Gracias por su interés, por favor complete sus datos le estaremos contactando a la brevedad
Siguenos en
Puedes suscribirte para recibir nuestro Blog por email. Dejanos saber tu opinión para mejorar y/o los temas que te interesaría encontratar acá. Gracias!
Suscribirme
En este último año, prácticamente nadie ha quedado indiferente frente a las herramientas de inteligencia artificial generativa (GenAI). Su aplicación más popular ha sido el ChatGPT– una forma revolucionaria de crear y obtener contenidos sin complicaciones técnicas ni aprendizajes especiales para interactuar con ella: sólo hay que formular una pregunta y en unos segundos, se obtiene una respuesta bastante plausible. Su aceptación representa una democratización sin precedentes de la inteligencia artificial, haciendo del ChatGPT, la aplicación más rápidamente adoptada por el gran público, alcanzando los 100 millones de usuarios a solo 2 meses de ser liberada.
Esta popularidad también ha hecho que la GenAI sea también un tema central de atención para directores y gerentes de empresa, quienes desean aprender más de los riesgos y ventajas de estas tecnologías. En tal contexto, la pregunta que se hace todo CEO –al menos el que considera a GenAI como posible opción– es si estos desarrollos son una moda pasajera o si constituyen una oportunidad para cambiar y revolucionar decisivamente su negocio… y si es lo último, ¿en qué consistiría ese valor y cómo alcanzarlo?
Es por esto que en nuestra entrega del mes, estaremos reseñando el interesantísimo artículo de McKinsey, titulado Lo que todo CEO debe saber acerca de la inteligencia artificial generativa (Mayo 2023), en el cual se nos presenta, primeramente, una guía básica que facilita entender cuán rápidamente evoluciona la inteligencia artificial y las opciones técnicas disponibles. Luego, cuatro casos que ejemplifican cómo abordar su adopción, revisando algunas de las opciones existentes en tecnologías, costos y modelos operativos. Finalmente, expone cuán vital es el rol del CEO para posicionar a su empresa en la ruta del éxito mediante el uso de GenAI.
La variedad de opciones y aplicaciones en GenAI se multiplica aceleradamente, más allá del conocidísimo ChatGPT, generando aplicaciones con capacidades sobre muchos tipos de contenido (audio, video, imágenes y codificación). Igualmente pueden ejecutar diversas funciones que incluyen clasificar, editar, resumir, contestar preguntas y preparar ensayos con contenidos nuevos; gradualmente, estas aplicaciones inteligentes podrán integrarse más en los flujos de trabajo, automatizándolos y ejecutando directamente muchas tareas específicas
Tal como lo indica su nombre, la GenAI se diferencia esencialmente de otras aplicaciones previas de inteligencia artificial o analíticas, porque puede generar eficientemente nuevos contenidos a partir de data no estructurada (p.ej., texto escrito o imágenes). Esta versatilidad es posible porque las aplicaciones GenAI se construyen usando modelos fundacionales (FM) que son, a su vez, modelos de redes neurales cuyas conexiones se han parametrizado y “entrenado” para detectar y distinguir repetidamente patrones en grandes volúmenes de esa data. Estas capacidades no existían en los desarrollos previos de inteligencia artificial y, por ello, éstos no podían generar contenidos ni utilizar los patrones “aprendidos” en un caso para otros casos distintos.
Importante es tomar en cuenta que la versatilidad que GenAI adquiere (al estar basada en FMs), no garantiza su aplicabilidad en todos los casos ni que las respuestas generadas sean siempre correctas o ajustadas a la realidad. El modelo maneja la data pero no juzga ni evalúa su veracidad. La coherencia lingüística y formal de las respuestas las hace plausibles, pero no necesariamente ciertas, sobre todo cuando la data con la que trabaja el modelo tiene errores, omisiones o sesgos. Por tanto, aquellas empresas que optan por integrar GenAI en sus procesos operativos, deben tomar la precaución de incluir alguna supervisión humana, sobre todo en áreas en las que un error pueda causar pérdidas o daños, o cuando el resultado requiera ser explicado o justificado.
