IA generativa: ¿Qué significa en la empresa?

Las ondas de radio digitales y las redes sociales se han vuelto locas recientemente con ejemplos de cómo el chatbot ChatGPT impulsado por IA ha resuelto acertijos, generado ensayos de secundaria y explicado por qué el equipo de fútbol croata ha superado a naciones de tamaño similar en los últimos Torneos de la Copa Mundial. Comprensiblemente, nuevamente ha planteado preguntas importantes sobre el impacto de la IA en nuestras vidas, empresas y la sociedad en general.

En primer lugar, comencemos con las definiciones. ¿Qué es la IA generativa y dónde encaja OpenAI/ChatGPT en todo esto? La IA generativa es una rama de la informática que involucra algoritmos no supervisados ​​y semisupervisados ​​que permiten a las computadoras crear contenido nuevo utilizando contenido creado previamente, como texto, audio, video, imágenes y código.

ChatGPT (que significa Chat Generative Pre-Trained Transformer) es un chatbot desarrollado por OpenAI. ChatGPT se basa en la familia de modelos de lenguaje extenso (LLM) GPT-3.5 de OpenAI y se ajusta con técnicas de aprendizaje tanto supervisadas como de refuerzo. Está siendo aclamado como el chatbot más inteligente jamás desarrollado. OpenAI se fundó en 2015 (inicialmente como una organización sin fines de lucro) y los primeros inversores incluyeron a Elon Musk y Peter Thiel. En 2019, se convirtió en una organización con fines de lucro y firmó un acuerdo de mil millones de dólares con Microsoft. Este acuerdo le permitió utilizar Azure Cloud Platform de Microsoft para su investigación y desarrollo; ya cambio, Microsoft tuvo la primera oportunidad de aprovechar comercialmente los primeros resultados de la investigación de OpenAI.

Es importante comprender que, si bien ChatGPT es un buen ejemplo de tecnología de IA generativa, el segmento de mercado es mucho más amplio. Los LLM comenzaron en Google Brain en 2017, donde inicialmente se usaron para traducir palabras, preservando el contexto. Desde entonces, han proliferado los modelos de lenguaje grande y texto a imagen en firmas tecnológicas líderes como Google (BERT y LaMDA), Facebook (OPT-175B y BlenderBot) y OpenAI (GPT-3 para texto, DallE-2 para imágenes y Whisper para voz). ). Las comunidades en línea (por ejemplo, MidJourney), los proveedores de código abierto (por ejemplo, HuggingFace) y las nuevas empresas como Stability AI también han creado modelos generativos. En el cuarto trimestre de este año, surgieron una serie de modelos de texto a video de Google, Meta y otros. Los modelos generativos se han limitado en gran medida a las empresas tecnológicas más grandes porque entrenarlos requiere cantidades masivas de datos y poder de cómputo. Pero una vez que se entrena un modelo generativo, se puede «afinar» para un dominio de contenido particular con muchos menos datos. Hoy en día, las aplicaciones de IA generativa existen en gran medida como complementos dentro de los ecosistemas de software.

Las preguntas que los líderes tecnológicos y empresariales deberían hacerse en términos de lo que significa la IA generativa para la empresa se describen a continuación:

¿Cómo se incorporará en los entornos tecnológicos empresariales existentes?

• Generación de código : GPT-3 ha demostrado ser un generador eficaz de código de programa informático. El programa Codex de GPT-3 está específicamente capacitado para la generación de código y funciona bien cuando se le asigna una función pequeña. Github de Microsoft tiene una versión de GPT-3 para la generación de código y se llama CoPilot. Las últimas versiones de Codex pueden identificar errores y corregir errores en su código y pueden explicar lo que hace ocasionalmente. El objetivo de estas herramientas no es eliminar a los programadores, sino hacer que herramientas como Codex y CoPilot “emparejan asistentes digitales” con humanos para mejorar su velocidad y eficacia.
• Gestión de contenido empresarial : los proveedores en el espacio de gestión de contenido sin cabeza están incorporando este tipo de herramientas de inteligencia artificial generativa tanto para la generación de contenido como para las recomendaciones. Esto es para hacer frente a la mayor velocidad del contenido, ya que las formas adicionales de contenido se basan en una única fuente generada por IA con supervisión humana. No se usa para escribir una copia completa, sino más bien un esquema para que el autor del contenido lo use como borrador. Además, es probable que impacte en el diseño de la GUI en forma de «diseño generativo» con Figma o Stackbit que podrían incluir capacidades de IA generativa como parte de los motores de diseño de interfaz colaborativa.
• Aplicaciones de marketing y CX– Fuera del uso de la generación de contenido para publicidad y marketing junto con la automatización de campañas de marketing, la aplicación principal para las primeras versiones de IA generativa son los chatbots y agentes impulsados ​​por IA para centros de contacto y autoservicio de clientes, como los empleados por Salesforce y Genesys, y estos inicialmente han arrojado resultados mixtos. Sin embargo, esta próxima generación de capacidades significará una gama más amplia de interacciones, respuestas más precisas y niveles más bajos de interacciones humanas requeridas que darán como resultado una mayor adopción y eventualmente más datos de entrenamiento para los modelos. En un futuro cercano, la IA generativa prevalecerá en la creación de recomendaciones personalizadas de productos a través de análisis de información,
• Diseño e Ingeniería de Producto –También afectará a las tecnologías en la gestión del ciclo de vida del producto (PLM) y el espacio de innovación con empresas como Autodesk, Dassault Systemes, Siemens, PTC y Ansys que continúan desarrollando capacidades para permitir que los ingenieros de diseño y los equipos de I+D automaticen y amplíen el proceso de creación de ideas y opciones. durante las primeras etapas de diseño, simulación y desarrollo de productos. El diseño de IA generativa permitiría que los equipos de ingeniería e I+D consideren opciones en términos de estructura, materiales y herramientas óptimas de fabricación/producción. Por ejemplo, sugeriría potencialmente un diseño de pieza que se optimice frente a factores como el costo, la capacidad de carga y el peso. El diseño generativo también puede permitir la reinvención de la apariencia del producto, lo que a menudo da como resultado una estética y una forma únicas que no solo son más atractivas para los usuarios finales, pero más práctico y ambientalmente sostenible. Muchos de estos proveedores han unido sus ofertas de diseño generativo a las capacidades de fabricación aditiva que se necesitan para realizar estos productos únicos. Existen oportunidades en múltiples industrias para el diseño generativo. Las organizaciones automotrices, aeroespaciales y de maquinaria pueden mejorar la calidad, la sostenibilidad y el éxito de los productos, mientras que las empresas de productos de consumo, salud y ciencias de la vida pueden mejorar los resultados de los pacientes y las experiencias de los clientes.

