Doxa 1893

Por qué es tan difícil adoptar GenAI

Puede parecer que todo el mundo ha descubierto cómo utilizar esta nueva tecnología. No lo han hecho.

Por Terence Tse, Mark Esposito, Danny Goh y Paul Lee

Innovación

Harvard Business Review

#Doxa #GenAI #innovación #IA #tecnología #empresa #LLM #datos

Resumen. Más de un año después del lanzamiento de ChatGPT, las empresas siguen haciéndose la misma pregunta cuando se plantearon por primera vez la tecnología: ¿cómo van a utilizarla realmente en las empresas? Muchas empresas acaban de descubrir que las herramientas de IA generativa, como los LLM, si bien son impresionantes, no son listas para usar. Las empresas deberían tener en cuenta algunas sugerencias a la hora de decidir si incorporar estas herramientas y cómo hacerlo: 1) elegir el rendimiento en lugar de la novedad, 2) combinar GenAI con herramientas como las bases de datos vectoriales, 3) no olvidar nunca el circuito humano, 4) rastrear sus datos y 5) tener expectativas realistas.

Casi un año y medio desde el lanzamiento de ChatGPT 3.5, tanto empresas como particulares se apresuraron a explorar las tecnologías de IA generativa (GenAI). Para muchos, había un miedo palpable a perderse la próxima gran novedad, a ser superados por la competencia que era capaz de descifrar el código de usarlo para revolucionar sus negocios, o a quedar atrapados con los pies planos por un cambio radical en todo el sector. Informe después informe ha promocionado el poder transformador de la GenAI en todos los sectores y sus implicaciones en el futuro del trabajo. Para añadir más calor al fuego, los artículos de los medios de comunicación nos recordaban continuamente que los trabajos probablemente serían perdido a escala y rápidamente.

Hoy, el frenesí de la GenAI parece haberse calmado, al menos marginalmente. Muchas empresas siguen enfrentándose a las mismas preguntas que hace un año: ¿cómo pueden aprovechar los ahorros de costes y los importantes aumentos de eficiencia prometidos que supuestamente ofrece GenAI? ¿Cómo van a dedicarlo realmente a un uso empresarial?

Desde nuestros asientos de primera fila para ayudar a las empresas a adoptar y utilizar la IA, vemos que muchos tienen dificultades. Hay varios motivos para ello.

En primer lugar, muchas empresas, grandes y pequeñas, siguen intentando integrar la IA tradicional, como los algoritmos basados en reglas y el aprendizaje automático, en sus operaciones. En el mejor de los casos, están en una fase exploratoria con la AL tradicional y, en el peor, simplemente se sienten perdidos. Un reciente estudiar sugirió que más del 70% de las grandes empresas encuestadas seguían preguntándose cómo aprovechar los posibles beneficios que la IA puede ofrecer.

En segundo lugar, GenAI es mucho más complejo y está orientado a fines específicos. Si bien es capaz de escribir un informe de 5000 palabras en poco tiempo, no puede, por ejemplo, realizar una tarea básica de entrada de datos, como extraer y clasificar los datos del carné de conducir, que la IA tradicional puede realizar fácilmente. Como tal, las empresas tienen que pensar detenidamente qué argumentos de negocio podrían ser apropiados para encontrar los beneficios de la GenAI. Navegar a través de la IA tradicional es como navegar por aguas turbulentas con una embarcación moderna pero un tanto engorrosa, y la GenAI añade más tonelaje, potencia y un mar aún más turbulento. Una empresa que siga inestable con la primera tendrá, por supuesto, problemas con la segunda.

En tercer lugar, las implicaciones a largo plazo de la adopción de la GenAI —como los costes a largo plazo y los impactos de la regulación actual y futura— siguen siendo inciertas. Para nosotros, la situación actual nos devuelve a justo antes del milenio. Si bien las empresas de entonces podían haber visto la necesidad de crear sitios web, pocas podían ver claramente las funciones específicas que desempeñaría Internet en general como parte integral de las estrategias omnicanales, y mucho menos en todos los dispositivos y aplicaciones de teléfono.