El uso extendido de GenAI no estará exento de riesgos, por lo cual un CEO responsable hará su mejor esfuerzo para mitigarlos desde el inicio, tanto aquellos de tipo regulatorio como los que pudieren afectar la reputación de la empresa y/o la confianza de sus clientes y asociados. En especial, prestará atención a los temas de:
Los directores de empresa deben considerar el uso de GenAI más como una necesidad a corto plazo y no como una mera posibilidad de largo plazo, pues la demora excesiva se traducirá rápidamente en una significativa pérdida de competitividad. Cómo emprender el camino es decisión de cada CEO: a lo grande cuando haya una oportunidad transformadora que lleve a reimaginar toda la operación, o gradualmente, empezando por algo pequeño y escalando posteriormente. Para cada camino, hay opciones técnicas que los expertos en inteligencia artificial pueden aplicar para ejecutar esa estrategia, dependiendo de su uso. Veamos sucintamente, 4 ejemplos concretos:
La mayor parte del trabajo de un ingeniero de software es escribir códigos, realizar muchas pruebas y ensayos, revisar cantidades de documentación pública y privada, y procesar solicitudes de revisión y corrección de problemas. Esto puede solventarse con una herramienta estándar de GenAI que complete la codificación y sugiera variantes de bloques de código que satisfagan la descripción que hace el ingeniero en lenguaje natural. La misma se integra con el software utilizado para codificar y ensayar, y todo a un costo bastante asequible.
Algunos bancos han optado por usar GenAI para ese propósito, construyendo internamente una solución que apoye la gestión de estos operadores, conectándose –via un API– con un ‘modelo fundacional (FM)’ que accede a un enorme pool de documentos, los lee y consolida rápida y coherentemente la información que el funcionario le requiere para responder a las solicitudes de sus clientes. Esta modalidad es más costosa, pues precisa contratar especialistas de datos, diseñadores y desarrolladores de front-end, más el mantenimiento del software y del uso del API.
Cumplir con este objetivo requiere de aplicaciones GenAI más sofisticadas e inteligentes, que “escuchen y aprendan sobre la marcha” para conversar fluidamente con clientes exigentes que utilizan terminología muy especializada (p.ej., en medicina, finanzas, legal y hasta bienes raíces); aquí, la respuesta rápida y eficaz, el uso de un lenguaje cónsono con la marca, y el tono que ésta espera recibir, son diferenciadores competitivos esenciales. Internamente, el personal altamente especializado atendería solicitudes más complejas que impacten el negocio a un nivel más alto.
El uso más complejo y customizado de aplicaciones de GenAI ocurre cuando no existen FMs disponibles para el fin propuesto y hay que construirlo desde cero. Esto es frecuente en sectores altamente especializados (como el farmacéutico o el de biotecnología) que operan con data tan única y diferenciada que aún no se han generado los bloques de data que los FMs existentes necesitan para “entrenarse”. El esfuerzo técnico e ingenieril implícito en crear y entrenar un FM desde cero está alrededor de 10x a 20x el costo de hacer software con un API, lo que sumado a la enorme inversión de recursos materiales, logísticos y financieros requeridos, a menudo dificulta justificar el mismo.
El rol del CEO es crucial para impulsar la adopción de estas iniciativas, catalizando el foco de su equipo gerencial hacia GenAI, sobre todo al considerar la rapidez con que estas tecnologías continúan evolucionando. Entender el potencial del enorme valor que puede derivarse de su aplicación, tener plena conciencia de los riesgos y esfuerzos a enfrentar, y comunicarlos apropiadamente a los equipos de trabajo será igualmente importante en el proceso. Por ello, el CEO prestará especial atención a los siguientes temas:
