¿Qué puede hacer realmente la IA por tu negocio?

Los grandes modelos lingüísticos están transformando nuestra forma de trabajar y esto ha causado un gran impacto en el ecosistema empresarial. Esto se debe a que la tecnología se puede aplicar por igual sin importar el sector de trabajo, lo que sí es vital es que haya cierto manejo de información o se lleven a cabo tareas que se puedan estandarizar y automatizar. Es por esto que no paramos de escuchar casos de éxito aplicando la IA en los servicios de empresas tanto en servicios financieros, como en atención sanitaria, educación o procesos administrativos, entre otros.

Pero, ¿qué hay de exageración y qué es real?

El uso de ChatGPT continúa creciendo, con aproximadamente 1.8 mil millones de visitas mensuales y 10 millones de consultas diarias según sus analíticas web. Este chat se ejecuta en GPT-4, uno de los LLM (Large Language Model) más conocidos, aunque no el único. A día de hoy existen varios competidores bastante fuertes, como pueden ser Google Lamda, BLOOM de Hugging Face o NeMO LLM de Nvidia.

Hay mucho entusiasmo, miedo, exageración e inversión en torno a la IA, sobre todo tras la popular irrupción de ChatGPT como herramienta de uso abierto para cualquier tipo de público. Es por esto que a día de hoy muchas personas y empresas están experimentando para ver cómo aprovechar estas nuevas herramientas y mejorar sus procesos. Sin embargo las dos preguntas clave son: ¿Dónde pueden aportar realmente valor estas herramientas? ¿Y qué queda fuera de su alcance o capacidad actual?

Responder estas preguntas no es tarea sencilla ya que la IA generativa está en constante y rápida evolución. Por ejemplo, GPT-4 se anunció por primera vez en marzo de 2023 y se convirtió en el LLM para todos los usuarios de ChatGPT en mayo, solo un mes después. Además, lo que funciona bien para una persona y una empresa puede no adaptarse bien en otras, especialmente ahora que tenemos que dominar el uso de prompts para realizar consultas.

Además: ¿Qué es el prompt engineering? Domina ChatGPT en 5 pasos

Es difícil para las empresas quedarse al margen e ignorar las oportunidades y los riesgos que esta tecnología presenta. Según Patrick Dougherty (cofundador de Rasgo): «ChatGPT y los LLM pueden cambiar la ecuación fundamental de los negocios. Ya que en lugar de que la producción corporativa se vea obstaculizada por la inversión de tiempo humano, su única limitación será la calidad de su toma de decisiones estratégicas».

A continuación veremos algunas pautas a considerar sobre lo que ChatGPT puede y no puede hacer, y lo que se debe y no se debe hacer con los LLM.

1. No compartas información privada en LLMs públicos

«La IA es excelente si puedes controlarla», dice Amy Kenigsberg, directora de operaciones y cofundadora de K2 Global Communications . «Si bien la mayoría de nosotros simplemente hacemos clic en ‘Acepto’ para acceder a una página de términos y condiciones, es necesario leer los términos de las herramientas de inteligencia artificial con mucha atención antes de usarlas».

Muchas empresas están redactando los textos de sus políticas internas con ChatGPT y una de las principales preocupaciones que deberían tener es el riesgo de compartir información confidencial. Para ilustrarlo mejor, aquí podemos destacar un caso real y reciente en el que el equipo de desarrollo de Samsung quería depurar el código de su aplicación con ayuda de GPT y para ello copiaron el código de su proyecto y lo pegaron en GPT para poder recibir una respuesta por parte del LLM. Aunque puede parecer una buena idea, lo sería si no hubieran compartido información privada de su empresa durante el proceso.

Aquí es importante resaltar un poco más de lo que Kenigsberg compartía recientemente: “El problema con ChatGPT y muchas otras herramientas de inteligencia artificial es que cualquier información que pegues pasa a formar parte de su conjunto de datos de entrenamiento. Si alguien introduce datos de propiedad privada, esa información puede aparecer en las respuestas que la herramienta genere para algún otro competidor. Si se introduce información de identificación personal (PII) para analizar a un cliente, la empresa puede estar violando principios de GDPR o cualquier otra de las muchas regulaciones de privacidad que existen y se aplican sobre la información de clientes, usuarios, proveedores, etc”.

