Cómo crear un equipo de IA y capacitar a todos los empleados

Cuando se trata de inteligencia artificial (IA) generativa, empresas de una gran variedad de industrias se han lanzado a implementar soluciones durante el último año por temor a quedarse atrás. Más de dos tercios de los directivos ya cuentan con herramientas para su fuerza laboral. Pero el conocimiento o la capacitación de los empleados sobre modelos de lenguaje grande (LLM, de sus siglas inglesas) sigue siendo una de las principales barreras para el éxito, según una encuesta de Harris.

Los resultados indican que la IA generativa no se está utilizando de manera efectiva, y obtener un retorno de la inversión (ROI) es aún más difícil de alcanzar. “Me ha sorprendido comprobar que el 72% impartía capacitación a sus empleados y que el conocimiento sigue siendo una barrera”, asegura Carm Taglienti, directora de datos de Insight Enterprises. “Eso significa que muchas personas no han aprendido realmente nada”.

El informe también pone de manifiesto que a la mayoría de los líderes corporativos se les ha encomendado la tarea de ayudar a su empresa a definir el ROI de la IA generativa. Sin embargo, solo el 15% considera los costes de implementación, incluida la deuda técnica debido a infraestructura obsoleta, inversiones financieras iniciales y costes continuos de mantenimiento.

Otro estudio, realizado por Thomson Reuters, dice que casi el 90% de los encuestados espera que la capacitación básica en IA sea obligatoria para todos los profesionales en los próximos cinco años. Los sectores que más se beneficiarán de la IA generativa incluyen las profesiones jurídica, tributaria y contable, de las cuales el 75% y el 59%, respectivamente, citan la productividad como su principal prioridad para 2024. Rick Villars, vicepresidente de investigación de IDC, dice que las empresas están aumentando “una y otra vez” los presupuestos para esta tecnología y otros modelos de IA, como la construcción de infraestructura, servicios y plataformas de software. “Lo único que no están incrementando al mismo nivel es la inversión en capacitación y mejora de sus propios equipos. Esto trata de los equipos de TI y expertos en la materia. Pero también de inculcar a los empleados mejores comportamientos y prácticas para que puedan proteger su información”.

Capacitar a los trabajadores en el uso de la IA y big data ocupa el tercer lugar entre las prioridades de capacitación de habilidades de las empresas durante los próximos cinco años, y será vital para el 42% de ellas, según una encuesta del Foro Económico Mundial (WEF, de sus siglas inglesas).

Las preguntas que las empresas deben hacerse incluyen qué tipo de empleados deberían formar parte de un equipo de implementación de IA y cuánta, y qué tipo de capacitación se necesita para aprovechar todos los beneficios potenciales de esta tecnología.

¿Quién debería estar en su equipo de IA?

Crear un equipo de IA es un proceso en evolución, del mismo modo que la propia IA generativa evoluciona constantemente semana tras semana. "En primer lugar, es fundamental comprender qué quiere hacer la organización con la IA", afirma Corey Hynes, presidente ejecutivo y fundador de la empresa de formación en TI Skillable . "En segundo lugar, debe haber apetito por la innovación y dedicación a ella, y una estrategia: no se embarque en esfuerzos de IA sin la debida inversión y reflexión. Una vez que comprenda el propósito y la meta, entonces buscará el equipo adecuado".

Algunos roles principales incluyen:

• Un científico de datos que puede simplificar y navegar por conjuntos de datos complejos y cuyos conocimientos proporcionan información útil a medida que se construyen los modelos. 
• Un ingeniero de software de IA que a menudo es responsable del diseño, la integración y la ejecución de modelos de aprendizaje automático en sistemas. 
• Un líder de IA para brindar liderazgo y orientación en la implementación y dirección de iniciativas para garantizar la alineación y ejecución.
• Un líder de seguridad para manejar los desafíos únicos, como garantizar el cumplimiento de las regulaciones, la transparencia de los datos y las vulnerabilidades internas que vienen con los modelos y algoritmos de IA, incluidos los ataques adversarios, el sesgo de los modelos y el envenenamiento de datos.
• Solicite a los ingenieros que puedan elaborar y mejorar consultas de texto o instrucciones en modelos de lenguaje grandes (LLM, en inglés) para obtener las mejores respuestas posibles de las herramientas genAI.
• Consultores legales para asesorar a los equipos de TI para ayudar a garantizar que las organizaciones cumplan con las regulaciones y leyes.

