Inteligencia artificial Generativa: Aplicaciones prácticas en las empresas

Juan Mancera – Gerente de Operaciones y Tecnología en Certicámara

Durante este año mucho se ha hablado de los avances que las tecnologías de Inteligencia Artificial han logrado con las nuevas capacidades de generar contenido de forma automática. ¿Qué significa este nuevo hito y cuales son sus aplicaciones prácticas en las empresas?

Empecemos por entender que la IA está construida sobre grandes conjuntos de datos en los cuales se pueden identificar patrones estadísticos  y a partir de estos construir algoritmos para predecir el comportamiento de esos datos.Para lograr este objetivo se utilizan tecnologías que permiten “Entrenar” los datos, es decir encontrar el mejor modelo estadístico que describa y permita obtener las predicciones con mayor probabilidad de éxito.

Este proceso de entrenamiento suele ser costoso no solo por los recursos computacionales requeridos, si no también por el perfil de las personas que trabajan en este sector:  Por ejemplo, según medios como business Insider, los costos diarios para operar la plataforma de Chat-GPT oscilan alrededor de USD 700.000 solo para operar los servicios de cómputo de la plataforma, otras estimaciones alrededor del costo de entrenar este modelo hablan de decenas de millones de dólares.

Así las cosas, parecería que la IA estaba lejos de las capacidades técnicas y financieras de la mayoría de las empresas, pero a finales del año pasado esto cambió de manera radical, con la IA generativa (Gen -AI, por sus siglas en inglés) .

Con este nuevo hito los modelos de datos ya se encuentran pre-entrenados, lo cual elimina de tajo los costos de recolección, procesamiento y entrenamiento de esos datos. Con este pre-entrenamiento, realmente se logra democratizar el acceso a estas tecnologías y de paso aplicarlas en casos de negocio mucho más realistas.

Por ejemplo, con los Modelos Extensos de Lenguaje (LLM por sus siglas en inglés), tipo chat GPT, podemos desplegar servicios relacionados con traducción de texto, preguntas y respuestas o análisis de sentimientos, solo por mencionar unos pocos. Estas capacidades nos permiten habilitar procesos de venta mucho más personalizados, vía interacción directa con el cliente para entender mejor sus necesidades, o reducir la fricción en los procesos de postventa, al tener un lenguaje más natural y asertivo para las interacciones de los clientes.

Como toda nueva tecnología, los retos están alrededor de temas como la seguridad de la información y las fronteras éticas de su uso, es importante entender que aunque aún en formación, esta tecnología será sin dudas un transformador  para mejorar la forma en que humanos y sistemas interactúan. Por ejemplo, en cuanto a la seguridad de la información es importante establecer umbrales de confianza para los cantidad masiva de datos que usan estos modelos, cobra entonces relevancia establecer técnicas  que aporten estos niveles de confianza, tal cual lo afirmó Avesta Hojjati, (VP of Engineering at DigiCert), en el marco de Andicom de este año,  tecnologías de certificación digital y  cifrado de datos son necesarias para blindar estos nuevos ecosistemas.