Por lo tanto, antes de experimentar y explorar casos de uso con cualquier herramienta es vital que revises las políticas de gobernanza de datos de su empresa. De esta forma sabrás a qué te expones y qué información harás bien en compartir o no.

2. Revisa y conoce la capacidad de los LLM que vayas a usar

A día de hoy podemos ver multitud de proveedores de tecnología anunciando la posibilidad de aplicar la IA de sus plataformas parar mejorar los procesos de trabajo tanto para usuarios finales como para empresas. Si estás buscando un valor añadido real, debes conocer bien cuáles son las capacidades de dichas herramientas y cómo funcionan, de esta manera podrás ver cómo mejoran la productividad, simplifican el acceso a la información o qué beneficios operativos pueden aportar realmente.

Además: ¿Es posible dominar la IA sin habilidades tecnológicas?

Si no conoces ninguna herramienta de IA, aquí hay una muestra de varios anuncios que pueden resultarte interesantes:

3. Consigue respuestas rápidas, pero que sean útiles

Un caso de uso principal para ChatGPT es obtener respuestas rápidas sin realizar toda la investigación subyacente o el aprendizaje necesario para convertirse en un experto en la materia. Por ejemplo, los especialistas en marketing pueden buscar ayuda para redactar los correos electrónicos de los clientes; los ingenieros pueden querer que se definan términos técnicos; o recursos humanos pueden pedir ayuda para reformular una política de personal.

Los LLM desarrollados sobre contenido empresarial también ofrecen muchos beneficios, ya que permiten a los empleados hacer preguntas para acelerar su incorporación al llegar a una nueva empresa. De esta forma pueden comprender de forma más sencilla qué beneficios ofrece la empresa, encontrar información sobre sus productos o identificar a las personas de cada departamento y saber en qué son expertos.

En otras palabras, ChatGPT puede impulsar la productividad, mejorar las habilidades de las personas y ayudar en la creación de contenido. Pero es importante que haya sido entrenado correctamente sobre la información que se le va a pedir, ya que sino puede inventarse la respuesta y no siempre vamos a ser capaces de darnos cuenta de esto. Si ChatGPT se equivoca sobre un tema que conocemos, podremos corregir su respuesta al revisarla y detectar el error, sin embargo sobre cualquier tema que no conozcamos será muy probable que podamos recibir una respuesta que no seamos capaces de evaluar y usar de manera acertada.

«La IA generativa es increíblemente útil para ayudar a las empresas a generar análisis e informes rápidos buscando en la web inteligencia de código abierto, como datos gubernamentales, económicos y financieros», afirma Raul Martynek, director ejecutivo de DataBank . «La IA ya nos está ayudando a comprender rápidamente el entorno de nuestros centros de datos, la intención de nuestros clientes y el sentimiento de nuestro personal, para garantizar que tomemos decisiones informadas rápidamente en todas las dimensiones del negocio».

En este sentido, vemos la mejor cara de ChatGPT y al igual que es muy interesante señalar sus capacidades y beneficios, no debemos olvidar revisar sus puntos débiles. Conocer de forma integral las herramientas que gestionamos, nos permite darles un mejor uso y entender mejor sus resultados.

Además: ¿Qué es la IA? Descubre cómo funciona

En ese sentido, vamos a destacar algunas limitaciones de ChatGPT apoyándonos en Alex Vratskides, director ejecutivo de Persado, ya que hace poco compartía lo siguiente: «Sam Altman, director ejecutivo de OpenAI, acertó cuando dijo que ChatGPT crea una ‘impresión engañosa de grandeza’. Si estás buscando un impulso en tu productividad, ChatGPT es una herramienta impresionante. Pero ChatGPT por sí solo todavía no garantiza una respuesta correcta o real, su resultado actual es insuficiente y puede ser engañoso”.

