La mayoría de los CIO han comenzado a explorar la IA generativa para asegurarse de estar siempre actualizados. Pero muchos de ellos se dan cuenta hoy de que la tecnología disponible en el mercado aún no está a la altura del revuelo que suscita. "Después de experimentar con GitHub Copilot y ChatGPT durante más de seis meses, estoy sorprendido por la velocidad a la que está evolucionando la IA generativa", afirma Yves Caseau, CIO global de Michelin. Pero en su estado actual, es sólo una caja de herramientas. »

Si el revuelo en torno a los LLM y las herramientas asociadas puede llevarnos a creer que la tecnología está muy sobreestimada, podría ser, por el contrario, que la tecnología se esté volviendo indispensable. "Una vez que alcance la madurez, la IA generativa realizará muchas de nuestras tareas mundanas, de modo que podamos centrarnos en otras cosas", afirma Yves Caseau.

Índice
  1. Un impulso a la IA tradicional
  2. Mejorar la cadena de suministro o las relaciones con los clientes.
  3. Los desafíos y beneficios de la adopción temprana
  4. La falta de habilidades, un gran obstáculo
  5. Las empresas que no avanzan están condenadas a la obsolescencia
  6. La IA generativa no está reservada para grandes estructuras

Un impulso a la IA tradicional

Si bien la IA generativa es nueva, la inteligencia artificial no lo es. La investigación en esta área comenzó en la década de 1940 y condujo a los primeros dispositivos concretos, los sistemas expertos, en la década de 1970. Uno de los primeros usos de la inteligencia artificial en los negocios en muchas empresas, incluidas Michelin y Albemarle, fue el mantenimiento predictivo. En su nivel más básico, consiste en un algoritmo entrenado con datos recopilados por sensores. Luego, el modelo busca indicadores que provocaron fallas y alerta a los operadores humanos, quienes luego pueden evitar paradas de producción.

Pero la configuración básica del mantenimiento predictivo tiene una debilidad significativa: los eventos raros están subrepresentados en los datos de entrenamiento. Como resultado, es posible que el algoritmo no aprenda lo suficiente sobre los patrones de salida del sensor que, aunque poco frecuentes, pueden ser una advertencia de fallas. Para llenar este vacío, muchas empresas han complementado los datos reales con los llamados datos sintéticos.

Mejorar la cadena de suministro o las relaciones con los clientes.

La IA también se utiliza para aumentar la eficiencia de la cadena de suministro, facilitar las interacciones con los clientes y ayudar a los empleados a completar las tareas de oficina. El fabricante de productos químicos estadounidense Albemarle utiliza la IA como asistente virtual desde los recientes confinamientos relacionados con la pandemia. "Al final estábamos un poco por delante, pero principalmente por necesidad", afirma Patrick Thompson, ex CIO y director de transformación digital de la empresa. De hecho, la pandemia nos ha obligado a encontrar soluciones de autoservicio para nuestros 7.000 empleados que trabajan a distancia. »

El chatbot de Albemarle evolucionó hasta convertirse en una herramienta de ayuda para otras funciones comerciales y, finalmente, se convirtió en un asistente personal virtual que gestiona flujos de trabajo federados. Ayuda a los empleados a trabajar más fácilmente con varios sistemas a la vez sin necesidad de iniciar sesión en cada uno de ellos. Pueden, por ejemplo, participar en un flujo de trabajo y hacer preguntas en lenguaje natural con el bot que a su vez interactúa con los sistemas de la empresa.

Chris Herringshaw, CIO global de Janus Henderson: "Si la gobernanza, la seguridad y la ingesta de datos son correctas, la IA generativa puede ayudar a una pequeña empresa a crecer y ser más ágil. Estoy seguro de que constituirá la innovación disruptiva más importante para las empresas". (Foto Janus Henderson)

Pero en los últimos meses, la IA generativa está llevando la IA tradicional a otro nivel para aplicaciones como el mantenimiento predictivo. “Las interacciones se vuelven más conversacionales, lo que permite hacer preguntas y obtener información diferente sobre el estado del equipo”, explica Patrick Thompson. Puede recopilar datos industriales internos y externos que luego se utilizan para entrenar algoritmos tradicionales y lograr resultados ágiles. »

“La IA generativa también se puede utilizar para analizar datos públicos sobre mercados y empresas para respaldar la toma de decisiones de inversión”, dice Chris Herringshaw, CIO global de Janus Henderson, el grupo de inversión estadounidense-británico. gestión de activos internacionales. En lugar de perder tiempo buscando "manualmente" este tipo de información, queremos utilizar IA generativa para resumir lo que hay ahí fuera, señalar las señales en medio del ruido y sugerir áreas para estudiar. »

