Enable javascript in your browser for better experience. Need to know to enable it? Go here.

IA en todas partes

 

Aprovechando los últimos avances para escalar tu negocio

 

La IA Generativa (GenAI) ha acaparado la atención, pero en realidad es sólo un aspecto de un campo mucho más amplio que avanza en múltiples frentes. Una de las cosas que GenAI ha demostrado es que la IA puede estar disponible, ser accesible y aplicable a más personas. Esta democratización ha provocado una avalancha de experimentación e inversiones en todos los campos, desde alternativas a los teléfonos inteligentes hasta nuevas empresas que trabajan en el próximo ChatGPT.

 

Lo que todo esto significará para las organizaciones en el día a día está menos claro. Creemos firmemente que la IA ya está teniendo y seguirá teniendo un gran impacto en algunos procesos esenciales para ser una empresa digital, especialmente en el desarrollo de software, lo que permitirá a las empresas crear y comercializar productos más rápidamente.  

 

Es importante entender que, a pesar de todo el entusiasmo, la IA no siempre será una fuerza transformadora. Los grandes modelos lingüísticos (LLM) comerciales son potentes pero, al menos por ahora, demasiado caros para que la mayoría de las organizaciones los utilicen a gran escala. La expectativa en torno a ChatGPT hace que pueda convertirse en un "martillo en busca de un clavo" y que las empresas se apresuren a integrarlo en sus procesos cuando, en realidad, puede que no sea necesario o que no sea la herramienta adecuada para el trabajo. 

 

Las organizaciones necesitan poner en marcha algunos elementos fundamentales antes de poder aprovechar los avances de la IA que parecen surgir cada día. Uno de ellos es una estrategia de datos sólida, como la descrita en nuestro lente de plataforma de datos, que garantice la disponibilidad de un nivel básico de datos relevantes, creíbles y trazables para alimentar los modelos de IA. Sin esta base, una solución de IA puede simplemente permitir a la empresa tomar decisiones equivocadas con mayor rapidez.

 

También es fundamental emplear herramientas como GenAI con una idea básica de lo que es "bueno" para el resultado que se pretende conseguir. Aunque estas herramientas se pueden dirigir, no se puede confiar en que trabajen sin supervisión ni en que verifiquen la calidad de los resultados. Controlar la dirección y los resultados de los sistemas de IA forma parte de una práctica tecnológica responsable y es esencial para evitar consecuencias imprevistas.

 

Una vez establecidos estos parámetros, animamos a las organizaciones a empezar a probar la IA con los posibles casos de uso que surjan en sus operaciones. Como ocurre con todas las innovaciones, puede resultar difícil comprender todo el potencial o el abanico de aplicaciones hasta que la tecnología está firmemente implantada.

Mike Mason, Thoughtworks
A medida que la integración de la IA se vuelve más sofisticada y se multiplican las implicaciones de un error perjudicial, crece también la necesidad de una gestión eficaz de los riesgos.
Mike Mason
Chief AI Officer, Thoughtworks
A medida que la integración de la IA se vuelve más sofisticada y se multiplican las implicaciones de un error perjudicial, crece también la necesidad de una gestión eficaz de los riesgos.
Mike Mason
Chief AI Officer, Thoughtworks

Señales

 

  • Las empresas descubren nuevas aplicaciones para la IA, a menudo en campos que no se esperan necesariamente. La consultora McKinsey, por ejemplo, ha llamado la atención con el desarrollo de un chatbot que actúa como asistente versátil y "compañero de intercambio de ideas", escaneando el vasto repositorio de documentos y transcripciones de entrevistas de la empresa basándose en las consultas de los empleados para resumir lo más destacado e identificar expertos que puedan ayudarles en su trabajo.

     

  • Los LLM hablan nuevos "idiomas". Se están desarrollando más LLM para sectores o casos de uso específicos que emplean su propio vocabulario, a veces muy técnico. Algunos ejemplos son BloombergGPT, de Bloomberg, entrenado específicamente en conjuntos de datos financieros para ayudar en tareas habituales del sector de los servicios financieros como el reconocimiento de entidades con nombre y la clasificación de noticias; y MedPaLM,  de Google, diseñado para generar respuestas precisas y extensas a preguntas habituales sobre salud de los consumidores y que ha demostrado tener conocimientos suficientes para aprobar el examen de licencia médica de Estados Unidos. 

