoML para crear modelos de ML que sugieran las mejores acciones futuras, prevean la propensión de los clientes potenciales a comprar o automaticen la toma de decisiones para los flujos de trabajo empresariales.
A medida que más desarrolladores utilicen CAIDS para crear modelos de ML, la colaboración entre desarrolladores y científicos de datos será cada vez más importante. A medida que estas dos disciplinas se vuelvan más interconectadas, los líderes de ingeniería de software deberán delimitar claramente las responsabilidades de los desarrolladores de las responsabilidades de los científicos de datos. Al crear y comunicar esta distinción, ayudarán a reducir la duplicación del esfuerzo entre las canalizaciones de DevOps y ModelOps, lo que permitirá una colaboración más estrecha entre los dos equipos. Los líderes de ingeniería de software también deben ayudar a sus desarrolladores a aprender las habilidades necesarias para apoyar las ModelOps.
Tanto los proveedores como los clientes buscan más que solo rendimiento y precisión de los modelos de ML. Además de estos requisitos funcionales, los proveedores de CAIDS se centran en mejorar las características de explicabilidad, transparencia y detección y mitigación de sesgos de sus modelos. Los líderes de ingeniería de software deben capacitarse a sí mismos y a otras partes interesadas sobre estas características. Al seleccionar servicios de autoML, deben priorizar a los proveedores que sobresalgan en proporcionar modelos explicables y transparentes con detección de sesgos y mecanismos compensatorios integrados.
Descripción general del mercado
Las organizaciones utilizan cada vez más tecnologías de IA sofisticadas para resolver problemas complejos. Para 2025, el mercado del software de IA alcanzará casi 134 800 millones de USD. La tasa de crecimiento en el mercado de software de IA aumentará del 14,4 % en 2021 al 31,1 % en 2025, superando considerablemente el crecimiento general del mercado de software (consulte Forecast Analysis: Artificial Intelligence Software, Worldwide).
El auge de la IA y el ML presenta un desafío para los líderes de ingeniería de software, ya que pocos desarrolladores son expertos en ciencia de datos. El ciclo DevOps para modelos de IA (también conocido como ModelOps) no está supervisado por una práctica madura en la mayoría de los equipos de ingeniería de software. En la encuesta de implementación de innovación de aplicaciones de Gartner de 2021, más del 75 % de los líderes de TI indicaron que menos del 25 % de los ingenieros de software de su organización habían recibido capacitación en ML.
Aunque las prácticas de ModelOps están madurando, la mayoría de los equipos de ingeniería de software aún necesitan capacidades de IA que no requieran habilidades avanzadas de ML. Por este motivo, los servicios de desarrollo de IA en la nube (CAIDS) son herramientas esenciales para los equipos de ingeniería de software. Una reciente encuesta de Gartner Research Circle survey (Survey Analysis: AI Adoption Spans Software Engineering and Organizational Boundaries) muestra que el 43 % de las empresas hacen un uso moderado o extensivo de los modelos de IA y ML en sus aplicaciones. Esto señala la importancia de los servicios de CAIDS para los desarrolladores de aplicaciones.
Los CAIDS les permite a los desarrolladores crear aplicaciones de última generación
Prevemos que para 2025 el 70 % de las nuevas aplicaciones desarrolladas internamente incorporarán modelos basados en IA o ML. Los CAIDS les proporcionan a los desarrolladores las capacidades de autoML que necesitan para crear y personalizar modelos de ML para sus aplicaciones. Estos modelos de ML pueden clasificar información, predecir tendencias, evaluar riesgos, automatizar procesos y mejorar un negocio en todas las áreas funcionales y flujos de trabajo.
Los equipos de ingeniería de software utilizan modelos de ML para crear aplicaciones atractivas añadiendo o mejorando de otro modo la funcionalidad de las aplicaciones existentes y creando tipos de aplicaciones completamente nuevos.
Los proveedores de CAIDS están ampliando y mejorando sus servicios
Los proveedores de CAIDS están ampliando sus carteras de servicios para desarrolladores de IA en tres casos de uso clave: autoML, lenguaje y visión:
-
AutoML: Los proveedores más pequeños siguen liderando la innovación de las capacidades de AutoML, pero los grandes proveedores se están poniendo al día. Los proveedores y clientes buscan algo más que rendimiento y precisión de los modelos de ML. Se centran cada vez más en las características de explicabilidad, transparencia y mitigación de sesgos de los modelos. Los proveedores están empezando a ofrecer estas capacidades, a la vez que proporcionan las características que los desarrolladores necesitan para desarrollar, implementar y mantener rápidamente modelos en entornos de producción.
