Inside AI

Obra estratégica y conceptual publicada en 2024 por Manning en la que el doctor Akli Adjaoute (fundador de Brighterion y especialista en ciberseguridad con más de tres décadas en el sector) desmitifica el auge reciente de la inteligencia artificial para separar la realidad técnica del sensacionalismo publicitario. El libro se centra en la evolución integral de la disciplina hasta la consolidación de los modelos generativos contemporáneos (LLMs). Está dirigido a directores de tecnología, gerentes de producto, arquitectos de software y líderes empresariales de nivel intermedio que necesitan tomar decisiones de adopción tecnológica sin verse obligados a programar modelos matemáticos desde cero, aunque presupone familiaridad con el ciclo de vida del software y la gestión de datos corporativos.

El autor repasa los fundamentos que han marcado la historia de la disciplina, transitando desde los sistemas expertos basados en reglas y el aprendizaje automático clásico (supervisado y no supervisado) hasta el aprendizaje profundo y la tecnología de agentes inteligentes (smart agents). Adjaoute examina de forma minuciosa la arquitectura de los Modelos de Lenguaje Grande (LLMs) y la IA generativa, analizando temas cruciales como la calidad y gobernanza de los datos de entrenamiento, la mitigación de sesgos algorítmicos, la explicabilidad de las decisiones y la ciberseguridad en entornos de producción. Asimismo, detalla casos de aplicación de alta exigencia donde los sistemas inteligentes resultan críticos, como la detección en tiempo real de fraudes financieros, la analítica predictiva y la optimización de procesos de negocio.

No se trata de un manual de programación con código en Python ni de construcción guiada de aplicaciones paso a paso, sino de un compendio analítico basado en el estudio de éxitos y fracasos reales en el despliegue de IA a escala empresarial. Su mayor valor radica en derribar mitos comunes —como la inminencia de una singularidad tecnológica o la sustitución laboral absoluta— para ofrecer un marco sobrio de cálculo de viabilidad y retorno de inversión antes de comprometer capital. Deja deliberadamente fuera librerías de implementación como PyTorch, TensorFlow o scikit-learn, por lo que quienes busquen tutoriales prácticos de codificación deberán complementar la lectura con obras técnicas. Es una referencia muy sólida para diseñar una estrategia realista de IA en las organizaciones.