Nuevas tecnologías basadas en modelos avanzados están impulsando herramientas capaces de superar límites tradicionales, lo que favorece la mejora en los procesos corporativos y permite resolver desafíos complejos con una mayor eficiencia.
A partir de 2015, se comenzó a denominar como inteligencia artificial (IA) a prácticamente cualquier aplicación basada en aprendizaje automático. Según Deloitte, esta ampliación del término generó resistencia entre expertos y analistas del sector, quienes argumentaron que muchas de estas aplicaciones no eran más que buscadores de patrones.
Según ellos, los modelos procesaban entradas y devuelven salidas en función de probabilidades, sin pensar realmente. Así, cuestionaban: ¿cómo podían ser considerados “inteligentes”?
Sin embargo, la llegada de la IA generativa complicó aún más el debate sobre si las máquinas pueden ser inteligentes. Aunque su funcionamiento subyacente comparte similitudes con las herramientas anteriores de aprendizaje automático, la IA generativa aprovecha el poder de cálculo avanzado, datos de entrenamiento mejorados y el uso sofisticado de redes neuronales y aprendizaje profundo.
Esto le permite imitar de manera sorprendente aspectos de la cognición humana, generando nuevas oportunidades en términos de productividad, eficiencia y la creación de productos y servicios innovadores para mercados emergentes.
En muchas pruebas que evalúan capacidades cognitivas, las herramientas de IA alcanzaron, e incluso superaron, el rendimiento humano. Por ejemplo, ChatGPT obtuvo una calificación de 5, considerada como “extremadamente calificada”, en el exigente examen de biología Advanced Placement.
Por su parte, el generador de imágenes Dall-E 2 resolvió las Matrices de Raven, una prueba diseñada para medir el coeficiente intelectual visual. Asimismo, el chatbot Claude 2, desarrollado por Anthropic, logró posicionarse por encima del percentil 90 en las secciones verbal y escrita del examen GRE, utilizado como criterio de admisión en programas de posgrado en Estados Unidos y Canadá.
No solo en estas pruebas académicas, sino también en tareas prácticas como escritura a mano, reconocimiento de voz, reconocimiento de imágenes, lectura y comprensión del lenguaje, las herramientas de IA ahora superan consistentemente las capacidades humanas.
La discusión evolucionó: ya no se trata de cuestionar si las herramientas de IA son inteligentes. La verdadera interrogante radica en cómo implementar estas herramientas cognitivas para generar un impacto tangible en los negocios. La adopción estratégica de la IA promete transformar procesos, optimizar recursos y abrir nuevas fronteras de innovación.
El interés y la adopción de la IA generativa van en aumento
La inteligencia artificial generativa sorprendió al mundo cuando irrumpió en la segunda mitad de 2022 y principios de 2023. Tecnologías como ChatGPT alcanzaron una adopción masiva en tiempo récord, logrando 100 millones de usuarios en solo 60 días; en comparación, TikTok tardó nueve meses en alcanzar ese hito. Herramientas como Midjourney, DALL-E 2 y Bard también registraron un crecimiento notable, marcando un punto de inflexión en el uso cotidiano y empresarial de la IA.
Su éxito se debe a la combinación de hardware avanzado y experiencias de usuario accesibles, que permitieron la democratización de modelos sofisticados como los LLM. Esto atrajo inversiones masivas hacia startups que desarrollan estas tecnologías, consideradas el inicio de un nuevo paradigma empresarial.
Aunque se debate su impacto en el empleo, no hay evidencia de que los líderes busquen usarla para automatizar trabajos a gran escala. Más bien, la IA se perfila como una herramienta para liberar a los trabajadores de tareas rutinarias, potenciando su creatividad y productividad.
Los ejecutivos enfrentan presiones para acelerar su adopción, pero saben que un enfoque estratégico es clave. Las empresas innovadoras priorizan resolver problemas específicos y diferenciarse de la competencia mediante el uso inteligente de la IA generativa, impulsando así la innovación y la creación de valor.
Las empresas aspiran a la escalabilidad y a la experiencia en el sector
El valor real de la IA generativa radica en su capacidad para transformar funciones empresariales, reducir costos, alterar ciclos de productos y servicios, e impulsar eficiencias inalcanzables anteriormente. Para aprovechar estas ventajas, los líderes deben adoptar estrategias evolutivas en datos y tecnología.