 

  • La IA se convierte en el nuevo campo de batalla de la inversión. La cantidad de dinero y recursos que están invirtiendo en IA algunas de las mayores empresas del mundo para asegurarse una ventaja competitiva en este espacio de rápido crecimiento es asombrosa. La inversión de 4.000 millones de dólares de Amazon en la startup Anthropic llega justo después de la multimillonaria inversión de Microsoft en OpenAI, fabricante de ChatGPT, a principios de este año.  Goldman Sachs calcula que la inversión total en el sector podría acercarse a los 200.000 millones de dólares en 2025, incluso antes de que la IA empiece a producir verdaderos aumentos de productividad.

     

  • Los valores relacionados con la IA están en racha. La espectacular subida de más del 200% de Nvidia, el principal fabricante de los chips que impulsan los sistemas de IA, es sólo la punta del iceberg. Las acciones de empresas menos conocidas, como C3.ai, desarrolladora de aplicaciones de IA, y los fondos cotizados (ETF) centrados en la IA, como BOTZ,  también se han disparado a medida que analistas e inversores se fijaban en el sector.

Las oportunidades

 

Adelantándose a la curva de este objetivo, las organizaciones pueden:

 

  • Suavizar y acelerar las interacciones entre humanos y computadoras. Los avances en el procesamiento del lenguaje natural (PLN) están abriendo nuevas vías para que las personas se comuniquen con las máquinas, incluso a través de conversaciones cotidianas. Esto está ampliando el número de personas que pueden interactuar con estos sistemas y facilitando enormemente la planificación y ejecución de tareas como resumir información, proporcionar respuestas autónomas a consultas o contexto e información para apoyar determinadas funciones, o generar y conservar contenidos.

     

  • Acaba con el terror a la "página en blanco". Sea cual sea la tarea o el proyecto, dar con la idea o ideas iniciales y empezar prácticamente de la nada suele ser la parte más difícil. La IA puede eliminar la parálisis de la página en blanco investigando y proporcionando una lista de sugerencias o ideas que, aunque estén lejos del resultado deseado o del artículo acabado, pueden servir como punto de partida o impulsar a las mentes recalcitrantes a la acción.

     

  • Automatizar tareas, no trabajos enteros. La necesidad de la participación humana para guiar y, en última instancia, evaluar los resultados de la IA hace que la externalización total de funciones a sistemas de IA sea menos probable de lo que mucha gente piensa. Dicho esto, hay multitud de tareas que la IA puede automatizar o en las que puede aumentar la aportación humana, haciendo el trabajo más coherente y eficiente. Cualquier tarea que requiera el acceso y análisis de un vasto corpus de conocimientos -como un gran número de artículos de investigación o bases de datos de información médica o financiera- puede considerarse un candidato prometedor para la ayuda de la IA. El listón de lo que la IA puede hacer cambiará constantemente, pero en general, como algunos han aconsejado, puede ser útil pensar en la IA " no como software, sino como personas bastante buenas’", es decir, el equivalente a un asistente de investigación competente o a un ejército de becarios bienintencionados. A la IA se le pueden confiar algunas tareas, pero no se le puede confiar todo. 

     

  • Revolucionar la entrega de software. Existe la idea errónea de que en la creación de software, GenAI se utiliza principalmente como herramienta para facilitar la codificación, cuando en realidad puede afectar a todos los aspectos del ciclo de vida del desarrollo. Las aplicaciones potenciales más allá de la ayuda a la codificación incluyen la lluvia de ideas con la IA para mejorar nuestros requisitos y escenarios de prueba; la mejora de la respuesta a incidentes y la depuración traduciendo el lenguaje natural en consultas sobre registros y métricas; la ideación de productos y estrategias; y la búsqueda de información institucional no estructurada para proporcionar un contexto valioso a los desarrolladores. Basándonos en nuestra experiencia, creemos que la entrega de software asistida por IA tiene el potencial de aumentar la productividad hasta un 30%.

Persona hablando por el móvil
Persona hablando por el móvil

Lo que hemos hecho

Mejorando la IA conversacional con modelos lingüísticos con Jugalbandi

 

 Trabajamos en un chatbot que ayuda a los usuarios a navegar por la complejidad de los diversos planes de bienestar del gobierno de la India. Es un testimonio de la capacidad de la IA no solo para navegar, procesar y resumir grandes cantidades de información en un formato fácilmente digerible, sino también para satisfacer a una base de usuarios mucho más inclusiva en sus propios términos. Combinamos una serie de LLM y modelos de traducción existentes para potenciar la IA conversacional a través de la voz, tanto entrante como saliente, en múltiples lenguas y dialectos locales. Esto proporciona un punto de acceso y una fuente de información sobre servicios gubernamentales a una base de usuarios rurales con altas tasas de analfabetismo. Esto ha ampliado y simplificado enormemente las interacciones entre el Gobierno de India y muchos de sus ciudadanos en zonas remotas y no urbanas.

