[04/08/2023] El uso de ChatGPT sigue creciendo, tiene más de 1,8 mil millones de visitas mensuales y 10 millones de consultas diarias a partir de este artículo. Se ejecuta en GPT-4, un gran modelo de lenguaje (LLM, por sus siglas en inglés), que tiene varios competidores, como Google LaMDA, BLOOM de Hugging Face, NeMO LLM de Nvidia y otros.
[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]
Existe una gran emoción, miedo, expectativa e inversión en torno a ChatGPT, los LLM y otras capacidades generativas de inteligencia artificial. Las personas y las empresas están experimentando, y aunque ha pasado menos de un año desde que muchas de estas capacidades comenzaron a estar disponibles, vale la pena hacerse al menos dos preguntas clave: ¿Dónde están ChatGPT y los LLM brindando valor de negocio, y qué actividades son riesgosas o están más allá de las capacidades actuales?
Las respuestas no son sencillas porque las competencias de la inteligencia artificial generativa están evolucionando rápidamente. Por ejemplo, GPT-4 se anunció por primera vez en marzo del 2023 y se convirtió en el LLM para todos los usuarios de ChatGPT en mayo. Además, lo que funciona bien para una persona y una empresa puede no generalizarse bien para otras, especialmente ahora que tenemos que dominar la nueva habilidad de ingeniería rápida.
Pero es difícil para las empresas quedarse al margen e ignorar las oportunidades y los riesgos. "ChatGPT y los LLM pueden cambiar la ecuación fundamental de los negocios”, afirma Patrick Dougherty, CTO y cofundador de Rasgo. "En lugar de que la producción corporativa se vea obstaculizada por la inversión en tiempo humano, su única limitación será la calidad de su toma de decisiones estratégicas”.
¿Qué es exagerado, qué es real hoy, y qué es probable que evolucione en los próximos años? A continuación, se presentan algunas pautas a considerar sobre lo que ChatGPT puede y no puede hacer, y lo que debe y no debe hacer con los LLM.
1. No comparta información patentada en LLM públicos
"La inteligencia artificial es genial si puede controlarla”, afirma Amy Kenigsberg, directora de operaciones y cofundadora de K2 Global Communications. "Si bien la mayoría de nosotros simplemente hacemos clic en 'Acepto' en una página de términos y condiciones, debe leer los términos de las herramientas de inteligencia artificial con mucha atención”.
Muchas empresas están redactando políticas de ChatGPT, y una preocupación principal son los riesgos de compartir información comercial confidencial. En un caso reciente, los ingenieros pidieron ayuda para restaurar pegando código propietario en ChatGPT.
Kenigsberg continúa: "el problema con ChatGPT, y muchas otras herramientas de inteligencia artificial, es que cualquier información que pegue se convierte en parte de su conjunto de datos de entrenamiento. Si alguien ingresa datos de propiedad, esa información puede aparecer en los materiales de un competidor. Si se ingresa información de identificación personal (PII, por sus siglas en inglés) para analizar a un cliente, la empresa puede violar el GDPR, la CCPA o cualquiera de las muchas regulaciones de privacidad”.
Entonces, antes de experimentar y explorar casos de uso, revise las políticas de gobernanza de datos e inteligencia artificial de la empresa y divulgue sus objetivos si es necesario para el cumplimiento.
2. Revisar las capacidades de LLM en las principales herramientas de flujo de trabajo
En los últimos meses, muchos proveedores de tecnología anunciaron nuevas capacidades de inteligencia artificial y LLM integradas en sus plataformas. Si está buscando valor de negocio, revise cómo estas capacidades mejoran la productividad, simplifican el acceso a la información o brindan otros beneficios operativos nuevos. A continuación, una muestra de varios anuncios recientes:
3. Obtenga respuestas rápidas, pero conozca los límites de los LLM
Un caso de uso principal para ChatGPT y los LLM es obtener respuestas rápidas sin realizar toda la investigación subyacente o el aprendizaje requerido para convertirse en un experto. Por ejemplo, los especialistas en marketing pueden buscar ayuda para redactar los correos electrónicos de los clientes; los tecnólogos pueden querer que se definan los términos técnicos; o recursos humanos puede solicitar ayuda para reformular una política.
Los LLM desarrollados en contenido empresarial también ofrecen muchos beneficios, lo que les permite a los empleados hacer preguntas para acelerar la incorporación, comprender los beneficios de la empresa, encontrar información sobre productos o identificar expertos en la materia.