Convertirse en una organización guiada por IA requiere disciplina y mantenimiento de sistemas y algoritmos robustos, al igual que un cohete necesita infraestructura y controles de vuelo para cumplir su objetivo. Afortunadamente, las habilidades desarrolladas en análisis de datos y aprendizaje automático pueden aplicarse a la IA generativa, aunque puede ser necesario ajustar prácticas existentes.
La IA generativa demanda grandes volúmenes de datos y acceso a infraestructura de alto rendimiento, algo que muchas empresas obtendrán como servicio a través de API. Aunque los proveedores priorizan la facilidad de uso, las empresas deben considerar los requisitos técnicos al implementar estas tecnologías.
Por último, elegir casos de uso estratégico es crucial. La IA generativa puede reducir costos, simplificar procesos, mejorar la interacción con clientes y fomentar la innovación. Identificar proyectos específicos que impulsen mejoras significativas es un buen punto de partida para su adopción.
Los datos son el combustible que impulsa el motor de la IA
Las empresas deben garantizar que sus datos estén bien estructurados y accesibles para aplicaciones de IA, permitiendo el entrenamiento de modelos y casos de uso avanzados.
Enbridge, la mayor compañía de gas natural de Norteamérica, aprendió esto durante su migración a la nube. Aunque inicialmente buscaban modernizar su infraestructura y reducir la deuda técnica, terminaron creando un repositorio centralizado que integra datos regulatorios, de mercado, de recursos humanos y más, reemplazando cientos de silos previos.
Con la llegada de la IA generativa, este repositorio centralizado se convirtió en la base para impulsar nuevas eficiencias. Enbridge implementó herramientas de copiloto basadas en IA generativa: una para acelerar el desarrollo de código y otra para facilitar el uso de aplicaciones de productividad en la oficina, optimizando así sus operaciones.
El objetivo, afirma Joseph Gollapalli, director de nube, operaciones de TI y datos de Enbridge, es “acelerar nuestra entrega e impulsar la innovación y la eficiencia. Estas soluciones de IA tienen el potencial de mejorar nuestras operaciones, mejorar la seguridad, elevar la experiencia del cliente y mejorar nuestro desempeño ambiental”.
La gobernanza es más importante que nunca
La IA generativa no puede escalar sin un marco de gobernanza eficaz. Este debe definir la visión empresarial, identificar riesgos y validar el rendimiento, ayudando a llevar proyectos más allá de la etapa de prueba.
CarMax, el mayor minorista de autos usados en EE. UU., aplica la IA generativa con un enfoque sistemático que combina el poder de la tecnología con barreras de seguridad. Entre sus usos destaca una herramienta que genera contenido para páginas de investigación de vehículos, resumiendo reseñas de clientes para facilitar decisiones de compra.
Según Shamim Mohammad, vicepresidente de CarMax, estos casos de uso aportan el mayor valor comercial cuando se gestionan adecuadamente. La compañía priorizó la gobernanza con un equipo dedicado que asegura el uso correcto de la IA. Este equipo no solo supervisa, si no que también ayuda a escalar aplicaciones útiles en toda la organización, estandarizando modelos y promoviendo la adopción más allá de los equipos tecnológicos.
“Hemos hecho muchas cosas interesantes a través del aprendizaje automático y la IA”, afirmó Mohammad. “En lo que me concentro ahora es en asegurarse de que lo estemos utilizando de manera responsable y de que, como empresa, todo lo que implementemos se haga de manera coherente con nuestros valores fundamentales”, añadió.
Asegurarse de tener los derechos de autor
La IA generativa transformó el panorama de los derechos de autor, permitiendo crear contenido con facilidad. Sin embargo, algunos modelos se entrenaron con material de terceros, lo que generó problemas legales. Un tribunal en EE. UU. determinó que el contenido generado por IA no es elegible para protección de derechos de autor, y entrenar modelos con material protegido puede infringir la propiedad intelectual.
Shutterstock ofrece una solución respetuosa con los derechos de autor. Su herramienta de generación de imágenes utiliza contenido creado por artistas que aceptaron participar previamente. Estos artistas reciben compensaciones tanto por el uso de su trabajo en el entrenamiento como cuando se licencia contenido generado en la plataforma.