Teniendo en cuenta todo esto, tiene sentido que la mayoría de las empresas sigan buscando un camino a seguir (aunque parezca que todos los demás lo tienen descubierto). Eso no significa que la búsqueda sea una locura. Así es como las empresas pueden orientarse y decidir qué hacer a continuación.

El mercado de GenAI

La primera decisión que tienen que tomar la mayoría de las empresas es cual El producto de GenAI que quieren usar. En este momento, hay muchos proveedores de GenAI, tanto titanes de la industria como Meta y Alphabet como recién llegados como Hugging Face, Anthropic y Stability.ai. Este mercado se va a llenar aún más, con empresas ricas en datos como Bloomberg y JPMorgan Chase indicando su intención de entrar en la lucha, y una Apple que está trabajando en su propia oferta, llamada Ajax. Hay algunos factores que las empresas deben tener en cuenta.

Por un lado, Open AI y sus rivales actuales compiten ahora por ser la primera opción de los desarrolladores de soluciones de GenAI, y puede que los que llegan tarde ya hayan perdido el barco. La IA abierta introducción reciente de una sencilla herramienta para crear aplicaciones con ChatGP es probablemente un intento de consolidar su posición, ya que es probable que los usuarios que están acostumbrados a un sistema lo vuelvan a utilizar en futuros proyectos. Con la GenAI más grande (y podría decirse que la mejor) del mercado, OpenAI está en la mejor posición para establecer un ecosistema.

Dicho esto, es probable que los desarrolladores de soluciones no quieran jurar lealtad a ninguno de los fabricantes de GenAI para conservar la opción de poder seleccionar GenAI para diferentes proyectos. Esto, a su vez, ha dado lugar a kits de herramientas como LangChain, una plataforma de código abierto diseñada para permitir a los usuarios trabajar con diferentes GenAI al mismo tiempo.

La competencia en juego entre las diferentes compañías de GenAI se parece un poco a los primeros días del duelo entre iOS y Android. Un ecosistema grande permitiría a OpenAI seguir siendo el líder del mercado (que genera dinero) durante unos años hasta que sus rivales puedan unir sus fuerzas. Esto no significa necesariamente que Apple y Google se unan para competir con Microsoft. Lo más probable es que veamos a los rivales acordar el mismo estándar en el que colaborar para oponerse al dominio de OpenAI. Creemos que esto no es diferente a la situación de 2015, en la que los seguidores de Android finalmente pudieron establecer un ecosistema significativo que compitiera con iOS. A medida que el mercado de GenAI se consolide, podemos esperar que dos o tres grandes facciones compitan entre sí. Espere que más empresas, grandes empresas de tecnología y empresas emergentes por igual, redoblen sus esfuerzos para estar en el centro de estos sistemas.

Consideraciones clave para aprovechar GenAI

Dada esta situación actual, ¿cómo podrían las empresas incorporar GenAi? En este caso, nos gustaría hacerle algunas sugerencias:

Elija el rendimiento antes que la novedad.

En nuestra larga experiencia trabajando con GenAI, su rendimiento no se debe a respuestas de texto similares a las humanas de manera conversacional ni a un modelo que se base en una gran cantidad de datos. Para sacar el máximo provecho de GenAI, debe preguntarse si es la tecnología adecuada para una tarea u objetivo en particular.

Por ejemplo, aunque ChatGPT es (por el momento) mejor manejando palabras e idiomas, hemos descubierto que los modelos tradicionales de aprendizaje profundo ofrecen resultados mucho mejores en el procesamiento de imágenes. Otro descubrimiento: en un producto que estamos creando, descubrimos que ChatGPT-4 «entiende» mejor las consultas de los usuarios, mientras que la versión 3.5 es más rápida y mejor a la hora de convertir los resultados procesados en respuestas a los usuarios.

En otras palabras, en lugar de adoptar sin lugar a dudas la última tecnología de IA, las empresas deben entender los problemas empresariales que intentan resolver y encontrar la herramienta de IA más adecuada en función de los puntos fuertes y débiles de cada una de las opciones disponibles.

Combine GenAI con el poder de la base de datos vectorial.

