Existe inmenso interés, curiosidad y presión para usar Inteligencia Artificial Generativa en las empresas. Las experiencias que se vivan allí y los aprendizajes adquiridos serán importantes e interesantes para todos, no solamente para otras empresas.
Especial de Laszlo Beke
Respondiendo a estas inquietudes ubicamos información muy útil en varias publicaciones de la consultora Gartner en temas asociados a Inteligencia Artificial Generativa, tales como: los sectores de la economía afectados, el impacto de IA en el futuro del trabajo, usos prácticos, contribución al valor en el negocio y las mejores prácticas y las mejores opciones para la implementación de IA. Hay mucho material interesante, se recomienda leerlo un par de veces.
Sectores impactados por la IA Generativa
IA Generativa afectará los siguientes sectores: farmacéutico, manufactura, medios, arquitectura, diseño interior, ingeniería, aeroespacial, defensa, medicina, electrónica y energía a través de la mejora de los procesos críticos con modelos de IA. Impactará el mercadeo, el diseño, las comunicaciones corporativas, el entrenamiento y la ingeniería de software al mejorar los procesos de soporte que se extienden a través de muchas organizaciones. Como ejemplo, se estima que para el año 2025:
– Más del 30% de las nuevas medicinas y materiales serán sistemáticamente descubiertas utilizando técnicas de IA Generativa, cuándo hoy en día eso no ocurre en absoluto.
– El 30% de los mensajes de salida de mercadeo, provenientes de las grandes organizaciones, serán generados en forma sintética, comparado con el 2% actual. Los generadores de texto como GPT-3 ya pueden generar texto para mercadeo y para publicidad personalizada.
En los sectores de manufactura, automotriz, aeroespacial y defensa, el diseño generativo puede crear diseños optimizados para cumplir con objetivos y restricciones específicas, como desempeño, materiales y métodos de manufactura. Esto acelera el proceso de diseño al generar un conjunto de opciones potenciales para ser exploradas por los ingenieros.
Impacto de IA en el futuro del trabajo
En el área empresarial hay muchas personas que son creadores de contenido en alguna forma. La IA Generativa alterará su trabajo significativamente, creando, imágenes, diseño de hardware, música, video y otros. Por ello, las personas se tendrán que convertir en editores de contenido, lo cual exige un conjunto de competencias diferentes al de los creadores de contenido. Mientras tanto, la manera en la cual la fuerza de trabajo interactuará con las aplicaciones cambiará y pasará a ser conversacional, proactiva e interactiva. En el corto plazo, los modelos de IA más allá de responder a lenguaje natural también comenzarán a sugerir acciones no solicitadas. Por ejemplo, el usuario pide una cuadro en un cierto formato y posiblemente recibirá como respuesta varias opciones. En teoría esto debería incrementar la productividad, pero también es contraria al pensamiento convencional, el cual parte de la base que es el ser humano quién toma el liderazgo en el desarrollo de la estrategia. Hay mucho que aprender ahora y en el futuro.
Inteligencia Artificial Generativa – usos prácticos
El campo de Inteligencia Artificial Generativa progresará rápidamente, tanto en el descubrimiento científico como en la comercializacion de la tecnología, sin embargo los casos de uso que están emergiendo rápidamente están principalmente orientados a contenido creativo, al perfeccionamiento del contenido, a la data sintética, en ingeniería creativa y al diseño generativo. Los casos en uso, en aplicaciones prácticas de alto nivel, incluyen los siguientes:
Incremento y creación de contenido escrito – produciendo un “borrador” del texto en el estilo y longitud deseados.
Respuesta a preguntas y descubrimiento – habilitando a los usuarios a ubicar respuestas basadas en data y en la información contenida en prompts.
Tono – manipulando texto para suavizar el lenguaje o para profesionalizar el texto.
Resúmenes – ofreciendo versiones cortas de conversaciones, de artículos, de correos electrónicos y de páginas web.
Simplificación – descomponiendo títulos, creando esbozos y extrayendo contenido clave.
Clasificación del contenido para casos específicos de uso – clasificando de acuerdo al sentimiento o la actitud, el tópico, etc.
Mejora del desempeño de chatbots – mejorando la extracción del “sentimiento”, de la clasificación de los sentimientos y de la generación del flujo de los recorridos, partiendo de descripciones generales.
Codificación de software – generación, traducción, explicación y verificación del código.
Los casos de usos emergentes, con impacto a largo plazo incluyen:
– La creación de imágenes médicas que muestran el desarrollo futuro de una enfermedad.
– Data sintética ayudando a complementar estudios con data escasa, mitigando el sesgo, preservando la privacidad de la data y simulando escenarios futuros.