En otras palabras, ChatGPT y otros LLM pueden impulsar la productividad, mejorar las habilidades de las personas y ayudar a crear contenido.
"La inteligencia artificial generativa es increíblemente útil para ayudar a las empresas a generar análisis e informes rápidos al buscar en la web inteligencia de fuente abierta como datos gubernamentales, económicos y financieros”, afirma Raúl Martynek, CEO de DataBank. "La inteligencia artificial ya nos está ayudando a comprender rápidamente el ambiente de nuestros centros de datos, la intención de nuestros clientes y el sentimiento de nuestro personal, para garantizar que estamos tomando decisiones informadas rápidamente en todas las dimensiones del negocio”.
Pero es muy importante comprender las limitaciones de ChatGPT y otros LLM. Alex Vratskides, CEO de Persado, afirma que Sam Altman, CEO de OpenAI, estuvo en lo cierto cuando comentó que ChatGPT crea una 'impresión engañosa de grandeza'. Si está buscando un impulso de productividad, ChatGPT es una herramienta impresionante. Pero ChatGPT solo aún no está probado, es insuficiente y puede ser engañoso”.
Vratskides recomienda que la grandeza llegará cuando la inteligencia artificial permita a las personas mejorar la toma de decisiones. "Cuando los modelos de transformadores se entrenan en datos de comportamiento de las comunicaciones empresariales, el lenguaje se puede personalizar para motivar a las personas a participar y actuar, generando así un impacto comercial”.
También es esperable que se encuentren sesgos en la inteligencia artificial, ya que los modelos se entrenan en fuentes que contienen información contradictoria, falsedades y opiniones prejuiciosas. Marko Anastasov, cofundador de Semaphore CI/CD afirma: "Aunque son poderosos, los modelos de lenguaje están limitados en última instancia por los sesgos arraigados en sus datos de entrenamiento y la complejidad de la comunicación humana”.
Por último, si bien ChatGPT es una excelente herramienta de investigación, los usuarios deben revisar en qué datos se entrenó por última vez. "ChatGPT no está al tanto de los últimos eventos o noticias”, afirma Anjan Kundavaram, director de producto de Precisely. "También está entrenado en conversaciones humanas basadas en texto, utilizando datos potencialmente inexactos, falsos o engañosos. La integridad de los datos que alimentan un modelo de inteligencia artificial impacta directamente en su rendimiento y confiabilidad”.
Kundavaram recomienda buscar eficiencias de negocio. "Es ideal para los departamentos de atención al cliente, ya que ayuda a automatizar tareas sencillas y conversacionales para que los empleados puedan concentrarse en agregar valor.
4. Simplificar la comprensión de la información compleja
Hay muchos lugares en el stack de tecnología e información de una empresa donde es difícil identificar información crítica dentro de fuentes de datos y contenido complejo. Espero que muchas empresas exploren el uso de la búsqueda de inteligencia artificial para mejorar las experiencias de los clientes y empleados porque los cuadros de búsqueda por palabras clave están generaciones atrás de las consultas y sugerencias del lenguaje natural.
Encontrar información es un caso de uso, y otro es resolver problemas operativos rápidamente. Por ejemplo, los problemas de rendimiento en una base de datos multipropósito pueden requerir un equipo de ingenieros de confiabilidad del sitio, administradores de bases de datos y el tiempo que ingenieros de DevOps dedican a encontrar la causa raíz. "La inteligencia artificial generativa facilitará la administración y la optimización del rendimiento de la base de datos, afirma Dave Page, vicepresidente y arquitecto jefe de infraestructura de base de datos en EDB. "Las herramientas basadas en inteligencia artificial pueden monitorear automáticamente las bases de datos, detectar problemas y sugerir optimizaciones, liberando un tiempo valioso para que los administradores de bases de datos se concentren en tareas más complejas”.
Pero, reconoce Page, "los problemas de las bases de datos pueden ser complejos, y puede haber factores que la inteligencia artificial no puede tener en cuenta”.
Otro caso de uso es la simplificación del acceso a fuentes de información grandes y complejas no estructuradas, como manuales de productos y guías de capacitación operativa. "Nuestros clientes generan una tonelada de documentación que puede ser difícil de seguir, difícil de buscar o fuera del alcance del usuario promedio”, afirma Kevin Miller, CTO de IFS de américa del norte. "Vemos a los LLM como una excelente manera de ayudar a proporcionar contexto a nuestros usuarios de nuevas maneras, incluido el desbloqueo del poder de los manuales de servicio y mostrar cómo otros usuarios han resuelto problemas similares”.
