Las cargas de trabajo de IA corporativas a gran escala no se ejecutarán en hardware cuántico hasta 2028
Gartner ha afirmado que ninguna carga de trabajo de Inteligencia Artificial (IA) empresarial a gran escala debería ejecutarse en hardware cuántico hasta 2028 y que la IA acelerada clásica seguirá dominando todas las pruebas de rendimiento en producción durante ese periodo.
Según Chirag Dekate, vicepresidente y analista de la consultora, cuando los proveedores afirman ofrecer «IA cuántica», suelen referirse a técnicas híbridas o inspiradas en la computación cuántica, y no a soluciones cuánticas nativas a escala empresarial. Afirmó que la computación cuántica verdadera aún no está preparada para cargas de trabajo de IA en producción y que difícilmente lo estará antes de que termine la década, destacando que no hay resultados revisados por pares que demuestren una ventaja cuántica en este tipo de aplicaciones.
Según Gartner, el término «inteligencia artificial cuántica» hace referencia a técnicas de IA o de aprendizaje automático que dependen de la ejecución en hardware cuántico para obtener alguna ventaja en términos de rendimiento, coste o capacidad con respecto a la computación clásica. Dekate añadió que lograr una computación cuántica tolerante a fallos, a la escala necesaria para generar mejoras cuantificables en el rendimiento o el coste de la IA, depende de avances simultáneos en cuatro frentes: hardware, corrección de errores, middleware y algoritmos.
La consultora también distinguió la IA cuántica de tres categorías con las que a menudo se confunde. La primera es la IA clásica, formada por modelos como el aprendizaje profundo, los transformers y el aprendizaje por refuerzo, que se ejecutan íntegramente en CPU, GPU o TPU y que ya generan un rendimiento medible para las empresas. La segunda es la IA inspirada en la computación cuántica, que reúne algoritmos clásicos basados en conceptos de la mecánica cuántica —como el annealing, las redes tensoriales y la codificación de amplitud —, que se ejecutan en hardware convencional y ya aportan valor en optimización, simulación y muestreo, sin depender de hardware cuántico. La tercera categoría es la de los métodos híbridos cuántico-clássicos, flujos de trabajo aún experimentales en los que pequeños circuitos cuánticos operan conjuntamente con sistemas de IA clásica o de computación de alto rendimiento (HPC), utilizados hoy en día en investigaciones y proyectos piloto llevados a cabo por proveedores, y no en entornos de producción.
Este tema, junto con otros debates sobre IA, estrategia empresarial y liderazgo tecnológico, se abordará en la Conferencia Gartner CIO & IT Executive, prevista del 21 al 23 de septiembre en São Paulo.
Gartner ha advertido de que el discurso de los proveedores sobre la convergencia entre la inteligencia artificial (IA) y la computación cuántica se está intensificando, y que los consejos de administración, presionados para «no quedarse fuera» de esta tecnología podrían verse tentados a desviar presupuesto de la IA hacia actividades de investigación y desarrollo (I+D) sin perspectivas de rentabilidad antes de 2030. Según la consultora, la computación cuántica tolerante a fallos debería permanecer en la fase de I+D para la IA, sin una escala suficiente de qubits lógicos que permita mantener, hasta finales de la década, algoritmos de extremo a extremo económicamente viables.
La consultora destacó que la I+D cuántica y la infraestructura de producción de IA siguen horizontes temporales, economías de escala y necesidades de gobernanza incompatibles entre sí. Mientras que la IA generativa suele generar un rendimiento cuantificable en plazos de entre 12 y 18 meses, en métricas como el tiempo de respuesta, la precisión y la automatización, la IA cuántica aún no ha producido un rendimiento cuantificable en ninguna carga de trabajo de producción, y esto no debería cambiar a corto plazo.
Chirag Dekate afirmó que mezclar ambos presupuestos distorsiona la responsabilidad de cada uno y permite que la opcionalidad cuántica ocupe el espacio destinado a la capacidad de IA en producción. Señaló que los directores de sistemas de información (CIO) siguen dando prioridad a la IA generativa, la IA agentiva, la ciberseguridad y la nube como principales categorías de inversión, mientras que la computación cuántica no figura entre las prioridades y recibe una financiación muy inferior, sin que se exija un rendimiento inmediato.
Ante este panorama, Gartner recomendó que las organizaciones adopten tres estrategias. La primera es dar prioridad a los métodos clásicos inspirados en la computación cuántica dentro de la infraestructura de IA ya existente, aplicándolos a áreas como la optimización, la IA generativa, el álgebra lineal, el análisis de grafos y el aprendizaje por refuerzo, sin depender de hardware cuántico. La segunda es establecer criterios claros de finalización para los proyectos piloto cuánticos, con métricas de éxito y puntos de referencia clásicos definidos desde el principio, evitando que los experimentos sin plazo límite agoten el presupuesto sin generar un valor cuantificable. La tercera es hacer un seguimiento de los indicadores de progreso cuántico que realmente importan —no el recuento físico de qubits, sino la disponibilidad de qubits lógicos con tasas de error aceptables—, ya que los avances en la corrección de errores, la calibración asistida por IA y el control cuántico serían más relevantes para el valor empresarial que los anuncios sobre procesadores más grandes.
(datacenterdynamics.com)
Seguiremos brindándote más información sobre este tema en las siguientes presentaciones físicas y digitales de Channel News Perú
Mantente conectado a nuestra plataforma de negocios y revista, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario
