Cuatro pasos que los ejecutivos deben seguir para preparar sus estrategias de inteligencia artificial generativa
Muchas empresas que se sumaron a la tendencia de la Inteligencia Artificial generativa y decidieron implantarla en su estrategia lo hicieron con la idea de que, al ser tan fácil de usar, también sería fácil de implantar. Pero no ha sido así: la incorporación de la Inteligencia Artificial generativa con fines estratégicos ha demostrado hasta ahora ser intensiva en recursos y capacidades.
Por esta razón, solo los grandes actores han podido incluir programas piloto significativos en sus planes, más allá de los casos de uso básicos, como apunta un artículo de Fortune.
Dado que la barrera de entrada es más alta de lo esperado para la Inteligencia Artificial generativa, es aún más importante que las empresas desarrollen una estrategia para maximizar su potencial sin desperdiciar recursos valiosos”, subraya este medio. “Esa estrategia tendrá que aprovechar lo que la inteligencia artificial generativa ofrece ahora, pero también debe tener en cuenta lo que podría ofrecer en el futuro. Subirse al carro para obtener beneficios a corto plazo podría acarrear consecuencias imprevistas y costes a largo plazo”, alerta.
En este sentido, los autores del citado artículo destacan 4 movimientos estratégicos que los ejecutivos deberían hacer para definir y preparar para el futuro su estrategia de Inteligencia Artificial generativa:
1. Destinar recursos de la empresa a crear una ventaja competitiva
A la hora de invertir recursos técnicos, las empresas deberían aprovechar el auge de las soluciones plug-and-play de terceros, como CoPilot y ChatGPT, que requieren menos esfuerzo. A la hora de implantar soluciones internas que pueden requerir recursos y capacidades considerables, las empresas deben centrarse en dar prioridad a los esfuerzos de IA generativa que tengan el potencial de crear una ventaja competitiva.
Las empresas pueden hacerlo a través de "unicornios de Inteligencia Artificial generativa" (soluciones que crean nuevas fuentes de ventaja competitiva, como el diseño inverso para el descubrimiento de fármacos en las empresas farmacéuticas) o a través de la aplicación de Inteligencia Artificial generativa para transformar toda una función (como el marketing o el servicio al cliente) y mejorar su productividad. La creación de ventajas competitivas suele estar vinculada a la maximización del valor de los datos propiedad de la empresa.
2. Tener una estrategia de datos centralizada
Antes de que una empresa pueda diseñar una estrategia de Inteligencia Artificial generativa, primero debe tener una estrategia de datos, dice el artículo. El valor y la importancia de los datos de alta calidad no hacen sino aumentar.
El avance de la IA generativa ha demostrado que es esencial una estrategia centralizada a nivel de toda la organización para recopilar y gobernar los datos. La inteligencia artificial generativa puede ser útil en la excavación de datos y ayudar a las empresas a limpiar conjuntos de datos grandes y desestructurados. Los ejecutivos deben dar prioridad a la creación de estos conjuntos de datos centralizados y trabajar con los científicos de datos para encontrar datos nuevos y creativos para afinar los modelos de IA generativa.
Cuando hay lagunas en los datos, la inteligencia artificial generativa tiene la capacidad de fabricar datos sintéticos que pueden ayudar a las empresas a explorar nuevos conjuntos de datos.
Una de las ventajas de contar con una estrategia de datos con conjuntos de datos centralizados es su adaptabilidad. Las versiones básicas de los LLM (como el LLaMA publicado por Meta AI en febrero o el Falcon LLM publicado por el Technology Innovation Institute en mayo) pueden reutilizarse para diversos casos de uso.
Sin embargo, las empresas deben tener en cuenta las licencias específicas de estos modelos. LLaMA, un modelo base de código abierto de alta calidad, se publica bajo una licencia no comercial, mientras que Falcon LLM, que actualmente lidera la clasificación de LLM abiertos de Hugging Face, también puede aplicarse en casos de uso comercial.
Para maximizar el potencial de los datos, las compañías deberían pasar a un modelo de servicios compartidos gestionados por un único equipo, ya que sólo se necesitarán unos pocos LLM en toda la organización. Proporcionar acceso a los LLM gestionados de forma centralizada también permite a las empresas obtener valor de los experimentos de los empleados en un entorno controlado y seguro, según los autores.