Los LLM son algoritmos de aprendizaje profundo (redes neuronales) que a menudo se caracterizan por sus enormes almacenes de información. Los LLM pueden tener millones, miles de millones e incluso billones de parámetros o variables y son esencialmente generadores de la siguiente palabra. Capacitarlos para que elijan la respuesta más adecuada para una consulta determinada es el trabajo de  un ingeniero rápido. La ingeniería rápida también es una de las habilidades profesionales de más rápido crecimiento tanto para los profesionales técnicos como para los no técnicos.

"Piense en ello como el proceso de interactuar con una máquina para lograr que produzca los resultados que desea", indica Sameer Maskey, profesor de IA de la Universidad de Columbia y director ejecutivo de Fusemachines, una consultora de IA.

"En 2024, todos los hiperescaladores anunciarán una ingeniería rápida", dijo Forrester en un informe reciente. "Sin embargo, la adopción empresarial será limitada. Debido a datos contextuales incompletos y experiencia limitada en lenguaje natural e ingeniería rápida entre los científicos de datos, los servicios de ingeniería rápida de primera generación del proveedor de la nube no serán suficientes para abordar las necesidades de ajuste personalizadas".

Algunas de las principales plataformas de aprendizaje de habilidades de TI incluyen proveedores de capacitación en línea como Udemy,  Coursera y  Code Academy; a menudo son los mejores lugares a los que acudir para mejorar o recapacitar a los empleados, según Erick Brethenoux, profesor adjunto del Instituto de Tecnología de Illinois.

Si bien los LLM como GPT-4 de OpenAI, LaMDA de Google o Bart de Hugging Face están precargados con cantidades masivas de información, la ingeniería rápida permite que las herramientas genAI se adapten a una industria específica o incluso a un uso organizacional.

Con el tiempo, se espera que los LLM masivos, como GPT-4, den paso a modelos más pequeños que requieren menos procesamiento informático y más específicos de dominio, lo que permitirá que los LLM más compactos ganen terreno en cualquier número de industrias verticales.

La seguridad sigue siendo una de las principales preocupaciones para los líderes empresariales cuando se trata de IA generativa, y el 38% la cita como una de las principales barreras. Esto es más del doble del porcentaje que considera los costos de implementación como un obstáculo para su organización.

Mike Peterson, vicepresidente de infraestructura y servicios en la nube de Blue Shield, asegura que antes de experimentar con la IA generativa, su organización desarrolló un equipo de gobierno de IA. Ese equipo, compuesto por miembros del grupo de TI, legal y de recursos humanos, ahora está desarrollando marcos y salvaguardas para ayudar a garantizar que la IA no cause daño cuando entre en funcionamiento.Blue Shield también está mejorando las habilidades de sus empleados, principalmente a través del aprendizaje a su propio ritmo, pero no de la manera más tradicional.

Sarah Danzl, directora de marketing de Skillable, está de acuerdo y dic que permitir a los trabajadores usar simplemente genAI con poca o ninguna capacitación práctica es como dejar que alguien que solo ha leído un manual de instrucciones vuele un avión. “La formación práctica impulsa el dominio de las habilidades. Aprender habilidades nuevas y competitivas es la forma más importante en que los profesionales de TI pueden prepararse para el futuro. También es el camino a seguir para las empresas que buscan prepararse para el futuro”.

