Estimados lectores: Bienvenidos de nuevo a su dosis quincenal del boletín informativo sobre IA generativa de Artefact, donde intentamos valientemente dar sentido al torbellino digital que supone el desarrollo de la IA. Las últimas semanas han sido… bueno, digamos simplemente que mi café no ha tenido tiempo de enfriarse. Hemos visto cómo los modelos de IA surgen más rápido que los memes un lunes, al parecer la IA de búsqueda de Google ahora escribe fanfiction, y los superordenadores con IA compiten en la categoría de ««dispositivo que más energía consume». Así que abróchense los cinturones, porque estamos a punto de sumergirnos en el salvaje, maravilloso y, en ocasiones, extraño mundo de la IA generativa. ¡Veamos qué nuevo caos nos han deparado los dioses de la IA!
Podcast «GenAI News»
¿No tiene tiempo para leer este boletín?
Noticias empresariales y análisis de mercado
Los modelos de Google, Meta y Anthropic se sitúan, de media, entre los más seguros (87,31 TP47T para Gemini 1.5 Pro, 82,71 TP47T para Claude 3.5 Haiku y 77,6 para Llama3 405B)Los modelos de Anthropic, en general, obtienen mejores resultados en cuanto a la resistencia a las alucinaciones (Grok2 y DeepSeek ocupan los últimos puestos de la clasificación). Los modelos populares, preferidos por la satisfacción de los usuarios, pueden comprometer la precisión de los datos. La formulación de las consultas de los usuarios afecta significativamente a lacapacidad de desmentir afirmaciones falsas, ya que las afirmaciones seguras reducen la eficacia del desmentido en un 15%. Las instrucciones concisas del sistema pueden aumentar las tasas de alucinaciones hasta en un 20%.
En general, los modelos de Anthropic' obtienen mejores resultados en cuanto a la resistencia a las alucinaciones (Grok2 y DeepSeek quedan a la cola de la clasificación).
Los modelos más populares, que gozan de mayor aceptación entre los usuarios, pueden comprometer la precisión de los datos.
La formulación de las consultas de los usuarios influye de manera significativa en la capacidad de un modelo' para desmentir afirmaciones falsas, ya que las afirmaciones rotundas reducen la eficacia del desmentido en un 15%
Las instrucciones concisas del sistema pueden aumentar las tasas de alucinaciones hasta en 20%.
> Principales acuerdos, colaboraciones e innovaciones
Nuevos modelos e innovaciones
> Modelos multimodales (imagen, vídeo, audio)
Reflexiones de la semana, por Hanan Ouazan
Managing Partner y responsable global de aceleración de la IA
Del Slideware al Shipping: El auge del Propietario de Proceso Agenético (APO)
Del Slideware al Shipping: El auge del Propietario de Proceso Agenético (APO)
Durante décadas, el sector de la consultoría prosperó gracias a la presentación de impecables presentaciones de diapositivas repletas de marcos de trabajo y puntos de referencia. Hoy en día, la IA generativa crea rápidamente estos análisis genéricos, lo que hace que el simple reempaquetado resulte irrelevante. Los clientes exigen ahora más: productos tangibles, resultados medibles y mejoras operativas que puedan utilizar realmente. Aquí entra en escena el Agentic Process Owner (APO), una evolución del rol de Product Owner que va más allá de la entrega funcional para asumir la responsabilidad de los procesos empresariales subyacentes. El APO no se limita a entregar funcionalidades; comprende lo que el producto permite, dónde encaja en el proceso de principio a fin y cómo mejorar dicho proceso con el tiempo. Su trabajo comienza con un análisis adecuado de las necesidades de los usuarios —mediante la escucha activa, el cuestionamiento minucioso y una implicación real con el terreno—. Pero no se detiene ahí. Los APO también dedican tiempo a analizar cómo funciona el proceso en su conjunto: no solo para superponerle inteligencia artificial, sino para replantearse cómo podría funcionar de manera diferente. El objetivo no es automatizar pasos defectuosos, sino rediseñar el flujo teniendo en cuenta la inteligencia, la eficiencia y la creación de valor. Es importante destacar que se sitúan en la intersección entre el negocio y la tecnología: alineando los objetivos estratégicos y los KPI con las limitaciones reales —como la disponibilidad data, la latencia del sistema y la complejidad de la integración—. También necesitan un conocimiento básico de la observabilidad y la supervisión: no para desarrollarlas ellos mismos, sino para comprender cómo se mide y mejora el rendimiento de los agentes, y cómo traducir eso en prioridades para el equipo. Los conocimientos sobre IA general (GenAI) se están convirtiendo rápidamente en un requisito básico, y eso incluye comprender cómo funcionan los sistemas basados en agentes. Un APO no necesita ajustar los modelos por su cuenta, pero debe comprender los aspectos esenciales: cuándo utilizar la generación aumentada por recuperación, cómo la orquestación de agentes modifica el diseño de los procesos, qué implicaciones tienen la latencia o los costes de tokens para el retorno de la inversión (ROI), y qué medidas de seguridad son imprescindibles. Esto les permite informar con claridad a los equipos técnicos, plantear las preguntas adecuadas y elaborar una demostración o un prototipo que muestre de forma concreta el impacto. Una ejecución clara, y no una retórica pulida, es lo que se gana la aceptación de las partes interesadas. En resumen, el cambio es profundo: los consultores que se limiten a ser meramente descriptivos, sin capacidad para crear prototipos o medir resultados reales, corren el riesgo de quedar obsoletos. Los APO que combinan la estrategia con una ejecución tangible y demostrable se convierten en elementos esenciales