-
Lenguaje: Los proveedores están desarrollando modelos de lenguaje masivos que pueden ofrecer una gama ampliada de capacidades de servicio de lenguaje de alta calidad. Los principales proveedores de nube están utilizando su inmensa infraestructura informática para permitir el desarrollo de sus modelos de lenguaje patentados. A pesar de estar en desventaja en los servicios de lenguaje, los proveedores más pequeños utilizan software de código abierto, datos y modelos de ML para competir.
-
Visión: Casi todos los proveedores de CAIDS han mejorado sus capacidades de visión. En particular, los proveedores chinos han mejorado enormemente los suyos, en comparación con 2021, impulsados por el uso prolífico de la visión artificial en China.
Los líderes en ingeniería de software pueden beneficiarse de la simplicidad de utilizar un único proveedor de CAIDS que proporciona servicios de autoML, lenguaje y visión. Este enfoque puede mejorar la experiencia del desarrollador y optimizar su flujo de trabajo al permitirle moverse fluidamente entre servicios. Sin embargo, el uso de varios proveedores no está fuera de lo común. Los proveedores más pequeños que se especializan en AutoML podrían proporcionar servicios y capacidades que se alineen estrechamente con los casos de uso de desarrolladores, y podrían ofrecer el mayor valor.
Evidencia
Encuesta de implementación de innovación de aplicaciones de Gartner 2021
Esta encuesta se llevó a cabo en línea del 20 de julio al 12 de agosto de 2021 para ayudarnos a comprender la adopción de innovaciones de aplicaciones en apoyo de aplicaciones y software recién adquiridos o creados a medida. La encuesta se centró en la implementación de gemelos digitales, el papel de los líderes en ingeniería de software en la ingeniería de software de gemelos digitales y el uso de IA en el desarrollo de aplicaciones. En total, participaron 111 líderes empresariales y de TI que fueron miembros de Gartner’s Research Circle.* Setenta y cinco provenían de Gartner’s IT Leaders Research Circle, un panel gestionado por Gartner, y 36 provenían de una muestra externa. Los miembros de Norteamérica (41 %), EMEA (41 %), Asia-Pacífico (10 %) y Latinoamérica (9 %) respondieron a la encuesta.
Descargo de responsabilidad: Los resultados de esta encuesta no representan hallazgos globales ni el mercado en su conjunto, sino que reflejan los sentimientos de los encuestados y las empresas encuestadas.
Definiciones de los criterios de evaluación
Capacidad de ejecución
Producto o servicio: Bienes y servicios básicos ofrecidos por el proveedor para el mercado definido. Esto incluye las capacidades actuales de producto o servicio, calidad, conjuntos de características, habilidades, etc., tanto si se ofrecen de forma nativa como a través de acuerdos o asociaciones de OEM según se establece en la definición del mercado y se detallan en los criterios secundarios.
Viabilidad general: La viabilidad incluye una evaluación del estado financiero general de la organización, el éxito financiero y práctico de la unidad de negocio, y la probabilidad de que la unidad de negocio individual continúe invirtiendo en el producto, continúe ofreciendo el producto y avance el estado de la tecnología dentro de la cartera de productos de la organización.
Ejecución de ventas y precios: Las capacidades del proveedor en todas las actividades de preventa y la estructura que las soporta. Esto incluye la gestión de acuerdos, la fijación de precios y la negociación, el soporte de preventa y la eficacia general del canal de ventas.
Registro y capacidad de respuesta del mercado: Capacidad para responder, cambiar de dirección, ser flexible y alcanzar el éxito competitivo a medida que se desarrollan oportunidades, los competidores actúan, las necesidades del cliente evolucionan y la dinámica del mercado cambia. Este criterio también tiene en cuenta el historial de la capacidad de respuesta del proveedor.
Ejecución de marketing: La claridad, calidad, creatividad y eficacia de los programas diseñados para transmitir el mensaje de la organización de modo de influir en el mercado, promover la marca y el negocio, aumentar la percepción de los productos y establecer una identificación positiva con el producto o la marca y la organización en la mente de los compradores. Esta “presencia” puede estar impulsada por una combinación de publicidad, iniciativas promocionales, liderazgo intelectual, publicidad verbal y actividades de ventas.
Experiencia del cliente: Relaciones, productos y servicios o programas que permiten a los clientes tener éxito con los productos evaluados. Concretamente, esto incluye las formas en que los clientes reciben soporte técnico o soporte de cuenta. Esto también puede incluir herramientas auxiliares, programas de atención al cliente (y la calidad de los mismos), disponibilidad de grupos de usuarios, acuerdos de nivel de servicio, etc.