– Aplicaciones que de una forma proactiva sugieren acciones adicionales a los usuarios y que les proveen información.
– Modernización del código de las aplicaciones legacy.
Inteligencia Artificial Generativa – valor adicionado en el negocio
IA Generativa provee nuevas oportunidades, incluyendo las disruptivas, para el aumento de las ventas, para mejoras en la productividad y en el mejor manejo del riesgo. Estas en el futuro se convertirán en una ventaja competitiva y un diferenciador. Las oportunidades se pueden clasificar así:
Ventas: (a) Desarrollo de productos – IA Generativa habilita a las empresas a crear nuevos productos más rápidamente y (b) Nuevos canales de ventas – Las empresas con mayor nivel de madurez en IA obtienen mayores beneficios de sus ventas.
Costos y Productividad: (a) Mejora de la capacidad del trabajador – IA Generativa puede incrementar la capacidad de los trabajadores para preparar y editar textos, imágenes y otros medios. También puede resumir, simplificar y clasificar contenido; generar, traducir y verificar código de software; mejorar el desempeño de chatbots. En este momento, la tecnología es proficiente en la creación de una gama muy amplia de objetos y a escala; (b) Optimización a largo plazo – Los empleados se distinguirán por su habilidad para concebir, ejecutar y refinar ideas, para generar proyectos, procesos, servicios y relaciones en sociedad con IA. Esta relación simbiótica acelerará el tiempo para el desarrollo del dominio de la tecnología por parte de los trabajadores y para extender su capacidad y su amplitud de cobertura y (c) Mejora de procesos – IA Generativa puede obtener mayor valor real y contextual de las amplias bases de contenido, que hasta ahora no han sido explotadas y esto cambiará los flujos de trabajo.
Riesgo: (a) Mitigación del riesgo- La habilidad de la IA Generativa para analizar y proveer visibilidad más amplia de la data, en áreas como transacciones de clientes y software posiblemente fallo, acrecienta el reconocimiento de patrones y la habilidad para identificar más rápidamente riesgos potenciales para la empresa y (b) Sostenibilidad – IA Generativa puede ayudar a las empresas a cumplir con la regulaciones de sostenibilidad, mitigar el riesgo de activos bloqueados y permite integrar la sostenibilidad a la toma de decisiones, al diseño de los productos y a los procesos.
IA generativa – mejores prácticas y opciones de arranque
Cómo guía se recomienda: (1) Comenzar desde adentro – haciendo pruebas extensivas con todas las partes interesadas internamente y con casos de uso de empleados; (2) Priorizar la transparencia – haciéndole saber a todos que se está lidiando con una máquina; (3) Efectuar la debida diligencia – aplicar procesos que identifican sesgos y confianza; (4) Cubrir las preocupaciones de privacidad y seguridad y (5) Avanzar con cuidado y lentamente. Adicionalmente, las tecnologías que le proveen a IA confianza y transparencia serán un complemento importante de las soluciones de IA generativa.
Muchas empresas tienen en marcha proyectos pilotos de IA en generación de código, generación de texto o diseño visual. Para establecer un piloto, se puede tomar una de estas tres rutas:
Uso de productos existentes – Se trata del uso de prompts con modelos fundacionales existentes, Cómo ejemplo se le puede pedir al modelo la creación de una descripción de cargo para un ingeniero de software o la sugerencia de múltiples opciones de títulos para correos de mercadeo.
Ingeniería de Prompts – Aquí se programa y se conecta software para aprovechar un modelo fundacional. Esta técnica es la más común de las tres, ella permite el uso de servicios públicos mientras se protege la propiedad intelectual y se aprovecha la data privada para crear respuestas más precisas, específicas y útiles. Un ejemplo de Ingenieria de Prompts sería la creación de un chatbot de Beneficios de Recursos Humanos que responde a preguntas específicas de los empleados con respecto a políticas de la empresa.
A la medida – La construcción de un modelo fundacional nuevo está más allá de la capacidad de la mayoría de las empresas, pero si es posible entonar un modelo existente. Esto consiste en agregar una capa o data propietaria que altera en una forma significativa el comportamiento del modelo fundacional. Es una experiencia costosa, pero provee el mayor nivel de flexibilidad.
Se hace referencia a los artículos son What Generative AI Means for Business, Gartner Experts Answer the Top Generative AI Questions for Your Enterprise , Beyond ChatGPT: The Future of Generative AI for Enterprises y AI Strategy for Business. También aparece en mi Portal https://tinyurl.com/tj6f44cv . La imagen es cortesía de Bing Image Creator.
