En sólo dos meses, ChatGPT se ha convertido en el producto más descargado del mundo. Lo que diferencia a esta solución de sus predecesoras es su interfaz ultrasencilla basada en "avisos" similares a los de una conversación. Este uso intuitivo, unido a la capacidad de AIpara procesar ingentes cantidades de data y ofrecer resultados rápidos y precisos, multiplica por diez la velocidad de ejecución y toma de decisiones de los profesionales. AI libera a las personas de tareas repetitivas que consumen mucho tiempo y les permite concentrarse en actividades de mayor valor añadido. Los humanos no serán sustituidos, serán "aumentados", gracias a la generativa AI.
Según estudios recientes, el 78% de los empleados cree que la AI generativa ha tenido un impacto positivo en su productividad. Para las tareas vinculadas a la adquisición de conocimientos, los profesionales ganarían un 37% en velocidad de ejecución y los desarrolladores un 55% en tareas de codificación. Hace seis meses se inició una verdadera carrera por la innovación entre los protagonistas de AI generativa. Para aprovechar todas las ventajas y seguir siendo competitivas, las empresas deben actuar con rapidez, sin perder de vista los retos pendientes.

Transparencia y confianza, los grandes retos de la generativa AI

El rendimiento de las soluciones generativas de AI es innegable, pero tienen limitaciones que debemos conocer para minimizar su impacto. Son de cuatro tipos principales:

  • Ética: los sesgos, las "alucinaciones", la falta de fuentes o la falta de transparencia en el uso de la información personal data pueden reflejarse en los contenidos generados. Por ello, debemos sistematizar los procesos de identificación de sesgos, como hacemos en todo nuestro tratamiento data en Artefact, de acuerdo con nuestra carta ética.

  • Medio ambiente: el entrenamiento de los últimos modelos de AI en miles de millones de parámetros tiene una huella de carbono sin precedentes. Por ejemplo, para entrenar a GPT-3[4] se ha necesitado el equivalente a 502 toneladas de emisiones de CO2, casi diez veces la cantidad necesaria para el ciclo de vida de un coche medio. Las aplicaciones no han hecho más que empezar: ¿se compensará el CO2 emitido por las IA con el CO2 que dejen de generar las actividades humanas a las que sustituyen?

  • El empleo: Aunque la inmensa mayoría de las tareas humanas no serán sustituidas, sino asistidas por AI, es innegable que se transformarán. Es crucial que personas de todas las edades y profesiones estén formadas para estos cambios. Es más, estas tecnologías abren nuevas oportunidades profesionales para las que ya estamos viendo escasez de perfiles. Cursos de formación como el de la Escuela Artefact de Data ofrecen una forma rápida y práctica de reciclarse para estas profesiones de futuro.

  • Regulación: dados los retos expuestos, está claro que la AI generativa pronto estará sujeta a una fuerte regulación, en la línea de la que rige el tratamiento de datos personales data. La Unión Europea trabaja actualmente en la ley AI , que debería entrar en vigor en 2025. Hasta que se establezca un marco claro, las empresas deberán basarse en los textos existentes sobre data, propiedad intelectual, Derecho laboral y protección del medio ambiente, así como en el Derecho indicativo.

Artefactmetodología propia para reducir riesgos y optimizar la transformación empresarial

El avance vertiginoso y continuo de AI requiere que las empresas actúen con rapidez, pero con discernimiento. Por eso recomendamos a nuestros clientes que adopten un modo de funcionamiento progresivo y apliquen un marco sólido en torno a su proyecto de transformación.

Para que todo Compañia se sume al proyecto, los resultados de un primer POC suelen ser decisivos. Para minimizar el riesgo de incidentes, es preferible realizar esta primera prueba en un caso de uso interno, o a través de la mediación humana (por ejemplo: un agente humano utiliza la información de AI para atender mejor al cliente). Al mismo tiempo, debemos identificar las aplicaciones potenciales en todo el Compañia, basándonos en las necesidades de la empresa y en todo el data que poseemos.

Al mismo tiempo, hay que definir una hoja de ruta para:

  • Organización: deben definirse las funciones y responsabilidades, junto con la gobernanza y los procesos para crear y ampliar los casos de uso. Debe establecerse un plan de contingencia para evitar riesgos y sesgos.

  • Pila tecnológica y data: las empresas deben asegurarse de que disponen dedata first-party de alta calidad para servir a los casos de uso identificados, y de una arquitectura técnica sólida para industrializarlos. Es crucial seleccionar el modelo adecuado para cada uso, en términos de coste, impacto o rendimiento.

  • Recursos humanos: hay que poner en marcha cuanto antes programas de aculturación y formación para garantizar el éxito de la transición.

La confianza no excluye el control

Aunque estamos convencidos de que la AI generativa tiene y tendrá un impacto positivo en el rendimiento operativo de las empresas y la productividad de sus empleados, es importante lanzarse con prudencia. Los avances deben ser continuos y controlados, y los humanos deben conservar el control de los modelos, antes de poder aprovechar plenamente los ilimitados casos de uso que ofrecen estas nuevas tecnologías de altísimo rendimiento.