Además, Shutterstock licencia su contenido como datos, ofreciendo protecciones legales adicionales para los usuarios comerciales. Este enfoque demuestra que la IA generativa puede ser compatible con el respeto a la propiedad intelectual.
“Todo el mundo está creando contenido, desde los directores ejecutivos hasta las personas que trabajan en el comercio minorista”, afirmó Michael Francello, director de innovación de Shutterstock. “La necesidad de crear contenido estaba en pleno auge. Vimos una oportunidad temprana de considerar nuestro contenido como datos que podrían entrenar modelos de inteligencia artificial generativa. Se trata de proteger el núcleo de nuestro negocio, pero también de respetarlo, que son los artistas y los colaboradores”, señaló.
La evolución de la IA generativa: hacia modelos personalizados y especializados
El enfoque de etapas evolutivas demostró ser efectivo para que las empresas amplíen sus servicios, y la IA generativa se adapta a este esquema. Inicialmente, las aplicaciones suelen ser manuales y ad hoc, pero con el tiempo evolucionan hacia procesos definidos y automatizados.
En la última etapa, se estandarizan y se implementan a nivel empresarial, maximizando las capacidades previamente desarrolladas. Este modelo no solo permite la adopción de nuevas tecnologías, sino que también facilita el escalamiento y mejora de procesos internos.
Un ejemplo de esta evolución es Eastman, una empresa química con experiencia en análisis de datos en un sector tradicionalmente menos digitalizado. Eastman utiliza herramientas avanzadas para predecir la degradación de fluidos industriales, optimizando el mantenimiento y evitando interrupciones en la producción de sus clientes.
Recientemente, comenzaron a experimentar con una herramienta de IA generativa que extrae información valiosa de notas de llamadas de ventas, un recurso subutilizado pero lleno de insights. Según Aldo Noseda, director de información de Eastman, esta integración les permite diferenciarse en el mercado con una oferta digital innovadora.
El avance de la IA generativa sugiere que el futuro estará marcado por modelos más especializados en sectores específicos. Actualmente, muchas empresas emplean modelos generales, pero ya están emergiendo herramientas como BioNeMo de NVIDIA para biotecnología, BloombergGPT para finanzas y ClimateBERT para asesoramiento climático. Estos modelos están diseñados con datos específicos y cumplen funciones concretas, mostrando el potencial de la personalización.
Además, más de un tercio de las empresas planean entrenar y personalizar modelos de lenguaje grandes (LLM) para sus necesidades comerciales. Los LLM privados, diseñados con datos protegidos y específicos de cada organización, representan una ventaja competitiva significativa. Estas herramientas, mantenidas y desarrolladas de manera segura, podrían ser la clave de la próxima ola de transformación empresarial, adaptando la IA generativa a sectores con necesidades concretas y diferenciadas.
La imaginación como motor de la IA generativa en las empresas
Lo que antes era un cliché corporativo, como “solo estamos limitados por nuestra imaginación”, cobra nueva relevancia en la era de la IA generativa. Aunque históricamente las organizaciones enfrentaron limitaciones como falta de datos, escepticismo de líderes o ideas poco innovadoras, hoy la imaginación se posiciona como el principal motor de transformación.
La IA generativa permite crear contenido continuo, identificar eficiencias operativas y analizar grandes volúmenes de información en minutos. Esto plantea una nueva pregunta: ¿qué queremos saber? Formular mejores preguntas será una habilidad clave en este entorno, generando demanda por líderes creativos que vayan más allá de los datos y busquen aplicaciones innovadoras de la tecnología.
En las últimas décadas, el liderazgo basado en datos fue predominante, pero el futuro podría dar paso a líderes más imaginativos que usen la IA generativa para explorar nuevas posibilidades y diferenciarse en mercados competitivos. Si bien los datos seguirán siendo fundamentales, la IA generativa ampliará las fuentes disponibles, extrayendo valor de archivos en lenguaje natural, registros de máquinas y dispositivos inteligentes.
Este enfoque permitirá a los líderes creativos aprovechar la IA generativa para interpretar datos previamente ignorados, hacer preguntas inteligentes y obtener respuestas rápidas, revolucionando la toma de decisiones. Aunque todavía estamos en las etapas iniciales, el impacto potencial de esta tecnología promete ser transformador, marcando un antes y un después en cómo las empresas operan y se diferencian.
Aún no hay comentarios