Vratskides afirma que la grandeza de la IA llegará cuando esta permita a las personas mejorar su proceso de toma de decisiones. «Cuando los modelos transformadores se entrenen con datos de comportamiento sacados de una base de conocimiento empresarial, el lenguaje se podrá personalizar para motivar a las personas a participar y actuar, generando así un impacto empresarial».

Las personas también deben esperar sesgos en la IA, ya que los modelos se entrenan con fuentes que contienen información contradictoria, falsedades y opiniones prejuiciosas. Marko Anastasov, cofundador de Semaphore, dice: «Aunque son poderosos, los modelos de lenguaje en última instancia están limitados por los sesgos arraigados en sus datos de entrenamiento y la complejidad de la comunicación humana».

Por último, aunque ChatGPT es una excelente herramienta de investigación y dispone de una gran cantidad de información, sus usuarios harán bien en revisar con qué datos se ha entrenado por última vez. «ChatGPT no está al tanto de los últimos eventos o noticias», dice Anjan Kundavaram, director de producto de Precisely. “También está entrenado en conversaciones humanas basadas en texto, utilizando datos potencialmente inexactos, falsos o engañosos. La integridad de los datos que alimentan un modelo de IA afecta directamente su rendimiento, precisión y confiabilidad”.

Kundavaram recomienda buscar eficiencias comerciales. “Es una excelente opción para los departamentos de atención al cliente, ya que ayuda a automatizar tareas conversacionales sencillas para que los empleados puedan concentrarse en otras tareas de mayor valor para la compañía».

4. Simplifica la comprensión de información compleja

Hay muchos empresas en las que poder acceder a cierta información es un proceso tedioso, complejo y a veces hasta casi imposible. En ese sentido el apoyo en herramientas de IA con modelos que trabajen con tu información y puedan generar una respuesta rápida apoyándose en tus datos puede ser una de las grandes ventajas de contar con una plataforma de IA en tu empresa.

En ese sentido, existen empresas con un gran valor añadido como Renaiss, plataforma conversacional de IA que mejora la productividad y la experiencia de trabajo apoyándose en la base de conocimiento de la empresa para brindar respuestas rápidas a las consultas que sus usuarios hagan. Esto genera un gran valor añadido ya que las respuestas serán siempre acordes a la documentación de la empresa y sus modelos aplicarán un entrenamiento por área que permitirá un apoyo integral en cualquier de las verticales de la compañía.

Poder interactuar con la plataforma mediante mensajes de lenguaje natural siempre es un pro, ya que evita la necesidad de tener conocimientos técnicos y no por ello recibir respuestas menos precisas. En cualquier caso, encontrar información es un caso de uso y otro muy distinto es resolver problemas operativos rápidamente.

Además: Aprende IA con IBM gratis en 10 horas

Por ejemplo, arreglar problemas de rendimiento de una base de datos multipropósito puede llevar bastante tiempo a un equipo técnico, ya que encontrar la causa raíz no es algo trivial y será necesaria la participación de distintos expertos para poder dar con ella y aplicar una solución. Pero según el vicepresidente y arquitecto jefe de infraestructura de bases de datos de EDB, Dave Page: «La IA generativa facilitará la gestión y optimización del rendimiento de la base de datos. Ya que estas herramientas impulsadas por IA pueden monitorear automáticamente las bases de datos, detectar problemas y sugerir optimizaciones, optimizando así los tiempos de trabajo y permitiendo al equipo técnico centrarse en tareas más complejas».

Aún así cabe destacar que Page reconoce que «los problemas de las bases de datos pueden ser complejos y puede haber factores que la IA no pueda tener en cuenta”.

Otro caso de uso es simplificar el acceso a fuentes de información no estructuradas grandes y complejas, como manuales de productos y guías de capacitación operativa. «Nuestros clientes generan una gran cantidad de documentación que puede ser difícil de seguir o de buscar, incluso a veces puede estar fuera del alcance del usuario promedio», dice Kevin Miller, CTO de IFS North America.

