[08/04/2023] Midjourney, ChatGPT, Bing AI Chat y otras herramientas de IA, que hacen accesible la IA generativa, han desatado una avalancha de ideas, experimentación y creatividad. Si quiere aprovecharlo en su organización, sigue habiendo dudas sobre dónde empezar a poner en práctica la IA y cómo hacerlo sin toparse con dilemas éticos, infracciones de derechos de autor o errores factuales. Un buen punto de partida es utilizarla para ayudar a las personas que ya son expertas en su área a ahorrar tiempo y ser más productivas.
[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]
Hay muchos otros lugares en los que empezar a utilizar rápidamente la IA generativa, y se está incorporando a varias herramientas y plataformas que su organización ya puede utilizar. Por lo tanto, querrá pensar en establecer directrices sobre cómo experimentar y adoptar estas herramientas. He aquí cinco áreas clave en las que merece la pena considerar la IA generativa, además de orientación para encontrar otros escenarios apropiados.
1. Aumentar los conocimientos de productividad de los desarrolladores
A menudo se considera que la programación está a medio camino entre el arte y la ciencia, pero hay mucho trabajo de programación que es rutinario y repetitivo. El auge de las plataformas en la nube y los repositorios de módulos significa que escribir aplicaciones modernas consiste tanto en pegar componentes y API, refactorizar código existente, optimizar entornos y orquestar canalizaciones, como en idear algoritmos. Gran parte de ese trabajo está maduro para la automatización y la asistencia de la IA; pero, de nuevo, es necesario saber cómo y dónde se están utilizando estas herramientas para supervisar el impacto y la eficacia. Se puede empezar con herramientas de un solo uso que aceleren tareas específicas y comunes antes de pasar a asistentes de codificación a gran escala.
La documentación es fundamental y a menudo se descuida: no sólo se puede hacer que la IA generativa documente una base de código, sino que también se puede incorporar a la documentación una interfaz de chat en la que los desarrolladores puedan preguntar cómo funciona y utilizarla, o simplemente sustituir el cuadro de búsqueda habitual. Esto convierte la documentación genérica en una programación conversacional en la que la IA puede tomar sus datos y mostrarle cómo escribir una consulta, por ejemplo.
Las pruebas son otra área que tiende a descuidarse, por lo que la generación automatizada de pruebas unitarias le ayudará a conseguir una cobertura de pruebas mucho más amplia. Los bots de confirmación también pueden ayudar a los desarrolladores a escribir mensajes que incluyan información suficiente para ser útiles a los usuarios y a otros desarrolladores, y la IA generativa podría hacer lo mismo para el personal informático que documenta actualizaciones y reinicios del sistema.
También es clave generar lógica de backend y otros elementos repetitivos diciéndole a la IA lo que quiere para que los desarrolladores puedan centrarse en las partes más interesantes y creativas de la aplicación. También debería utilizar la IA generativa para escribir sus propios codemods (secuencias de comandos que automatizan tareas repetitivas que consumen mucho tiempo en grandes bases de código), o pedirle que le ayude a corregir la voz y el tono de la contribución para que se adapte mejor al estilo de la casa.
Los asistentes de codificación como GitHub Copilot y los IDE que incorporan grandes modelos de lenguaje (LLM) pueden hacer todo eso y mucho más, pero no deberían sustituir a un desarrollador; necesitan comprender y evaluar el código que no han escrito (y el contexto en el que se ejecuta) en caso de que contenga vulnerabilidades de seguridad o cuellos de botella en el rendimiento, omisiones, malas decisiones o simplemente errores, ya que está generando código basado en el aprendizaje de repos que podrían tener alguno o todos esos problemas. Piense en cómo realizar un seguimiento del código generado por IA en su organización para poder auditarlo y evaluar su utilidad. Los desarrolladores afirman ser más productivos y sentirse menos frustrados cuando utilizan GitHub Copilot, y Microsoft afirma que el 40% del código que registran los usuarios de Copilot está generado por la IA y no ha sido modificado. En la actualidad, esa procedencia se pierde una vez que el desarrollador abandona su sesión IDE, así que piense en una guía interna para registrar cómo se utilizan las herramientas de IA.
