¿Qué puede hacer realmente la inteligencia artificial generativa por su negocio?

El uso de ChatGPT sigue creciendo, con más de 1.800 millones de visitas mensuales y 10 millones de consultas diarias. Se ejecuta en GPT-4, un modelo de lenguaje grande (LLM, de sus siglas inglesas), que tiene varios competidores, incluidos Google Lamda, BLOOM de Hugging Face, y otros.

Existen grandes emociones, miedos, exageraciones e inversiones en torno a ChatGPT, LLM y otras capacidades generativas de la inteligencia artificial (IA). Las personas y las empresas están experimentando, y aunque ha pasado menos de un año desde que muchas de estas capacidades están disponibles, vale la pena hacerse al menos dos preguntas clave: Dónde aportan estos servicios valor comercial y qué actividades suponen riesgos o están más allá de las capacidades actuales.

Las respuestas no son sencillas porque las competencias de la IA generativa están evolucionando rápidamente. Por ejemplo, GPT-4 se anunció por primera vez en marzo de 2023 y se convirtió en LLM para todos los usuarios de ChatGPT en mayo. Además, lo que funciona bien para una persona y compañía no puede generalizarse bien para las demás, especialmente ahora que tenemos que dominar la nueva habilidad de la ingeniería rápida.

Pero es difícil para las organizaciones quedarse al margen e ignorar las oportunidades y los riesgos. “ChatGPT y LLM pueden cambiar la ecuación fundamental de los negocios”, dice Patrick Dougherty, CTO y cofundador de Rasgo. “En lugar de que la producción corporativa se vea obstaculizada por la inversión en tiempo humano, su única limitación será la calidad de su toma de decisiones estratégicas”. Esta es una guía de lo que puede y no puede hacer, y lo que debe y no.

No comparta información patentada en LLM públicos

“La IA es genial si puedes controlarla”, dice Amy Kenigsberg, directora de operaciones y cofundadora de K2 Global Communications. “Si bien la mayoría de nosotros simplemente hacemos clic en ‘Acepto’ en una página de términos y condiciones, debe leer los términos de las herramientas de IA con mucha atención”.

Muchas empresas están redactando políticas de ChatGPT, una preocupación principal son los riesgos de compartir información comercial confidencial. En un caso reciente, los ingenieros pidieron ayuda para depurar pagando código propietario en ChatGPT.

“El problema con ChatGPT y muchas otras herramientas de IA es que cualquier información que pegue se convierte en parte de su conjunto de datos de entrenamiento. Si alguien introduce datos de propiedad, esa información puede aparecer en los materiales de un competidor”. Entonces, antes de experimentar y explorar casos de uso, revise las políticas de gobierno de datos e inteligencia artificial de la empresa y divulgue sus objetivos si es necesario para el cumplimiento. 

Revisar las capacidades de LLM en las principales herramientas de flujo de trabajo

En los últimos meses, muchos proveedores de tecnología anunciaron nuevas capacidades de IA y LLM integradas en sus plataformas. Si está buscando valor comercial, revise cómo estas capacidades mejoran la productividad, simplifican el acceso a la información o brindan otros beneficios operativos nuevos. Aquí hay una muestra de varios anuncios recientes:

• Microsoft 365 Copilot está integrado en Word, Excel, PowerPoint, Outlook y Teams.
• Adobe Firefly es una IA generativa que se conecta a Photoshop, Illustrator y Adobe Express.
• Salesforce anunció AI Cloud con integraciones en sus productos principales de CRM, Slack y Tableau.
• GitHub Copilot se integra con los IDE y hace sugerencias de código.
• Google Duet AI para Google Cloud incluye asistencia de código, asistencia de chat y capacidades de AppSheet.
• Atlassian Intelligence resume información y responde preguntas en Jira Software, Jira Service Management y Confluence.
• ServiceNow anunció integraciones con Microsoft Azure OpenAI Service y OpenAI API LLM, y mejoras en la búsqueda impulsada por IA.
• Crowdstrike presentó Charlotte AI para ayudar a detener las infracciones y reducir las complejidades de las operaciones de seguridad.
• Coveo Relevance Generative Answering agrega capacidades LLM a su plataforma de búsqueda inteligente.

Obtenga respuestas rápidas, pero conozca los límites de los LLM

Un caso de uso principal para ChatGPT y LLM es obtener respuestas rápidas sin realizar toda la investigación subyacente o el aprendizaje requerido para convertirse en un experto. Por ejemplo, los especialistas en marketing pueden buscar ayuda para redactar los correos electrónicos de los clientes; los tecnólogos pueden querer que se definan los términos técnicos; o recursos humanos pueden solicitar ayuda para reformular una política.