Se trata de una nueva forma de base de datos que se especializa en recuperar los registros que más coinciden para responder mejor a consultas específicas (a diferencia de las bases de datos tradicionales que se limitan a almacenar los registros). Las empresas pueden utilizar un GenAI, como ChatGPT, para desglosar las consultas de los usuarios y, a continuación, utilizar una base de datos vectorial para buscar las mejores respuestas que coincidan con esos parámetros.

Piense en una analogía: si estuviera entrevistando para un trabajo, ChatGPT y sus competidores le ofrecerían la posibilidad de «leer la sala» y analizar la postura, las expresiones faciales, la elección de palabras y los tonos de los entrevistadores. Las bases de datos vectoriales, por otro lado, actuarían como sus bancos de memoria y sabiduría, ya que constituirían la capacidad de encontrar las mejores cosas que decir.

Dicho de otra manera, el GenAI por sí solo puede no ser suficiente. Según los problemas que se aborden, solo puede ser la mitad de la solución tecnológica. La necesidad de una base de datos vectorial para que GenAI sea realmente útil significa que las empresas deben esperar enfrentarse a una complejidad aún mayor y a un mayor tiempo de entrega a la hora de crear la solución.

Nunca olvide el ser humano al tanto.

Como siempre, no importa lo poderosas que parezcan las tecnologías de la IA, sus habilidades son tan buenas como la cantidad de humanos involucrados. Esto no es diferente para la GenAI. Los seres humanos desempeñan un papel fundamental a la hora de guiar a la GenAI hacia los objetivos empresariales, gestionar las interacciones dentro de los sistemas de TI, diseñar las acciones necesarias para que los datos entren y salgan de los modelos de IA y mitigar las alucinaciones (la información inventada o totalmente falsa que produce la GenAI), que sigue siendo un problema importante de la GenAI en la actualidad.

Rastree sus datos.

Si bien el problema de las alucinaciones sigue siendo generalizado, es importante establecer un registro claro desde la fuente de datos hasta los usuarios finales. La trazabilidad permite a los usuarios conocer la fuente original de los datos, lo que aumenta la fiabilidad y la fiabilidad de los resultados de la GenAI y, por lo tanto, crea una base más sólida para una toma de decisiones informada.

Las empresas deben asegurarse de que el linaje de datos es una característica destacada tanto en sus tecnologías como en los procesos y flujos de trabajo. Solo así las empresas pueden saber plenamente que utilizan el tipo de datos correcto.

Tenga expectativas realistas.

El GenAI es un barco que viaja rápido y ocurren muchas cosas bajo cubierta. Es difícil saber exactamente qué, cuánto y con qué rapidez las empresas de GenAI pueden lograr de manera realista. Creer con convicción que puede arrojar resultados inmediatos y rentabilidades financieras sobresalientes lo más probable es que lleve a decepciones. Los líderes deben reconocer que el viaje exploratorio y experimental de GenAI probablemente sea largo.

La utilización de las tecnologías GenAI en las operaciones empresariales trasciende la mera inversión tecnológica; es fundamentalmente un imperativo empresarial. Por difícil que sea como empresa, incorporar GenAI en las operaciones de la empresa es entender los matices de los avances actuales de la GenAI y ser muy consciente de los desafíos que se presentan. Sin embargo, para las empresas que pueden utilizar GenAI con éxito para alcanzar sus objetivos empresariales, las recompensas solo pueden ser prometedoras y enormes.

Lea más sobre Innovación o temas relacionados Tecnología y análisis, IA y aprendizaje automático y Computación empresarial

Terence Tse es profesor de Finanzas en Hult International Business School y cofundador y director ejecutivo de Nexus FrontierTech. Además, he cofundado The Chart Thinktank.

Mark Esposito es profesor en Hult International Business School y profesor afiliado del Centro para el Desarrollo Internacional de Harvard en la Kennedy School. He cofundado Nexus FrontierTech y The Chart Thinktank.

Danny Goh es cofundador y director ejecutivo de Nexus FrontierTech y experto en emprendimiento en Said Business School de la Universidad de Oxford. Además, he cofundado The Chart Thinktank y AI Native Foundation.

Paul Lee es cofundador de Ximplar, Vocofy AI, AUMEO y The Chart Thinktank.