2. Usuarios empresariales de bajo código y sin código de nivel superior
Aunque los usuarios empresariales no tienen los conocimientos necesarios para evaluar el código producido por un asistente de IA, los entornos de bajo código y sin código (low code, no code) están muy limitados, y los lugares en los que integran herramientas de IA generativa tienen muchas menos probabilidades de ser problemáticos.
Las aplicaciones de bajo código necesitan con frecuencia recuperar y filtrar datos. Y las plataformas de bajo código ya añaden funciones de IA generativa que pueden generar consultas de búsqueda o desinfectar los datos devueltos -como añadir mediante programación los códigos postales que faltan-, lo que permite a los usuarios empresariales sin experiencia en bases de datos llegar más lejos sin necesidad de ceñirse a componentes prediseñados o esperar a que un desarrollador profesional construya la cadena de consulta por ellos. Herramientas de código abierto como Census GPT facilitan la consulta de grandes conjuntos de datos públicos.
Los asistentes de código tampoco son sólo para desarrolladores profesionales. Wix Artificial Design Intelligence (ADI) puede construir un sitio web completo por usted, mezclando la generación de código y el diseño generativo; Uizard hace lo mismo para prototipos de sitios web y aplicaciones; y Fronty convierte imágenes en HTML y CSS, mientras que Express design en Microsoft Power Apps convierte un boceto dibujado a mano o un archivo Figma en una aplicación funcional, completa con backend.
La mayoría de los casos de uso de IA generativa que interesarán a las organizaciones son módulos que pueden invocarse en un flujo de trabajo de automatización de bajo código para que los empleados puedan adaptarlos a sus necesidades específicas. Y las plataformas ya están haciendo que ChatGPT y otras API de OpenAI estén disponibles como cualquier otro componente. Sin embargo, asegúrese de que cualquier advertencia u orientación que acompañe al texto o las imágenes generadas se muestre correctamente en el entorno de código bajo, idealmente con una forma de dar retroalimentación, y que el personal conozca su política sobre si algo de esto se puede presentar directamente a los clientes sin que un empleado lo revise primero.
3. Comprender documentos y datos
La combinación de una versión personalizada de ChatGPT con Bing ha aportado millones de nuevos usuarios al motor de búsqueda de Microsoft. Pero la forma en que funcionan los LLM implica que se producirán errores y "alucinaciones", ya que básicamente autocompletan frases y párrafos para generar texto que coincida con las indicaciones de la consulta. Y si la información que busca no existe, el modelo intentará crear algo plausible. Incluso cuando la información facilitada es correcta y coincide con lo que diría la mayoría de los expertos en un área, las respuestas pueden ser incompletas, inexactas y, si no es ya un experto, puede que no sepa lo que falta. Estas cuestiones pueden ser un problema, tanto para la búsqueda empresarial como para la web pública; la próxima herramienta Microsoft 365 Copilot intentará resolverlo basando las consultas en datos de Microsoft Graph de documentos y entidades, y proporcionando referencias; pero, aun así, puede pasar por alto puntos importantes que tendrá que añadir usted mismo.
Empiece a aprovechar las oportunidades de utilizar LLM para resumir y analizar documentos, o generar texto para explicar conceptos en escenarios más restringidos en los que esa información es revisada internamente por personas con experiencia, en lugar de ser mostrada directamente a sus clientes u otros usuarios finales.
Genere un gráfico de conocimiento para visualizar las conexiones y relaciones entre diferentes entidades como forma de ayudarle a comprender un proyecto, comunidad o ecosistema. La herramienta Copilot que llega a Excel promete una forma interactiva de obtener información y hacer preguntas sobre los datos en un entorno de pruebas que no cambia los datos subyacentes, de modo que cualquier error puede llevarle por el camino equivocado, pero no debería contaminar la información original para futuros análisis.
Contar historias a partir de los datos es otra forma eficaz de comunicar las tendencias clave y los análisis impulsados por IA, como las Smart Narratives de Power BI, que pueden encontrar anomalías y factores contribuyentes, y luego explicarlos con gráficos y descripciones autogeneradas. Esto evita los problemas que tienen los LLM con las matemáticas, ya que los conocimientos se derivan de modelos de IA como la regresión lineal, y luego se describen mediante el modelo lingüístico. Es probable que este tipo de enfoques conjuntos se generalicen. Del mismo modo, las herramientas de seguridad están empezando a utilizar la generación de lenguaje para explicar las amenazas, anomalías y posibles pruebas de infracciones detectadas por la IA en un lenguaje claro y personalizado que indique qué significa y qué hacer al respecto. En el futuro, se espera poder hacer preguntas a este tipo de herramientas y que ellas expliquen las recomendaciones.