Consejos prácticos

 

Cosas que hacer (Adoptar)

 

  • Identifique defensores de la IA que puedan ayudar a guiar y enseñar a tu organización sobre los posibles casos de uso de las soluciones emergentes, pero comprende que la IA puede y será aplicada de diferentes maneras en casi todas las partes de la empresa, lo que significa que estos defensores deben mantener una mente abierta. Contar con personas que tengan una idea clara de lo que es "bueno" puede reducir los riesgos y garantizar que las iniciativas de IA se centren en resultados empresariales significativos.

     

  • Especialmente a corto plazo, hay que centrarse en cómo trabajan juntos los humanos y la IA. Asegúrate de que los equipos entienden cómo la IA puede aumentar, no amenazar, las tareas que son fundamentales para sus funciones, y dónde tendrán que tomar el control. Vigila y gestiona los costos de los servicios que utilizan las personas, que generalmente no son visibles para un usuario individual, pero que pueden acumularse rápidamente. Dependiendo de la tarea, puede merecer la pena sacrificar un cierto grado de precisión a cambio de menores costes, ya que los modelos que son sólo ligeramente menos precisos pueden ser sustancialmente más baratos de ejecutar.

     

  • Identifica casos claros de uso de la IA que generen valor real para tu organización, así como áreas en las que explícitamente no utilizarás la IA, ya sea porque no tiene sentido desde el punto de vista empresarial, porque los costes superan las inversiones necesarias o porque los riesgos asociados son simplemente demasiado elevados. Dado que la lista de aplicaciones potenciales es enorme y está en constante expansión, tener estas decisiones en torno a las que orientarse garantizará que los esfuerzos que realiza en materia de IA se orienten cuidadosamente y, por lo tanto, tengan más probabilidades de dar fruto.

     

  • Sé consciente de la tecnología que utilizas. La "IA" se ha convertido a veces en un cajón de sastre para una serie de tecnologías distintas y, más recientemente, se utiliza para referirse únicamente a GenAI. Las capacidades y los casos de uso de la GenAI frente a otras tecnologías que a veces se agrupan bajo el paraguas de la IA -como el aprendizaje automático- pueden ser muy diferentes, por lo que se necesita claridad sobre lo que está planeando implementar y cómo se conecta con los problemas que está tratando de resolver.

     

  • Definir y comunicar los "guardarraíles" desde el principio. Mucho antes de interactuar con la IA en el día a día, los equipos deben ser conscientes de las normas y expectativas en términos de seguridad, fuentes de datos y sistemas de investigación o sus resultados para la transparencia y / o sesgo. También deben saber cuándo renunciar a los experimentos cuando sea improbable que produzcan el resultado deseado o entrañen riesgos excesivos.

 

Aspectos a tener en cuenta (Analizar)

 

  • Alternativas de código abierto a los LLM comerciales, que están mejorando y cada día surgen más. Los modelos de libre acceso como FastChat-T5 pueden proporcionar una base sólida para aplicaciones de chatbot y atención al cliente, y desarrollarse en modelos especializados que protejan la propiedad intelectual de la organización.

     

  • Agentes de IA. Las recientes interfaces de programación de empresas como OpenAI ofrecen la posibilidad de combinar la funcionalidad de modelos de IA generativa disponibles públicamente con conocimientos específicos externos al modelo, como información sobre productos.

     

  • Nuevas ofertas de proveedores. Los proveedores de nubes públicas como AmazonGoogle Cloud anunciaron una oleada de nuevos productos y servicios para las personas que crean software hacia finales de 2023. En muchos casos, estas herramientas ofrecen características convincentes, como el despliegue asistido por IA y el funcionamiento del software que se está creando. Anime a sus campeones de IA a evaluar regularmente una variedad de ofertas.

 

 

Cosas a tener en consideración (Anticipar)

 

  • Olas de regulación. Como demuestra el debate en curso sobre una ley de IA en la Unión Europea, los gobiernos se apresuran a legislar contra algunas de las repercusiones más negativas que se perciben de la IA y es probable que lleguen rápidamente nuevas normas sobre todas las facetas de la IA desde todas las direcciones. Las organizaciones deben ser proactivas a la hora de establecer políticas para "hacer lo correcto" antes de que se vean obligadas a ello, de modo que el cumplimiento se convierta en algo natural.

Descarga el reporte completo