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 “indicaciones” similares a las de una conversación. Este uso intuitivo, unido a la capacidad de la IA para procesar grandes cantidades de data y ofrecer resultados rápidos y precisos, multiplica por diez la velocidad de ejecución y toma de decisiones de los profesionales. La IA 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, sino “aumentados”, gracias a la IA generativa.
Según estudios recientes, 78% de los empleados creen que la IA generativa ha tenido un impacto positivo en su productividad. En las tareas relacionadas con la adquisición de conocimientos, los profesionales ganarían 37% en velocidad de ejecución y los desarrolladores 55% en tareas de codificación. Hace seis meses se inició una verdadera carrera por la innovación entre los protagonistas de la IA 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 IA generativa

El rendimiento de las soluciones de IA generativa 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 data personales pueden reflejarse en los contenidos generados. Por lo tanto, debemos sistematizar los procesos de identificación de sesgos, como hacemos en todo nuestro procesamiento de data en Artefact, de acuerdo con nuestra carta ética.

  • Medio ambienteEl entrenamiento de los últimos modelos de IA con miles de millones de parámetros tiene una huella de carbono sin precedentes. Por ejemplo, se necesitó el equivalente a 502 toneladas de emisiones de CO2 para entrenar al GPT-3[4] , 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?

  • Empleo: Aunque la gran mayoría de las tareas humanas no serán sustituidas, sino asistidas por la IA, es innegable que se transformarán. Es crucial que las 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 una escasez de perfiles. Los cursos de formación como la Escuela de Artefact de Data ofrecen una forma rápida y práctica de reciclarse para estas profesiones de futuro.

  • ReglamentoDados los retos expuestos, está claro que la IA 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 sobre la IA, 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 derecho indicativo.

Metodología propia de Artefact para reducir el riesgo y optimizar la transformación empresarial

El impresionante y continuo progreso de la IA generativa exige 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 conseguir que toda la empresa se suba al carro, los resultados de un POC inicial 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 la IA para atender mejor al cliente). Al mismo tiempo, tenemos que identificar las aplicaciones potenciales en toda la empresa, basándonos en las necesidades empresariales y en todo el data que poseemos.

Al mismo tiempo, debe definirse una hoja de ruta para:

  • Organización: es necesario definir las funciones y responsabilidades, junto con la gobernanza y los procesos para crear y ampliar los casos de uso. Es necesario establecer un plan de contingencia para protegerse de los riesgos y los sesgos.

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

  • Recursos humanos: los programas de aculturación y formación deben ponerse en marcha lo antes posible para garantizar el éxito de la transición.

La confianza no excluye el control

Aunque estamos convencidos de que la IA generativa tiene y tendrá un impacto positivo en el rendimiento operativo de las empresas y en la productividad de sus empleados, es importante lanzarse con prudencia. El progreso debe ser continuo y controlado, y los humanos deben conservar el control de los modelos, antes de poder aprovechar al máximo los ilimitados casos de uso que ofrecen estas nuevas tecnologías de altísimo rendimiento.