También puede hacer que los chatbots existentes sean más inteligentes y flexibles yendo más allá de las palabras clave y las respuestas enlatadas, hacia algo que suene más natural y que pueda incluir automáticamente nueva información a medida que se actualiza su base de conocimientos. Una vez más, es tentador utilizar chatbots de IA generativa directamente con los clientes para aumentar su satisfacción y reducir costos, pero este es un escenario más arriesgado que utilizarlos dentro de su organización para obtener información útil sobre beneficios y otras cuestiones de recursos humanos, por ejemplo. Aunque un chatbot atrevido puede ser adecuado para algunas marcas, no querrá aparecer en los titulares porque un cliente haya recibido un consejo peligroso o haya sido insultado por su chatbot. El uso de IA generativa para la asistencia al agente puede conseguir el aumento de la productividad con menos riesgos.
4. Acelerar el flujo de trabajo de los usuarios empresariales
Se supone que las reuniones son el lugar donde se toman las decisiones empresariales y se comparte el conocimiento, pero demasiado valor de las reuniones nunca sale de la sala. Las herramientas de IA como Microsoft Teams Premium, Dynamics 365 Copilot y la aplicación ChatGPT para Slack crean resúmenes y registran los elementos de acción asignados a los asistentes y a las personas que no estaban en la sala y pueden no saber a qué se deben. Esto también puede ayudar a evitar juegos de poder en torno a quién debe tomar notas y hacer otras "tareas domésticas de oficina", por ejemplo.
Poder ponerse al día con un canal de Slack ocupado una vez al día también podría mejorar la productividad y el equilibrio entre la vida laboral y personal, pero los que hacen los planes y toman las decisiones deben asumir la responsabilidad de asegurarse de que los resúmenes de IA, los elementos de acción y los plazos son precisos. Las herramientas de IA que resumen las llamadas con clientes pueden ayudar a los directivos a supervisar y formar al personal. Esto puede ser tan útil para los asesores financieros como para los trabajadores de los centros de llamadas, pero las herramientas que controlan la productividad de los empleados deben utilizarse con empatía para evitar preocupaciones sobre la vigilancia en el lugar de trabajo. Las opiniones de los usuarios y las reseñas de productos son útiles, pero su volumen puede ser abrumador y las pepitas de información útil pueden estar enterradas a páginas de profundidad.
La IA generativa puede clasificar, resumir y categorizar las respuestas para ofrecer una información agregada más fácil de asimilar. A largo plazo, es fácil imaginar un asistente personal de compras que sugiera artículos que le gustaría comprar y responda a preguntas sobre ellos, en lugar de dejarse desplazarse por páginas de opiniones y comentarios. Pero, una vez más, las empresas tendrán que ser cautas a la hora de introducir herramientas que puedan sacar a la luz opiniones ofensivas o difamatorias, o mostrarse demasiado entusiastas a la hora de filtrar las reacciones negativas. Las herramientas de IA generativa pueden leer y resumir documentos largos, y utilizar la información para redactar otros nuevos. Ya existen herramientas como Docugami que prometen extraer las fechas de vencimiento y los entregables de los contratos, y el bufete internacional Allen & Overy está probando una plataforma para ayudar en el análisis de contratos y el cumplimiento de la normativa. Generar documentos semiestructurados como memorandos de entendimiento, contratos o declaraciones de trabajo puede agilizar los procesos empresariales y ayudar a estandarizar algunos términos comerciales de forma programática, pero es de esperar que se necesite mucha flexibilidad y supervisión.
5. Superar el bloqueo del escritor y mejorar los diseños
No tiene que entregar todo su proceso de escritura a una IA solo para obtener ayuda con la lluvia de ideas, la redacción y la creación de imágenes o diseños. Office 365 y Google Docs pronto le permitirán pedir a la IA generativa que cree documentos, correos electrónicos y presentaciones de diapositivas, por lo que querrá tener una política sobre cómo se revisa la precisión de estos antes de compartirlos con nadie. De nuevo, empiece con tareas más limitadas y usos internos que pueda supervisar.