Cómo construir un equipo de IA generativa

Crear un equipo de IA generativa requiere un enfoque holístico, según Jayaprakash Nair, jefe de aprendizaje automático, inteligencia artificial y visualización de Altimetrik, un proveedor de servicios de ingeniería digital. Para reducir el riesgo de fracaso, las organizaciones deben comenzar por sentar las bases para datos de calidad, establecer “una estrategia de fuente única de verdad” y definir objetivos comerciales. También es fundamental formar un equipo que incluya diversos roles, como científicos de datos, ingenieros de aprendizaje automático, ingenieros de datos, expertos en el dominio, gerentes de proyectos y asesores legales/éticos, dijo.

"Cada función aportará conocimientos y perspectivas únicas, lo cual es esencial para una implementación eficaz y responsable", afirma Nair. "La gerencia debe trabajar para fomentar la colaboración entre estos roles, ayudar a alinear cada función con los objetivos comerciales y también incorporar orientación ética y legal para garantizar que los proyectos cumplan con las pautas y regulaciones de la industria".

Por ejemplo, un científico de datos desarrolla modelos de inteligencia artificial que extraerán información y predecirán tendencias. Luego, un ingeniero de aprendizaje automático tomará los modelos de IA desarrollados por científicos de datos y los escalará para su uso en producción, centrándose en la optimización y la implementación de algoritmos. A continuación, los ingenieros de datos construyen y mantienen la infraestructura y los canales que permiten la recopilación, el almacenamiento y el acceso a datos de manera eficiente y segura, todos ellos necesarios para las operaciones de IA. Y los expertos en el dominio brindan el conocimiento específico de la industria necesario para guiar el desarrollo y las soluciones.

Los gerentes de proyecto supervisan y coordinan entre diferentes roles, administran recursos y cronogramas y garantizan que el proyecto cumpla con sus objetivos y metas comerciales. Mientras tanto, los asesores legales garantizan que los proyectos cumplan con las leyes y regulaciones pertinentes. También es importante: los trabajadores de TI de tecnología emergente, que se consideran esenciales para respaldar los objetivos de CIO y CTO, según una encuesta reciente realizada por Skillable. La IA para operaciones de TI (AIOps) se ubicó entre las cinco principales de esas tecnologías.

Las tres principales tecnologías emergentes o áreas de conocimiento cruciales para los miembros del equipo de IA son:

• AI TRiSM (gestión de seguridad, riesgos y confianza de la IA);
• IA compuesta (la combinación de diferentes técnicas de IA para lograr el mejor resultado);
• Y IA generativa.

Según Gartner, AI TRiSM se ha convertido en la columna vertebral para que las organizaciones superen los desafíos que presenta genAI. No mejorar eficazmente las capacidades de la fuerza laboral actual en materia de mejores prácticas significa quedarse atrás en la implementación de IA generativa. No es sorprendente que las empresas busquen ahora contratar personas con habilidades en inteligencia artificial, y quienes buscan empleo que tienen esas habilidades las destacan.

Un estudio reciente realizado por el Instituto de Internet de la Universidad de Oxford encontró que los empleados con habilidades en IA pueden ganar salarios hasta un 40% más altos que sus pares que no las tienen. El estudio también encontró que combinar habilidades de IA con una amplia gama de otras habilidades era lo más valioso para las organizaciones.

El sitio de ofertas de empleo Upwork publicó el otoño pasado su estudio sobre las habilidades de los solicitantes de empleo que aceptan empleo, así como los comportamientos de búsqueda y contratación de las empresas que persiguen proyectos de IA generativa. Encontró que aproximadamente la mitad de los gerentes de contratación planean contratar más talentos independientes y el 49% planea contratar más empleados de tiempo completo, ambos debido a los planes de implementación de genAI.

También es importante buscar personas a las que les guste aprender nuevas tecnologías, que tengan un buen sentido comercial y comprendan cómo la tecnología puede beneficiar a la empresa. En su propia organización, Insight Enterprises, Taglienti pone de manifiesto que entre el 10% y el 20% de su personal debe aprender ingeniería rápida. Otros necesitan saber cómo utilizar habilidades de generación de contenido de IA y asistentes de codificación como Microsoft Copilot o CodeWisperer de Amazon .

"Estás interactuando con la IA, pero eso no requiere que tengas mucho conocimiento para usarla. La democratización de esta tecnología nos permitió dejar de tener habilidades en Python, infraestructura y nube para cada persona. Tengo la capacidad de hacer esto relativamente simple en términos de incorporar algunos de los conceptos básicos para experimentar o implementar ideas que podrían beneficiar al negocio.

"Por eso buscamos personas que no sólo sean expertos en la materia, sino también personas que entiendan la transformación empresarial", continua Taglienti, "y que entiendan la adopción y la adaptación desde el punto de vista cultural de una empresa porque eso es lo que el poder de la tecnología le permite hacer".

Incorporar a los usuarios empresariales

En el aspecto comercial de la casa, generalmente no es difícil inspirar a los empleados a aprender cualquier tecnología nueva cuando esa tecnología tiene claros beneficios comerciales. Nick Stepro, director de tecnología de Arcadia, que vende una plataforma de datos de salud, cree que son los usuarios comerciales más que los usuarios técnicos los que se "sobrealimentarán" con la IA generativa. "Dentro de cuatro o cinco años, no sé cómo será un ingeniero de software de nivel medio. Sin embargo, si eres un usuario empresarial, ahora tienes acceso a una inmensa cantidad de poder en una forma conversacional natural que no tenías antes".

El mensaje es claro: la IA generativa y el poder del big data transformarán la atención médica y otras industrias verticales. Y son los usuarios empresariales quienes comprenderán qué datos se necesitarán para alimentar a los LLM y garantizar que los resultados que produzcan sean valiosos. "Si no tienes una estrategia de datos interna que pueda escalar y que pueda aprovechar una gran cantidad de datos estructurados cotejados con datos no estructurados con el etiquetado de metadatos apropiado, entonces estás en una situación difícil", dice Stepro. "Estas cosas [los LLM] son ??como loros. Reaccionarán a lo que se les dé de comer. Si les das de comer un montón de basura, obtendrás un montón de basura de vuelta".

Existen innumerables usos para esta tecnología en entornos empresariales que pueden mejorar la eficiencia, la toma de decisiones y la experiencia general de los clientes mediante el uso de chatbots, herramientas de análisis de datos, inteligencia de documentos y creación de contenido. Por ejemplo, los especialistas en marketing pueden utilizarlo para crear material publicitario. Los médicos pueden utilizarIa para examinar los registros de los pacientes y obtener una sinopsis de su historial e incluso recomendaciones de tratamiento.

Los usuarios empresariales también pueden convertirse en creadores de aplicaciones mediante el uso de desarrollo de software aumentado con IA , de forma similar a cómo las herramientas de código bajo y sin código ayudan a esto en la actualidad.

“En comparación con la IA o el aprendizaje automático clásico, la capacidad de utilizar la IA generativa es sencilla. Entonces, la barrera es bastante baja”, asevera Taglienti. “Puedes empezar a utilizar la IA inmediatamente sin mucha formación. El desafío en nuestro mundo, y esto también se aplica a nuestros clientes, es la puesta en funcionamiento. Por lo tanto, puede proporcionar a las personas un chatbot, pero para lograr coherencia a nivel de producción es necesario controlar los procesos. Hay que monitorear el comportamiento del uso”.

Si la parte empresarial utiliza genAI para crear campañas de marketing u obtener datos de ventas, ¿cómo pueden esos usuarios estar seguros de que las herramientas les están dando el tipo de respuestas que deberían esperar?, prosigue Taglienti.

"¿Cómo mido la coherencia y el rendimiento del modelo? Trabajamos con los clientes para ayudarles a comprender el uso y el rendimiento operativo. Eso es algo que las organizaciones deben considerar, al igual que cualquier otra implementación de TI".