# gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29

## Veille

Gartner Hype Cycle GenAI 2025 - Innovaciones críticas - LLMs - AI engineering - Agentic AI - Infraestructura

## Titre Article

The 2025 Hype Cycle for GenAI Highlights Critical Innovations

## Date

2025-07-29

## URL

https://www.gartner.com/en/articles/hype-cycle-for-genai

## Keywords

Generative AI, GenAI, Hype Cycle, AI models, Large Language Models (LLMs), AI engineering, AI agents, AI applications, AI use cases, Infraestructura, Self-supervised learning, AI supercomputing, Multimodal generative AI, AI TRiSM, Agentic AI, Embodied AI, inversión estratégica

## Authors

Arun Chandrasekaran

## Ton

**Perfil:** Profesional-analítico | Investigación-institucional | Analítico-prescriptivo | Experto

Chandrasekaran (Gartner) adopta un tono autoritativo de investigación de mercado que combina el análisis de tendencias con recomendaciones estratégicas. La metodología Hype Cycle (pico de expectativas infladas, valle de la desilusión, meseta de productividad) proporciona un marco sistemático para evaluar la madurez tecnológica. La terminología especializada (innovaciones desencadenantes, horizontes de adopción masiva, impacto transformacional) se dirige a los líderes ejecutivos y arquitectos empresariales. Las cuantificaciones temporales precisas (horizontes de adopción de 2-5 años, 5-10 años) anclan las predicciones. Un tono medido y profesional evita tanto el sensacionalismo como el conservadurismo excesivo. Típico de las publicaciones de investigación de Gartner, que posicionan a la firma como un asesor de confianza en estrategia tecnológica empresarial con marcos propietarios reconocidos en toda la industria.

## Pense-betes

- **Para 2028**: se espera que **más del 95% de las empresas** utilicen APIs, modelos o aplicaciones GenAI desplegadas en producción
- **4 áreas tecnológicas críticas**: modelos GenAI, AI engineering, agentes/aplicaciones/casos de uso de IA, infraestructura/técnicas habilitadoras
- **LLMs = piedra angular**: la tecnología más madura, altamente personalizable
- **Los LLMs de código abierto, los modelos especializados por dominio y los large reasoning models** emergen como alternativas
- **AI engineering es crítico** para escalar: herramientas/técnicas para construir, gobernar y personalizar aplicaciones GenAI
- **AI TRiSM** (Trust, Risk and Security Management): garantiza un uso seguro y eficaz de la IA
- **Cambio de los chatbots pasivos a la IA agentique**: percibe, decide y actúa de forma autónoma/semiautónoma
- **Infraestructura**: self-supervised learning, chips de IA, herramientas especializadas para la eficiencia y la reducción de costes
- **Ir más allá de las pruebas de concepto**: enfoque en construir, gobernar y personalizar para producción
- **Multimodal generative AI, Embodied AI, AI supercomputing** = tecnologías de muestra destacadas

## RésuméDe400mots

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

**Cuatro áreas tecnológicas críticas**

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

**AI engineering para escalar**

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

**Agentes y aplicaciones de IA**

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

**Infraestructura y técnicas habilitadoras**

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

**Orientación estratégica**

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

## GrapheDeConnaissance

- Gartner —publie→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.99)
- Arun Chandrasekaran —a_créé→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.98)
- Arun Chandrasekaran —travaille_chez→ Gartner (ORGANISATION, 0.97)
- Hype Cycle for Generative AI 2025 —prédit→ 95% des entreprises utiliseront la GenAI en production d'ici 2028 (AFFIRMATION, 0.96)
- LLMs —fait_partie_de→ GenAI models (CONCEPT, 0.95)
- AI TRiSM —améliore→ sécurité et gouvernance IA (CONCEPT, 0.93)
- IA agentique —remplace→ chatbots passifs (TECHNOLOGIE, 0.91)
- self-supervised learning —réduit→ besoin de données étiquetées (CONCEPT, 0.9)
- AI engineering —améliore→ déploiement à l'échelle GenAI (CONCEPT, 0.92)
- Multimodal generative AI —fait_partie_de→ GenAI models (CONCEPT, 0.94)
- Embodied AI —fait_partie_de→ AI agents (TECHNOLOGIE, 0.9)
- AI supercomputing —réduit→ coûts entraînement et inférence modèles (CONCEPT, 0.87)
- large reasoning models —concurrence→ LLMs (TECHNOLOGIE, 0.88)

---
Canonical: https://www.thekb.eu/es/fiches/gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29/