Los LLM desarrollados en contenido empresarial también ofrecen muchos beneficios, lo que permite a los empleados hacer preguntas para acelerar la incorporación, comprender los beneficios de la empresa, encontrar información sobre productos o identificar expertos en la materia.

En otras palabras, ChatGPT y otros LLM pueden impulsar la productividad, mejorar las habilidades de las personas y ayudar a crear contenido. 

“La IA generativa es increíblemente útil para ayudar a las empresas a generar análisis e informes rápidos al buscar en la web inteligencia de código abierto como datos gubernamentales, económicos y financieros”, dice Raul Martynek, director ejecutivo de DataBank . “La IA ya nos está ayudando a comprender rápidamente el entorno de nuestros centros de datos, la intención de nuestros clientes y el sentimiento de nuestro personal, para garantizar que estamos tomando decisiones informadas rápidamente en todas las dimensiones del negocio”.

Pero es muy importante comprender las limitaciones de ChatGPT y otros LLM. Alex Vratskides, CEO de Persado, dice: “Sam Altman, CEO de OpenAI, estuvo en lo cierto cuando dijo que ChatGPT crea una 'impresión engañosa de grandeza'. Si está buscando un impulso de productividad, ChatGPT es una herramienta impresionante. Pero ChatGPT solo aún no está probado, es insuficiente y puede ser engañoso".

Vratskides recomienda que la grandeza llega cuando la IA permite a las personas mejorar la toma de decisiones. “Cuando los modelos de transformadores se entrenan en datos de comportamiento de las comunicaciones empresariales, el lenguaje se puede personalizar para motivar a las personas a participar y actuar, generando así un impacto comercial”.

Las personas también deben esperar sesgos de IA, ya que los modelos se entrenan en fuentes que contienen información contradictoria, falsedades y opiniones prejuiciosas. Marko Anastasov, cofundador de Semaphore CI/CD , dice: "Aunque son poderosos, los modelos de lenguaje están limitados en última instancia por los sesgos arraigados en sus datos de entrenamiento y la complejidad de la comunicación humana".

Por último, si bien ChatGPT es una excelente herramienta de investigación, los usuarios deben revisar en qué datos se entrenó por última vez. "ChatGPT no está al tanto de los últimos eventos o noticias", dice Anjan Kundavaram, director de producto de Precisely. “También está entrenado en conversaciones humanas basadas en texto, utilizando datos potencialmente inexactos, falsos o engañosos. La integridad de los datos que alimentan un modelo de IA impacta directamente en su rendimiento y confiabilidad”.

Kundavaram recomienda buscar eficiencias comerciales. “Es ideal para los departamentos de atención al cliente, ya que ayuda a automatizar tareas sencillas y conversacionales para que los empleados puedan concentrarse en agregar valor.

Simplificar la comprensión de información compleja

Hay muchos lugares en la pila de tecnología e información de una empresa donde es difícil identificar información crítica dentro de fuentes de datos y contenido complejo. Espero que muchas empresas exploren el uso de la búsqueda de IA para mejorar las experiencias de los clientes y los empleados porque los cuadros de búsqueda de palabras clave están generaciones atrás de las consultas y sugerencias del lenguaje natural.

Encontrar información es un caso de uso y otro es resolver problemas operativos rápidamente. Por ejemplo, los problemas de rendimiento en una base de datos multipropósito pueden llevar un tiempo considerable a un equipo de ingenieros de confiabilidad del sitio, administradores de bases de datos e ingenieros de desarrollo para encontrar la causa raíz. “La IA generativa facilitará la administración y la optimización del rendimiento de la base de datos”, dice Dave Page, vicepresidente y arquitecto jefe de infraestructura de base de datos de EDB . “Las herramientas impulsadas por IA pueden monitorear automáticamente las bases de datos, detectar problemas y sugerir optimizaciones, liberando un tiempo valioso para que los administradores de bases de datos se concentren en tareas más complejas”.

Pero, reconoce Page, "los problemas de la base de datos pueden ser complejos y puede haber factores que la IA no puede tener en cuenta".