«Consideramos que los LLM son una excelente manera de ayudar a brindar contexto a nuestros usuarios de nuevas maneras, incluyendo la generación de manuales de uso donde también se muestre cómo otros usuarios han resuelto problemas similares previamente».

Phil Tee, director ejecutivo y cofundador de Moogsoft , advierte de una falsa equivalencia entre conocimiento y comprensión. «ChatGPT y otros LLM ofrecen consejos técnicos y explican procesos complicados a un nivel más humano, lo cual es increíblemente valioso. Pero saber que un conjunto de pasos resolverá un problema no es lo mismo que comprender si es correcto aplicar esos pasos, y eso puede ser algo perjudicial si confiamos demasiado en los LLM sin cuestionar su resultado».

Si estás considerando conectar una capacidad LLM a una de tus aplicaciones, Phillip Carter, gerente principal de productos de Honeycomb , comparte la siguiente recomendación. «Ponte el desafío de pensar en qué aspectos de tu producto tienen más dificultades tus usuarios y revisa que se puede resolver primero sin IA. Una vez hecho esto puede ser buen momento de buscar un LLM que te ayude a reducir cargas de trabajo repetitivas o que ayude a tus usuarios con sus problemas».

Por último añade: «No te engañes pensando que puedes colocar una interfaz de usuario de chat en alguna barra lateral de la interfaz de usuario de tu producto y esperar que la gente se entusiasme».

5. Patenta funcionalidades sobre LLMs existentes

Hoy en día podemos usar LLMs públicos como ChatGPT y aprovechar así las capacidades integradas en su plataforma de software sin necesidad de desarrollar un LLM propio. Como crear un LLM es un proceso muy costoso actualmente, la mayoría de las empresas descartan esta vía directamente. Lo que sí que es una opción a día de hoy, es patentar una funcionalidad desarrollada sobre una LLM ya existente.

John Ehrhard, director ejecutivo de Orson , dice: «Las mayores oportunidades van a tenerlas aquellas empresas con experiencia en un sector específico. Esto les permitirá crear un contexto y las capas de conocimiento sobre los LLM, utilizándolos así como traductores que ofrecerán una interacción personalizada a cada usuario».

Por ejemplo, Los LLM centrados en el sector financiero seguramente incluirán Intuit GenOS, un sistema operativo con LLMs financieros entrenados y especializados en resolver desafíos financieros. Otro ejemplo es BloombergGPT, un LLM de 50 mil millones de parámetros entrenado en 700 mil millones de tokens de documentos financieros y conjuntos de datos públicos ingleses.

Además: ¿Quieres trabajar en IA? Cómo dar un giro a tu carrera en 5 pasos

«Los LLM ya se están implementando e impulsando el valor empresarial a día de hoy, pero simplemente no se parecen a ChatGPT», dice Kjell Carlsson, jefe de estrategia y evangelización de ciencia de datos en Domino. «Las empresas de biotecnología están acelerando el desarrollo de proteínas para nuevos tratamientos, mientras que organizaciones de todos los sectores utilizan los LLM para comprender las conversaciones de los clientes y optimizar las operaciones de servicio al cliente».

Integrar las capacidades de LLM en el modelo de negocio existente no es una tarea trivial, como explica Carlsson. “Las capacidades generativas de estos modelos son actualmente las formas más difíciles de impulsar el valor empresarial porque los casos de uso empresarial no se han probado y debido a las enormes limitaciones, incluido el coste, la privacidad, la seguridad y el control de los modelos similares a ChatGPT que se consumen como servicio.»

Conclusión

Las empresas con modelos de negocio que generen ingresos a partir de sus grandes conjuntos de datos propietarios y no estructurados deberían considerar la oportunidad de incorporar sus datos en los LLM. «Las empresas pueden ejecutar y gestionar modelos especializados dentro de sus propios límites de seguridad, lo que les otorga control sobre el acceso y el uso de los datos», afirma Dror Weiss, cofundador y director ejecutivo de Tabnine.

Es decir, lo más importante es que las empresas puedan personalizar modelos especializados utilizando sus propios datos, lo cual es esencial para que los modelos de aprendizaje automático produzcan resultados precisos.