Pero Phil Tee, CEO y cofundador de Moogsoft, advierte de una falsa equivalencia entre conocimiento y comprensión. "ChatGPT y otros LLM brindan consejos técnicos y explican procesos complicados en un nivel más humano, lo cual es increíblemente valioso -sin jerga, solo información, aunque ciertamente hemos aprendido a verificar la información”, afirma Tee. "Pero saber que un conjunto de pasos resolverá un problema no es lo mismo que comprender si estos pasos son correctos para aplicar ahora, y eso se vuelve perjudicial si confiamos demasiado en los LLM sin cuestionar su resultado”.
Si está considerando conectar una capacidad LLM en una de sus aplicaciones, Phillip Carter, gerente principal de productos en Honeycomb, comparte una recomendación. "Desafíese a sí mismo para pensar en qué aspectos de su producto tienen más dificultades las personas hoy en día, pregúntese primero qué se puede resolver sin inteligencia artificial, y busque LLM solo cuando reduzcan el esfuerzo o les enseñen a los nuevos usuarios a ayudar a resolver esos problemas”. Carter agrega que "no se engañe pensando que puede colocar una interfaz de usuario de chat en alguna barra lateral de la interfaz de usuario de su producto y esperar que la gente se entusiasme”.
5. Prepárese para crear LLMs en productos de datos patentados
Las personas pueden usar LLM abiertos como ChatGPT hoy, aprovechar las capacidades de LLM integradas en sus plataformas de software, o experimentar con herramientas generativas de inteligencia artificial de nuevas empresas. Actualmente, desarrollar un LLM patentado es costoso, por lo que no es una opción para la mayoría de las empresas. El uso de un LLM existente para crear capacidades propietarias es una opción que algunas empresas están comenzando a explorar.
John Ehrhard, CEO de Orson, afirma: "las mayores oportunidades son para las empresas con experiencia en un campo específico, que están construyendo el contexto y las capas de conocimiento sobre los LLM, y usándolos como traductores para ofrecer una interacción personalizada con cada usuario”.
Los LLM específicos para un campo incluyen Intuit GenOS, un sistema operativo con LLM financieros capacitados a medida que se especializan en resolver desafíos financieros. Otro ejemplo es BloombergGPT, un LLM de cincuenta mil millones de parámetros entrenado en 700 mil millones de tokens de documentos financieros en inglés y conjuntos de datos públicos.
"Los LLM ya están en implementación y generan valor de negocio hoy en día, pero simplemente no se parecen a ChatGPT”, afirma Kjell Carlsson, jefe de estrategia de ciencia de datos y evangelismo en Domino. "Las empresas de biotecnología están acelerando el desarrollo de proteínas para nuevos tratamientos, mientras que las organizaciones de todas las industrias utilizan LLM para comprender las conversaciones de los clientes y optimizar las operaciones de servicio al cliente”.
La integración de las capacidades de LLM en el modelo de negocio existente no es una tarea trivial, como explica Carlsson. "Las capacidades generativas de estos modelos son actualmente las formas más difíciles de impulsar el valor de negocio, porque los casos de uso comercial no se han probado y debido a las enormes limitaciones, incluido el costo, la privacidad, la seguridad y el control de los modelos similares a ChatGPT que se consumen como un servicio”.
Las empresas con modelos de negocio generadores de ingresos a partir de sus conjuntos de datos grandes, patentados y no estructurados deben considerar las oportunidades de incorporar sus datos en LLM. "Las empresas pueden ejecutar y administrar modelos especializados dentro de sus propios límites de seguridad, lo que les permite controlar el acceso y el uso de los datos”, afirma Dror Weiss, cofundador y director ejecutivo de Tabnine. "Lo que es más importante, las empresas pueden personalizar modelos especializados utilizando sus propios datos, lo cual es esencial para que los modelos de aprendizaje automático produzcan resultados precisos”
La oportunidad de crear LLMs en industrias con ricas fuentes de datos, como servicios financieros, atención médica, educación y gobierno, es significativa. También lo es el potencial de disrupción, que es una de las razones por las que los líderes empresariales explorarán las oportunidades y los riesgos al aplicar los LLM en sus productos y operaciones.
Basado en el artículo de Isaac Sacolick (InfoWorld) y editado por CIO Perú
Puede ver también: