Para explorar los usos potenciales de la IA generativa, Airbus creó GenAIR, una pequeña estructura multifuncional, organizada en torno a cuatro temas: seguimiento de la tecnología, IA responsable, gestión de la demanda en este ámbito dentro del fabricante y, por último, estrategia e implementación. Y para avanzar rápidamente en el tema con este equipo aún pequeño, el fabricante optó por una colaboración con AWS Prototyping, basada en el modelo de co-construcción.

Airbus, presente en la AWS Summit 2024 en París el 3 de abril, llevó a cabo una primera PoC en 5 semanas en junio de 2023. "Empezamos con una solución basada en nuestra plataforma de chatbot, alojada en AWS, para apoyar a los equipos operativos", explica Nasser Guesmia, responsable de IA y analítica avanzada en la división de gestión digital y de la información de Airbus. "Y la ampliamos para generar respuestas". Para asegurarse de que estas respuestas fueran pertinentes, actualizadas y adaptadas a sus necesidades específicas, Airbus quería un modelo LLM personalizado y recurrió a la opción RAG (recuperación y generación aumentada). En comparación con otras soluciones, ofrecería, según el fabricante, una mejor relación entre la simplicidad de ejecución -sin reentrenamiento del modelo, sin modificación de la parametrización, menos alucinaciones- y un buen nivel de sofisticación de los resultados generados.

LLM de código abierto

La elección del industrial recayó en particular en una IA que considera responsable y en modelos de aprendizaje a distancia de código abierto. Airbus ya utilizaba Kendra, el motor de búsqueda semántica basado en el aprendizaje automático de AWS, para la búsqueda de información. Complementó el entorno RAG con un marco Langchain para la orquestación (búsqueda de similitudes en la base de conocimiento vectorial) y la ampliación del contexto, y, por último, el modelo de modelo de aprendizaje a distancia de código abierto Falcon 40B para la generación de contenidos. Entre los casos de uso identificados por GenAIR y AWS se encuentran la consulta de un corpus de documentación técnica empresarial, la asistencia en la redacción de requisitos técnicos, los resúmenes de intercambios técnicos, pero también la asistencia en la gestión de requisitos para el diseño industrial, por ejemplo.

"Hemos trabajado de forma muy ágil, sobre todo con las líneas de negocio", insiste Nasser Guesmia, responsable de IA y analítica avanzada en el equipo de gestión digital y de la información de Airbus. (Foto ED)

Para su PoC, Airbus también se basó en el motor de búsqueda Opensearch y en NLP Comprehend de Amazon para la anonimización de las búsquedas, en Langchain para la ampliación y en Llama 2 y Mistral para la generación. Los datos de entrada, en su mayoría no estructurados, se vectorizan e indexan para enriquecer el modelo. "Trabajamos de forma muy ágil, sobre todo con las líneas de negocio", insiste Nasser Guesmia. "Estábamos muy interesados ​​en sus comentarios y, con frecuencia, dejamos de lado el aspecto de IA del proyecto para recopilar las opiniones de los usuarios".

Infraestructura como código para futuros proyectos RAG

Entre los primeros resultados de este proyecto piloto, Nasser Guesmia insiste en el esencial mantenimiento del nivel de seguridad en una actividad como la de Airbus, pero también en la importancia de definir una infraestructura como código para duplicar la arquitectura para otros proyectos de RAG.

Para mantener el control del proyecto, el equipo GenAIR no dudó en seguir breves cursos de formación sobre determinados aspectos de la IA generativa que no entendía suficientemente. Sin embargo, hasta la fecha, Airbus sigue señalando algunos inconvenientes en el uso de la tecnología, en lo que respecta a la posibilidad de evaluar los resultados o la capacidad real de ampliar el proyecto. Y mantiene interrogantes más serios sobre el ajuste fino de la solución, su rendimiento o incluso el desarrollo de un RAG más avanzado.