Inteligencia Artificial Generativa, brújula de las empresas hacia la transformación digital

Desde finales de 2022, con el lanzamiento de ChatGPT por parte de Open IA, diseñadores, vendedores y comunicólogos tienen un asistente personal capaz de crear contenido original, dar seguimiento a solicitudes del cliente más exigente, generar imágenes e incluso desarrollar códigos. ¿Su nombre? Inteligencia Artificial generativa, la nueva “rockstar” de las empresas en Colombia y el mundo.

Si bien, la Inteligencia Artificial (IA), así sin apellido, es una realidad desde hace varias décadas, —sabemos que la IA moderna comenzó durante un encuentro en la Universidad de Dartmouth en 1953, donde un grupo multidisciplinario de académicos colaboró para tratar de entender mejor cómo funciona la mente humana simulando una— hoy está aquí y nos responde todas nuestras preguntas como lo haría un colega.

La Inteligencia Artificial Generativa (GAI) llegó con la promesa de crear nuevos empleos, agregar plusvalía a los ya existentes y ampliar las capacidades de los colaboradores y su productividad. Si alguien es sustituido por este motivo, tal vez se deba al tipo de trabajo y no a la evolución de esta inteligencia. De acuerdo con Goldman Sachs, gracias a la GAI en el mundo se automatizarán 300 millones de puestos de trabajo y esto dará un mayor espacio para la creatividad y la innovación.

De acuerdo al Foro Económico Mundial en su informe Future of Jobs 2023, el 49 % de las empresas espera que la adopción de la IA sea un generador de empleo en los próximos cinco años, y para la International Data Corporation (IDC) la Inteligencia Artificial generativa aumentará la productividad del mundo en un 18 % durante los próximos 10 años. Esto demuestra lo anteriormente mencionado, la IA es la nueva “rockstar” de las empresas.

Sin embargo, antes de plantearnos una migración de nuestra organización a este modelo, primero necesitamos entender el concepto de Inteligencia Artificial Generativa, así como la relevancia de los datos, la infraestructura o capacidad computacional y los problemas que buscamos resolver a través de esta automatización.

Una vez que logras concretar lo anterior, pasas a lo que llamo un modelo de entrenamiento, que se refiere a tu capacidad, a través de modelos de machine learning, de incrementar el aprendizaje de las variables. Hay un proceso de toma de decisiones donde es necesario entrenar a la computadora para registrar y entender sentimientos. De tal manera que la Inteligencia Artificial comience como un modelo de aprendizaje supervisado y termine como un modelo de aplicación, ejecución e inteligencia no supervisada. En este punto ya es posible hacer análisis más complejos.

Del 100 % de empresas que ya está utilizando Inteligencia Artificial, no importa el sector,  entre el 95 y el 98 % la usa para hacer estrategias de generación de texto o análisis de texto. No obstante, ya hay algunas (pocas) que están aplicando modelos de Inteligencia Artificial en su fase de machine learning, como algunas fintechs y startups.

Para finalizar, hay que entender que la adopción o migración de una empresa a modelos de IA suena muy bien, hasta que tienes que entender lo anterior, además de sus riesgos, entre los que destacan: los costos, su falta de emociones y empatía, ausencia de creatividad y sesgos. Porque, al margen de la sorpresa que provoca la claridad de las respuestas ante nuestras solicitudes específicas o su capacidad de mantener una conversación con algún cliente, la creatividad no es propia de la Inteligencia Artificial, es una cualidad del ser humano.