¿Cuáles son las trampas?

La IA generativa, si bien proporciona soluciones de menor costo y mayor valor, tiene importantes implicaciones éticas y quizás legales. Hay preguntas importantes sobre temas como los derechos de autor, la confianza y la seguridad. Las organizaciones deben considerar cuestiones como la privacidad y el consentimiento en torno a los datos , la reproducción de sesgos y toxicidad, la generación de contenido dañino , la seguridad suficiente contra la manipulación de terceros y la responsabilidad y la transparencia.de procesos El descuido de la ética de la IA no es solo un dilema moral: es un riesgo comercial importante que significa menos confianza, menos control y menos capacidad para hacer avanzar los modelos de manera óptima. Las empresas deben adoptar un enfoque múltiple de la IA desde el desarrollador hasta el usuario final, primero y ante todo guiado por un marco que incluya principios que consideren adecuadamente todas las ramificaciones de la IA. Las empresas también deben elegir modelos en los que se utilicen técnicas como la entrada contradictoria (entrenamiento contra datos incorrectos o manipulados), entrenamiento de conjuntos de datos de referencia (verificación de sesgos a través de pruebas de etiquetas) y XAI (IA explicable). Finalmente, las preocupaciones con la ética de la IA están intrínsecamente vinculadas a cómo se promulgan las medidas de rendición de cuentas. Las empresas deben asegurarse de adoptar un enfoque Human-in-the-Loop (HITL) para garantizar una desviación mínima del modelo, un seguimiento riguroso de la salida, y mejora continua. La IA no debe verse como una entidad de caja negra independiente, sino como una interacción humano-computadora donde el uso óptimo proviene de una comprensión profunda, un monitoreo meticuloso y la búsqueda de la precisión del modelo.

¿Cómo afectará a los puestos de trabajo?

A finales de 2020, el Foro Económico Mundial (WEF, por sus siglas en inglés) predijo que la IA eliminaría 85 millones de puestos de trabajo para 2025. Los principales puestos de trabajo que identificó bajo amenaza serían los de digitadores de datos, asistentes administrativos, profesionales de contabilidad y auditoría, entre otros. En el mismo período de tiempo, predijo que se crearían 97 millones de nuevos puestos de trabajo a medida que la IA se generalice en la empresa. La creciente demanda laboral se centraría en científicos de datos, especialistas en automatización de procesos, expertos en estrategia y marketing digital, así como en muchos otros roles más. La IA generativa significa que podemos agregar un nuevo rol a esa lista: ingenieros rápidos. Básicamente, este rol se enfoca en determinar qué escribir en los chatbots de IA para aprovecharlos al máximo. Algunos esperarían que estas personas también se enfrenten a las llamadas «alucinaciones», donde la IA generativa se equivoca por completo. Estos tipos de descripciones de trabajo completamente nuevas destacan cómo una tecnología emergente no solo desplaza actividades, sino que también crea otras nuevas. El clásico principio de destrucción creativa esbozado inicialmente por Schumpeter. Sin embargo, para los líderes empresariales y tecnológicos, se requiere una evaluación dinámica y continua de las habilidades digitales requeridas, incluido un análisis continuo de brechas y hojas de ruta para garantizar que las capacidades necesarias estén disponibles para respaldar el negocio digital del futuro.

En el futuro, el mejor lugar para ver nuevos e interesantes casos de uso de IA generativa es en el espacio de puesta en marcha y ampliación. Los gustos de Jasper (redacción), Stability AI (arte visual), DoNotPay (servicios legales), Omnekey (contenido creativo), Paige.ai (diagnóstico de cáncer) y Mostly.ai (datos sintéticos) muestran qué tan rápido este espacio está alimentando un gama de innovaciones que cambian el juego en toda la industria y, potencialmente, lo que está a la vuelta de la esquina para tantas industrias. Nos corresponde a todos asegurarnos de acercarnos a este fascinante espacio con el equilibrio adecuado de curiosidad y escepticismo.

Traducción del artículo original de IDC
https://blogs.idc.com/2022/12/21/generative-ai-what-does-it-mean-in-the-enterprise/
DICIEMBRE 21 DE 2022