El centre tecnològic Eurecat ha explicat en un comunicat aquest dijous que en els darrers deu anys ha desplegat més de 500 projectes d'intel·ligència artificial per impulsar la innovació i la competitivitat empresarial. L'entitat ha assenyalat que aquests projectes "han contribuït a catalitzar la transformació digital del teixit empresarial", des de l'optimització i la millora dels processos industrials i la personalització de productes fins a serveis relacionats amb la ciberseguretat, la predicció de riscos, l'eficiència i la sostenibilitat.
La directora de l'àrea digital d'Eurecat, Lali Soler, ha remarcat que el centre tecnològic acompanya des de fa una dècada les empreses "en el procés d'adopció i desplegament de la intel·ligència artificial" a l'hora d'identificar oportunitats, tendències i necessitats del mercat. Alhora, ha afegit que l'activitat amb empreses de totes les mides ha facilitat que "Eurecat hagi desenvolupat unes competències i experiències distintives al camp de la IA", en especial solucions que requereixen la integració de la IA amb altres tecnologies i coneixements de domini sectorial.
D'altra banda, el centre tecnològic ha confirmat que també ha participat en més de 300 programes de recerca europeus, estatals i autonòmics d'aplicació de la intel·ligència artificial a diferents sectors. Addicionalment, el 36% dels projectes impulsats per Eurecat han estat a l'àmbit de l'aprenentatge automàtic, amb la implementació d'algorismes d'aprenentatge automàtic, que permeten a les empreses analitzar dades complexes i generar prediccions precises.
En l'àmbit de la IA generativa, Eurecat fa servir grans models fundacionals de llenguatge i de la imatge, utilitzant models de difusió
En aquest sentit, l'entitat ha destacat els projectes d'optimització de processos per millorar l'eficiència operativa de les empreses, el processament del llenguatge natural o els models predictius, entre d'altres. Així mateix, ha assenyalat que, en l'àmbit de la IA generativa, Eurecat fa servir grans models fundacionals de llenguatge i de la imatge, utilitzant models de difusió, i que s'ha especialitzat en el desenvolupament de Retrieval Augmented Generative Systems (RAGS) avançats, que permet contextualitzar de manera molt precisa els grans models.