Otro caso de uso es la simplificación del acceso a fuentes de información no estructuradas grandes y complejas, como manuales de productos y guías de capacitación operativa. “Nuestros clientes generan una tonelada de documentación que puede ser difícil de seguir, no fácil de buscar o fuera del alcance del usuario promedio”, dice Kevin Miller, CTO de IFS North America. “Vemos a los LLM como una excelente manera de ayudar a proporcionar contexto a nuestros usuarios de nuevas maneras, incluido el desbloqueo del poder de los manuales de servicio y mostrar cómo otros usuarios han resuelto problemas similares”.

Pero Phil Tee, CEO y cofundador de Moogsoft , advierte de una falsa equivalencia entre conocimiento y comprensión. “ChatGPT y otros LLM brindan consejos técnicos y explican procesos complicados en un nivel más humano, lo cual es increíblemente valioso: sin jerga, solo información, aunque ciertamente hemos aprendido a verificar la información”, dice. “Pero saber que un conjunto de pasos resolverá un problema no es lo mismo que comprender si estos pasos son correctos para aplicar ahora, y eso se vuelve perjudicial si confiamos demasiado en los LLM sin cuestionar su resultado”.

Si está considerando conectar una capacidad LLM en una de sus aplicaciones, Phillip Carter, gerente principal de productos en Honeycomb, comparte una recomendación. “Desafíese a sí mismo para pensar en qué aspectos de su producto tienen más dificultades las personas hoy en día, pregúntese primero qué se puede resolver sin IA y busque LLM solo cuando reduzca el esfuerzo o enseñe a los nuevos usuarios a ayudar a resolver esos problemas”. Agrega: "No se engañe pensando que puede colocar una interfaz de usuario de chat en alguna barra lateral de la interfaz de usuario de su producto y esperar que la gente se entusiasme".

Prepárese para crear LLM en productos de datos patentados

Las personas pueden usar LLM abiertos como ChatGPT hoy, aprovechar las capacidades de LLM integradas en sus plataformas de software o experimentar con herramientas de inteligencia artificial generativa de nuevas empresas . Actualmente, desarrollar un LLM patentado es costoso, por lo que no es una opción para la mayoría de las empresas. El uso de un LLM existente para crear capacidades propietarias es una opción que algunas empresas están comenzando a explorar.

John Ehrhard, director ejecutivo de Orson, dice: "Las mayores oportunidades son para las empresas con experiencia en un dominio específico que están construyendo el contexto y las capas de conocimiento sobre los LLM y usándolos como traductores para ofrecer una interacción personalizada con cada usuario".

Los LLM específicos de dominio incluyen Intuit GenOS, un sistema operativo con LLM financieros capacitados a medida que se especializan en resolver desafíos financieros. Otro ejemplo es BloombergGPT, un LLM de 50.000 millones de parámetros entrenado en 700 000 millones de tokens de documentos financieros y conjuntos de datos públicos en inglés.

“Los LLM ya están en implementación y generan valor comercial hoy en día, pero simplemente no se parecen a ChatGPT”, dice Kjell Carlsson, jefe de estrategia de ciencia de datos y evangelismo en Domino. “Las empresas de biotecnología están acelerando el desarrollo de proteínas para nuevos tratamientos, mientras que las organizaciones de todas las industrias utilizan LLM para comprender las conversaciones de los clientes y optimizar las operaciones de servicio al cliente”.

La integración de las capacidades de LLM en el modelo comercial existente no es una tarea trivial, como explica Carlsson. “Las capacidades generativas de estos modelos son actualmente las formas más difíciles de impulsar el valor comercial porque los casos de uso comercial no se han probado y debido a las enormes limitaciones, incluido el costo, la privacidad, la seguridad y el control de los modelos similares a ChatGPT que se consumen como un servicio. .”

Las empresas con modelos comerciales generadores de ingresos a partir de sus conjuntos de datos grandes, patentados y no estructurados deben considerar las oportunidades de incorporar sus datos en LLM. “Las empresas pueden ejecutar y administrar modelos especializados dentro de sus propios límites de seguridad, lo que les brinda control sobre el acceso y el uso de los datos”, dice Dror Weiss, cofundador y director ejecutivo de Tabnine. “Lo que es más importante, las empresas pueden personalizar modelos especializados utilizando sus propios datos, lo cual es esencial para que los modelos de aprendizaje automático produzcan resultados precisos”.

La oportunidad de crear LLM en industrias con ricas fuentes de datos, como servicios financieros, atención médica, educación y gobierno, es significativa. También lo es el potencial de disrupción, que es una de las razones por las que los líderes empresariales explorarán las oportunidades y los riesgos al aplicar los LLM en sus productos y operaciones.