La IA generativa puede sugerir qué escribir en correos electrónicos de contacto con el cliente, mensajes de agradecimiento o advertencias sobre problemas logísticos, directamente dentro de su correo electrónico o en un CRM como Salesforce, Zoho o Dynamics 365, ya sea como parte de la plataforma o a través de una herramienta de terceros. También hay mucho interés en utilizar la IA para el marketing, pero también existen riesgos para la marca. Trate estas opciones sólo como una forma de empezar y no como la versión final antes de hacer clic en enviar.
El texto generado por IA puede no ser perfecto, pero si tiene muchos espacios en blanco que rellenar, probablemente sea mejor que nada. Shopify Magic, por ejemplo, puede tomar detalles básicos de productos y escribir descripciones de productos coherentes y ajustadas a SEO para una tienda online, y una vez que tiene algo, puede mejorarlo. Además, Reddit y LinkedIn utilizan Azure Vision Services para crear subtítulos y texto alternativo para las imágenes con el fin de mejorar la accesibilidad cuando los miembros no los añaden ellos mismos. Si tiene una gran biblioteca de videos para formación, los resúmenes generados automáticamente pueden ayudar a los empleados a aprovechar al máximo su tiempo. La generación de imágenes a partir de texto puede ser extremadamente potente, y herramientas como la nueva aplicación Microsoft Designer ponen los modelos de difusión de imágenes en manos de usuarios empresariales que podrían resistirse a utilizar un servidor Discord para acceder a Midjourney, y no tienen los conocimientos necesarios para utilizar un plugin de difusión estable en Photoshop. Pero las imágenes generadas por IA también son controvertidas, con cuestiones que van desde las falsificaciones profundas y los efectos de valle misterioso, hasta la fuente de los datos de entrenamiento y la ética de utilizar obras de artistas conocidos sin compensación. Las organizaciones querrán tener una política muy clara sobre el uso de imágenes generadas para evitar los escollos más obvios.
Encontrar sus propios usos
Como puede ver, existen oportunidades para beneficiarse de la IA generativa en todos los ámbitos, desde la atención al cliente y el comercio minorista hasta la logística y los servicios jurídicos, en cualquier lugar donde se desee una interacción controlada con una fuente de información fiable.
Para utilizarla de forma responsable, empiece con casos de uso de procesamiento del lenguaje natural como la clasificación, el resumen y la generación de texto para escenarios no orientados al cliente, en los que el resultado sea revisado por humanos con experiencia para detectar y corregir errores e información falsa; y busque una interfaz que facilite y naturalice esta tarea en lugar de limitarse a aceptar sugerencias. Puede resultar tentador ahorrar tiempo y dinero evitando la intervención humana, pero el daño para su empresa puede ser importante si lo que se genera es inexacto, irresponsable u ofensivo.
A muchas organizaciones les preocupa filtrar datos a los modelos que puedan ayudar a la competencia. Google, Microsoft y OpenAI ya han publicado políticas de uso de datos que establecen que los datos e indicaciones utilizados por una empresa sólo se utilizarán para entrenar su modelo, no el modelo principal que se suministra a cada cliente. Pero, aun así, conviene tener una guía sobre qué información puede copiar el personal en las herramientas públicas de IA generativa.
Los proveedores también afirman que los usuarios son propietarios de los datos de entrada y salida de los modelos, lo cual es una buena idea en teoría, pero puede que no refleje la complejidad de los problemas de derechos de autor y plagio que plantea la IA generativa, y los modelos como ChatGPT no incluyen citas, por lo que no se sabe si el texto que devuelven es correcto o está copiado de otra persona. Parafrasear no es exactamente plagio, pero apropiarse indebidamente de una idea original de otra persona no da buena imagen a ninguna empresa.
También es importante que las organizaciones desarrollen conocimientos de IA y que el personal se familiarice con el uso y la evaluación de los resultados de la IA generativa. Empiece poco a poco con áreas que no sean críticas y aprenda de lo que funciona.
Basado en el artículo de Mary Branscombe (CIO) y editado por CIO Perú
Puede ver también: