Cada década, la tecnología da un salto gigante que borra las reglas antiguas y elimina nuestros supuestos. El Internet, la telefonía móvil, el vídeo, Blockchain, el Internet de las cosas, la impresión 3D, los modelos CRISPR, la analítica, la automatización y otras.
Las empresas y creadores comienzan una carrera acelerada para ganar dinero con la próxima potencial disrupción, realizando altas inversiones en el proceso de aprendizaje y experimentación.
A menos que hayamos estado viviendo desconectados, está claro que una de las principales disrupciones viene impulsada por la inteligencia artificial generativa (IAG).
A principios de 2023, ChatGPT fue una herramienta de moda. Bastaba abrir una red social o portal de noticias y veíamos a personas elogiando su capacidad para escribir artículos, guiones, material de comunicación, artículos, anuncios, imágenes impactantes, depurar código o decir cómo preparar recetas con ingredientes especiales.
Darle a cualquier persona con acceso a Interrnet, la capacidad de generar cantidades ilimitadas de información (mayormente) precisa a demanda es una hazaña de ciencia ficción, que trae sus riesgos y oportunidades, planteando futuros sobre los que vale la pena reflexionar.
El Futuro de la Inteligencia Artificial (Marzo, 2023)
Video Documental
¿Cómo podemos las empresas aprovechar la tecnología detrás de modelos como GPT y la Inteligencia Artificial en general para resolver problemas relevantes y de impacto en el mercado?
Si creíamos que aprovechar la IA era tan simple como implementar un chatbot en un sitio web o aplicación, es posible que estemos cerca de enfrentar una verdad incómoda. ¿Cómo crear un producto de IAG de impacto, que soluciones problemas y que la gente realmente utilice?
Antes de iniciar, es importante aclarar que:
- La IA por sí sola no puede alterar nuestro negocio, requiere de colaboración, enfoque y práctica coordinada.
- La adopción temprana es crucial.
- Encontrar el ajuste al mercado (Product – Market Fit) de los productos de IA requiere evaluación, pruebas y experimentación con ajustes.
CONOCE NUESTRO PROGRAMA DE PRODUCTIVIDAD Y PROYECTOS DE IAG EXCLUSIVO PARA EQUIPOS EMPRESARIALES
AYUDAREMOS A TU EQUIPO A INTEGRAR DE MANERA EFECTIVA LA INTELIGENCIA ARTIFICIAL GENERATIVA EN LA PLANIFICACIÓN DE TU ORGANIZACIÓN
Por qué tantos productos de IA fallan
Cada vez que actualizamos nuestro feed de noticias en redes, parece que hay una nueva tendencia de tecnología de IA o un lanzamiento con el potencial de cambiar la trayectoria de la humanidad (y tal vez sacarnos del negocio). Pero cuando se pone en marcha, estos productos de IA rara vez crean valor para el usuario final, incluso cuando son construidos por la realeza de Silicon Valley.
Caso de uso de productos de IA 1: Amazon Alexa
Consideremos a Amazon Alexa, el asistente personal impulsado por IA conversacional. En 2016, Jeff Bezos mencionó que «la combinación de algoritmos nuevos y mejores, una capacidad de computación enormemente superior y la capacidad de aprovechar enormes cantidades de datos de capacitación… se están uniendo para resolver problemas previamente irresolubles».
Cinco años después y Alexa perdió alrededor de $10 mil millones solo en 2022, convirtiéndolo en el mayor perdedor de dinero de Amazon.
Caso de uso de productos de IA 2: Google Duplex
Luego estaba Google Duplex: el agente de chat «casi humano» construido para manejar tareas cotidianas como registrarse en vuelos y reservar reservas. Tres años después, lo clausuraron.
Caso de uso de productos de IA 3: Conducción autónoma
¿Y qué hay de esos autos que se conducen solos que teníamos tantas esperanzas? Si el hecho de que Ford cerrara su tecnología de conducción autónoma es indicativo, todavía tendrás que abrocharte al asiento del conductor en un futuro previsible.
La cruda realidad es que el 85% de los proyectos de big data y IA empresariales fallan.
¿Qué está ocurrriendo? Si las marcas con miles de empleados y miles de millones de dólares no pueden anotar un home run con un producto de IA, ¿cómo lo haremos nosotros?
El problema no es en sí la tecnología. Algunas de las cosas que podemos hacer con la IA no tienen nada de mágico y solo está mejorando. El problema es descubrir cómo aplicar la IA en las situaciones, los momentos y los canales correctos, y obtener ganancias en el proceso.
En otras palabras: encontrar el product market fit (ajuste al mercado) para los productos de IA.
Es tentador presionar el botón de pánico cuando los expertos advierten que la IA alterará virtualmente todas las industrias, desde la atención médica hasta el derecho e incluso las artes.
La IA por sí sola no puede cambiar nuestro negocio, pero una empresa o emprendimiento, con visión y talento que invierta en conocerla y adaptarla, lo hará.
Las fases de aprendizaje automático en inteligencia artificial
El software de inteligencia artificial generativa como ChatGPT, BERT y LaMBDA no puede reducir nuestra participación de mercado, y mucho menos reemplazarnos, por sí solo. Sin embargo, un competidor que aproveche estos productos de IA para escalar sus operaciones definitivamente puede alterarte.
Para entender por qué, analicemos las dos fases principales del aprendizaje automático: entrenamiento e inferencia.
- El entrenamiento de aprendizaje automático es el proceso de alimentar un modelo con datos seleccionados para que pueda «aprender» y construir modelos. Por ejemplo, los lingüistas humanos enseñan a la IA de Grammarly alimentándola con datos de alta calidad sobre cómo se ve el uso adecuado de las comas.
- La inferencia de aprendizaje automático es el proceso de usar un algoritmo preentrenado para responder preguntas en tiempo real. Por ejemplo, Grammarly hace sugerencias para que los escritos de los usuarios sean concisos y gramaticalmente correctos.
Cuanto mejor sea el conjunto de datos que alimente a “la máquina”, mejor será el resultado. En consecuencia, las empresas que tienen minas de oro de datos (y usuarios que constantemente generan más) tienen una ventaja sobre las nuevas empresas que construyen capacidades de IA desde cero. Por ejemplo, Talkspace está en la mejor posición para usar sus datos para crear un bot de salud mental y Noom para crear un entrenador de salud.
«El verdadero valor está en encontrar fuentes no obvias de datos que lo alimenten… esa es la verdadera carrera armamentista».
– Chamath Palihapitiya, capitalista de riesgo e ingeniero
Ejemplo de IA: el targeting publicitario de Meta es superior al de sus competidores porque tienen píxeles en todas partes, dándoles acceso a los mejores datos, lo que resulta en una cuarta parte de los ingresos publicitarios de Internet. En otras palabras, no se trata de quién tiene el tren o vehículo, se trata de quién es dueño de la vía o carretera y sobre cómo se identifican y generan relaciones entre los participantes del ecosistema en el que decidimos competir y su afectación e influencia en sistemas cercanos.
Continúa analizando las oportunidades y modelos de gestión de iniciativas de inteligencia artificial generativa en las siguientes publicaciones:
Inteligencia Artificial y Transformación Empresarial
La curva de supervivencia de IA: dónde viven las oportunidades lucrativas.
Tipos de Inteligencia, consideración y alucinaciones con inteligencia artificial
¿Cómo crear productos de Inteligencia Artificial que realmente deseen nuestros clientes?