3. Tratar la elección del LLM (Large Language Model) como una elección de socios estratégicos
Dado que un único LLM puede utilizarse para una gran variedad de usos, elegir el adecuado es una decisión crítica. Aunque los ejecutivos no necesitan implicarse mucho en la evaluación técnica de cada LLM, sí necesitan comprender el impacto más amplio, como reconocer que su elección de LLM es también una elección entre socios estratégicos. Al seleccionar un proveedor de LLM para un caso de uso determinado, hay tres factores estratégicos que deberían guiar el proceso de toma de decisiones.
“Los ejecutivos deben evaluar detenidamente las opciones que ofrece un proveedor de LLM para la seguridad de los datos en nubes públicas, gestionadas de forma segura, híbridas o totalmente privatizadas”, explica el artículo.
Además, hay que evaluar los recursos internos que hacen falta para la implantación. Las implantaciones totalmente privadas son la opción que requiere más recursos, ya que a menudo se necesita un equipo con conocimientos de vanguardia, además de ingenieros de operaciones y profesionales de TI, para crear una solución de alta calidad y después gestionarla y actualizarla continuamente de principio a fin.
En cambio, adaptar un modelo en un entorno de nube requiere mucho menos. Este tipo de modelo suele estar totalmente gestionado por el proveedor de LLM y se actualiza automáticamente, lo que también limita la capacidad de una empresa para adaptar el modelo a sus necesidades a medida que evolucionan.
En lo referente al compromiso con el cliente, hay que evaluar también cómo va a afectar la implantación de la IA. La decisión de integrar los servicios de cara al cliente en una plataforma LLM de terceros, como ChatGPT, podría suponer un riesgo de mercantilización de la intermediación y reducir el compromiso directo con el cliente. La creación de un chatbot interno orientado al cliente con código abierto podría evitar esos escollos, pero corre el riesgo de perderse si la plataforma LLM de terceros se convierte en una fuente popular de captación de clientes y ventas.
4. Predecir el futuro de la planificación estratégica de la plantilla
En el mundo de la Inteligencia Artificial generativa, los líderes deben desarrollar enfoques proactivos y ágiles para la planificación de la plantilla que equilibren la adopción actual de nuevas tecnologías con su evolución prevista.
Un reciente estudio de investigación del MIT sobre el impacto de la Inteligencia Artificial generativa en la productividad descubrió que cuando se utilizaba la Inteligencia Artificial generativa para tareas de escritura, no sólo hacía que los trabajadores asignados a la tarea fueran más productivos, reduciendo su tiempo invertido en más de un tercio, sino que también cambiaba su forma de trabajar y cómo se sentían con respecto a ese trabajo.
Por ello, las empresas deberían empezar a experimentar inmediatamente con productos de Inteligencia Artificial generativa en toda su organización para comprender mejor cómo afectará la adopción a los empleados a corto plazo, lo que proporcionará datos valiosos para hacer previsiones a más largo plazo.
Sin embargo, la productividad no debe ser el único objetivo de los ejecutivos. Las empresas tendrán que gestionar no sólo la tecnología, sino también la parte humana de la ecuación y la relación entre los empleados y la inteligencia artificial generativa. La tecnología avanzará, y los seres humanos que interactúen con ella también cambiarán, creando nuevas capacidades y nuevos déficits. Estos cambios obligarán a las empresas a encontrar un nuevo equilibrio entre los empleados y la inteligencia artificial.
Asimismo, los ejecutivos deberían analizar continuamente cómo la inteligencia artificial generativa y los empleados humanos trabajan juntos. Más allá de la experimentación interna, Metaculus, un motor de predicción y agregación en línea, que agrega y pondera múltiples previsiones, es una herramienta de previsión. El objetivo de estas previsiones no es predecir con exactitud lo que nos deparará el futuro, sino proporcionar información sobre cómo priorizar los recursos humanos y qué límites fomentarán la experimentación de los empleados y prepararán a la organización y sus recursos humanos.
En conclusión, es vital que las empresas desarrollen una estrategia de Inteligencia Artificial preparada para el futuro antes de lanzarse al mercado, ya sea ahora o en el futuro. Para ser estratégicos, los ejecutivos tendrán que dejar de pensar en la Inteligencia Artificial generativa como una nueva herramienta y adoptarla como una revolución que afectará a todos los aspectos de nuestra vida y trabajo.
Fuente: Fortune