Operaciones: La capacidad de la organización para cumplir sus objetivos y compromisos. Los factores incluyen la calidad de la estructura organizacional, incluyendo habilidades, experiencias, programas, sistemas y otros medios que permiten a la organización operar de forma eficaz y eficiente de manera continua.
Integridad de la visión
Comprensión del mercado: Capacidad del proveedor para comprender los deseos y las necesidades de los compradores y traducir estos elementos en productos y servicios. Los proveedores que muestran el mayor grado de visión escuchan y comprenden los deseos y las necesidades de los compradores, y pueden dar forma o mejorar esos elementos con su visión añadida.
Estrategia de marketing: Un conjunto de mensajes claro y diferenciado que se comunica de forma coherente en toda la organización y se externaliza a través del sitio web, la publicidad, los programas del cliente y las declaraciones de posicionamiento.
Estrategia de ventas: La estrategia para vender productos que utiliza la red adecuada de afiliadas de ventas directas e indirectas, marketing, servicio y comunicación que amplían el alcance y la profundidad de la magnitud del mercado, las habilidades, la experiencia, las tecnologías, los servicios y la base de clientes.
Estrategia de oferta (producto): El enfoque del proveedor para el desarrollo y entrega de productos que enfatiza la diferenciación, funcionalidad, metodología y conjuntos de características a medida que se asignan a los requisitos actuales y futuros.
Modelo de negocio: La solidez y lógica de la propuesta de negocio subyacente del proveedor.
Estrategia vertical o industrial: La estrategia del proveedor de orientar recursos, habilidades y ofertas para satisfacer las necesidades específicas de segmentos de mercado individuales, incluidos los mercados verticales.
Innovación: Disposiciones directas, relacionadas, complementarias y sinérgicas de recursos, experiencia o capital para fines de inversión, consolidación, defensivos o preventivos.
Estrategia geográfica: La estrategia del proveedor de orientar recursos, habilidades y ofertas para satisfacer las necesidades específicas de las geografías fuera de la geografía nativa, ya sea directamente o a través de socios, canales y subsidiarias, según corresponda para esa geografía y mercado.
Is this content helpful to you?
© 2022 Gartner, Inc. o sus empresas afiliadas. Todos los derechos reservados. Gartner es una marca registrada de Gartner, Inc. o sus empresas afiliadas. Esta publicación no se puede reproducir ni distribuir por cualquier medio sin el permiso previo por escrito de Gartner. La información contenida en esta publicación se ha obtenido de fuentes que se consideran confiables. Gartner no garantiza en absoluto la precisión, la integridad ni la adecuación de dicha información y no se responsabiliza de ningún error, omisión ni deficiencia que en ella aparezcan. Esta publicación consta de las opiniones de la organización de investigación de Gartner y no se debe interpretar como una declaración de hechos. Las opiniones expresadas en el presente documento están sujetas a modificaciones sin previo aviso. Aunque la investigación de Gartner puede incluir un análisis de aspectos legales relacionados, Gartner no proporciona servicios ni asesoramiento legal y su investigación no se debe interpretar ni utilizar en este sentido. Gartner es una empresa pública, y sus accionistas pueden incluir empresas y fondos que tienen intereses financieros en entidades consideradas en la investigación de Gartner. La Junta directiva de Gartner puede incluir gerentes senior de estas empresas o fondos. La investigación de Gartner es llevada a cabo de forma independiente por su organización de investigación, sin aportes ni influencia de estas empresas, fondos ni sus gerentes. Para obtener más información acerca de la independencia e integridad de la investigación de Gartner, consulte “Guiding Principles on Independence and Objectivity” (Principios fundamentales sobre la independencia y objetividad), en su sitio web, http://www.gartner.com/technology/about/ombudsman/omb_guide2.jsp.
La investigación de Gartner que se aborda en este documento se tradujo del texto original en inglés al idioma del texto anterior o de este mismo. Gartner ha hecho todo lo razonable para garantizar que la traducción tenga el mayor grado de exactitud e integridad posible. Sin embargo, al igual que con todas las traducciones, puede haber inevitablemente algún grado de discrepancia. En caso de que esto ocurra, ya sea en cuanto al contenido o a la intención, siempre predominará el significado del original en inglés.
La investigación de Gartner que se aborda en este documento se tradujo del texto original en inglés al idioma del texto anterior o de este mismo. Gartner ha hecho todo lo razonable para garantizar que la traducción tenga el mayor grado de exactitud e integridad posible. Sin embargo, al igual que con todas las traducciones, puede haber inevitablemente algún grado de discrepancia. En caso de que esto ocurra, ya sea en cuanto al contenido o a la intención, siempre predominará el significado del original en inglés.