Los desafíos y beneficios de la adopción temprana

Además de la falta de madurez de la tecnología, el otro desafío que enfrentan las empresas que quieren lanzarse a la IA generativa es la falta de habilidades, tanto internamente como entre los editores de aplicaciones tradicionales. La falta de experiencia interna afecta la decisión de desarrollar o comprar. "Al comprar, no es necesario saber cómo diseñar, desarrollar, escalar y adaptar la infraestructura subyacente", afirma Chris Herringshaw. No cuesta mucho hacer trabajos de exploración.

Los proveedores mantienen los precios bajos para fomentar la adopción. Pero con el tiempo, las empresas introducirán más datos en los modelos, vinculándolos con un proveedor, y empezarán a crear productos derivados especializados en determinadas áreas. En lugar de utilizar la versión general de ChatGPT, por ejemplo, aprovecharán adaptaciones para sectores específicos, como los servicios financieros. "Y una vez que tienes modelos adaptados a diferentes casos de uso, terminas con varias versiones ejecutándose al mismo tiempo, lo que multiplica el precio de la suscripción", continúa Chris Herringshaw. Lo que esperamos es que los beneficios empresariales aumenten paralelamente. Si realmente encontramos una manera de revolucionar nuestro proceso de inversión, el retorno de la inversión debería compensar con creces el costo. »

La falta de habilidades, un gran obstáculo

Es más, a corto plazo, es menos costoso suscribirse a soluciones SaaS que desarrollarlas internamente. Pero a largo plazo, el desarrollo interno puede ser la mejor opción para las organizaciones que necesitan adaptar modelos a su industria, o aquellas que quieren llevar la IA al límite y ejecutar inferencias en dispositivos desconectados de los servicios en la nube. .

Sin embargo, por el momento, muy pocas estructuras cuentan con personal cualificado para desarrollar un modelo de IA o modificar un modelo existente. La mayoría ni siquiera tiene la experiencia necesaria para ser buenos usuarios. Para aprovechar al máximo lo que compra, primero debe seleccionar sus datos para entrenar el modelo y luego, durante la fase de inferencia, hacerle las preguntas correctas. Y sobre todo, hay que saber cuándo dudar del modelo.

Las empresas que no avanzan están condenadas a la obsolescencia

La IA generativa probablemente aumentará el valor que una empresa puede extraer de sus datos y, en última instancia, cambiará la forma en que se gestionan, pero esta tecnología también ampliará la brecha entre quienes tienen conocimientos digitales y quienes están troleando. Todos deberían empezar por desarrollar un cierto nivel de experiencia interna. "Estamos empezando a implementar capacitación para mejorar nuestro uso de la tecnología", añade Chris Herringshaw. Lo primero que queremos mejorar es la capacidad de hacer las preguntas correctas. » La falta de habilidades no sólo afecta el uso de plantillas, sino también la calidad de productos de terceros seleccionados. De hecho, algunos afirman incluir algoritmos de IA. Los CIO que compren la última versión de una aplicación empresarial deben verificar esta afirmación, ya que todavía existe mucha confusión entre los proveedores de aplicaciones tradicionales.

Este último “se asocia con empresas que desarrollan IA generativa para ofrecer asistentes virtuales que desbloquean el valor de los sistemas empresariales”, explica Chris Thompson, miembro de las juntas directivas de varias editoriales. Deben equilibrar la seguridad y la privacidad de los datos, por un lado, con la velocidad para hacer realidad la promesa de valor de la IA generativa, por el otro. »

La IA generativa no está reservada para grandes estructuras

Además, si las grandes empresas son las primeras en empezar porque tienen los recursos necesarios, Chris Thompson cree que no hay razón para impedir que las estructuras más pequeñas utilicen la IA generativa. "Si la gobernanza, la seguridad y la incorporación de datos son correctas, puede ayudar a una pequeña empresa a crecer y ser más eficiente", explica el CIO. Estoy seguro de que la IA generativa constituirá la innovación disruptiva más importante en los negocios. Contribuirá a la consolidación, optimización e integración de industrias. Esto dará como resultado nuevos puntos de referencia para el desempeño industrial que elevarán el listón y crearán mayor valor para los accionistas. Las empresas que no lo adopten simplemente quedarán obsoletas. »