Así puede ser personalizada para usarse en sistemas específicos, pero también puede utilizarse en aplicaciones de IA que se enfocan en asistir a la creatividad y toma de decisiones en las empresas. Estas aplicaciones de IA están diseñadas para complementar el trabajo del personal humano, no para reemplazarlo.
Actualmente, existen soluciones que permiten generar texto e imágenes. En ambos casos, pueden ser utilizadas para ayudar con ideas creativas, proponiendo una nueva visión basada en la inspiración de una persona, o combinando ideas para crear un nuevo concepto.
Por ejemplo, si alguien que no es diseñador tiene que comunicar su visión creativa, una app de IA que crea imágenes puede ayudarle a plasmar exactamente lo que tiene en mente. Y si un equipo de una empresa se siente estancado en una lluvia de ideas para resolver un problema, una app de IA que sugiera ideas puede ser un buen punto de partida para encontrar soluciones.
Una app de IA bien utilizada también puede ayudar a identificar oportunidades de negocio en la empresa, siempre y cuando se le proporcione un prompt bien armado y completo como punto de partida, este consistirá básicamente en un conjunto de expresiones textuales en lenguaje natural que se suministra a la IA para indicarle lo que se desea obtener.
IA generativa
Una vez que se entrenó, es decir ajustó sus parámetros de una determinada forma, la IA generativa puede dar lugar a herramientas que tienen la capacidad de generar contenidos a partir de ciertas pautas básicas. Este tipo de IA implica entrenar modelos de ML para generar contenido nuevo y original basado en una entrada determinada, que puede ser desde texto e imágenes hasta música y video, por mencionar solo algunos.
El cambio de foco es importante: hasta aquí la IA aprendía y colaboraba con los requerimientos de las organizaciones, o asistía a estas últimas. Ahora va más allá, y aunque requiere de entradas específicas, tiene la capacidad de crear cosas.
Parafraseando a la consultora McKinsey, con la IA generativa ahora “se podría decir que las computadoras pueden exhibir creatividad, al generar contenido original en respuesta a solicitudes de los usuarios, fundamentándose en los datos que han procesado y en las interacciones previas con dichos usuarios”. Por ejemplo pueden desarrollar blogs, esbozar diseños de paquetes y más.
La IA generativa mediante la utilización de entradas de datos, mensajes de usuarios y experiencias obtenidas a través de interacciones previas, es capaz de aprender de la información que recibe y discriminar entre lo correcto e incorrecto para poder generar nuevos contenidos con mayor precisión y coherencia.
Con esta tecnología por ejemplo se puede:
- Generar descripciones de productos.
- Resumir documentos extensos.
- Escribir con el estilo de cualquier persona (siempre que las muestras de escritura de esa persona sean parte del corpus del que aprendió).
- Crear imágenes y videos realistas (para desarrollar entornos de videojuegos inmersivos, efectos especiales o imágenes de productos personalizados).
- Traducir textos.
- Ayudar con la codificación.
- Crear diálogos naturales y convincentes para asistentes virtuales.
- Producir música original a partir de ciertas pautas y estilos musicales.
Imágenes creadas por inteligencia artificial
Uno de las técnicas algorítmicas empleadas en la IA generativa son las redes generativas antagónicas (GAN). Una red de este tipo consta de un modelo de aprendizaje automático (ML) en el que dos redes neuronales (generador y discriminador) compiten entre sí para ser más precisas en sus predicciones. El generador busca fabricar artificialmente resultados que podrían confundirse fácilmente con datos reales; y el discriminador busca identificar qué salidas que recibe se crearon artificialmente.
A medida que las dos redes compiten entre sí, el generador ajusta sus parámetros para generar resultados cada vez más precisos y realistas, mientras que el discriminador se ajusta para ser más efectivo en la detección de muestras falsas. Este proceso continúa hasta que se alcanza un punto en el que el generador es capaz de producir muestras de datos que son indistinguibles de las muestras reales, lo que permite su uso en una variedad de aplicaciones creativas y comerciales.
Así las GAN están encontrando aplicación en las ventas minoristas en línea debido a su capacidad para comprender y recrear contenido visual con una precisión cada vez más notable. En este caso, por ejemplo, se usan para producir representaciones fotorrealistas de prototipos de productos, generar una imagen realista a partir de texto, convertir imágenes en blanco y negro a color y rellenar imágenes a partir de un esquema.
En la producción de video, las GAN se pueden usar para predecir los fotogramas siguientes o modelar patrones de movimiento humano dentro de un marco. Pero también para crear una falsificación profunda, lo que genera un alerta sobre las formas de uso de esta tecnología.
Casos de uso
Además de los señalados, las apps de IA generativa ya tienen otros casos de uso como:
- Marketing y ventas: permiten crear contenido personalizado de marketing, redes sociales y ventas técnicas (incluidos texto, imágenes y video); también ayudan a crear asistentes alineados con negocios específicos, como el comercio minorista.
- TI/ingeniería: ayudan a escribir, documentar y revisar código.
- Operaciones: colaboran con la generación de listas de tareas para la ejecución eficiente de una actividad determinada.
Hay analistas que creen que las capacidades avanzadas de estas herramientas serán un activo valioso para las empresas en campos como el servicio al cliente y la investigación de mercado. Por otra parte, esta tecnología también se puede emplear para ayudar con el descubrimiento de fármacos.
La consultora Gartner ubicó a la IA generativa como una de las 7 tecnologías disruptivas que afectarán las ventas hasta 2027: “La IA generativa aprende de los artefactos de contenido existentes para generar otros nuevos y realistas que reflejan las características de los datos de entrenamiento, pero no los repiten. Puede producir una variedad de contenido novedoso, como imágenes, video, música, voz, texto, código de software y diseños de productos. Para 2025, el 30% de los mensajes salientes de grandes organizaciones se generarán sintéticamente”, sostienen sus analistas.
La misma consultora anticipa que, aunque persisten desafíos de privacidad, esta tecnología emergente podría tener un impacto transformador en la publicidad digital, rubro en el que espera que alcance la adopción generalizada en los próximos dos a cinco años.
Riesgos y precauciones
La IA aún es una tecnología en desarrollo y es sumamente importante que se utilice de manera responsable, ya que plantea muchos desafíos éticos. Además del problema que suponen los usos indebidos y riesgosos, también hay que decir que los filtros disponibles para esta tecnología aún no son lo suficientemente efectivos para detectar contenido inapropiado; además hay sesgos sistémicos que aún deben abordarse, entre otros inconvenientes.
Por ejemplo, los chats de IA pueden recopilar y almacenar datos sobre conversaciones, lo que podría conducir a una violación de la privacidad del usuario. También podrían programarse para dirigirse a ciertos usuarios o grupos con mensajes falsos o engañosos.
En este marco es clave que los líderes de TI utilicen la gobernanza adecuada para manejar esta tecnología dentro de contextos éticos y cuidadosos.
Aplicaciones de inteligencia artificial
Algunas de estas herramientas emergentes toman la forma de asistentes virtuales. Y la tecnología de procesamiento del lenguaje natural (NLP) que subyace en las nuevas habilidades de estos asistentes se usa para interactuar con los usuarios y proporcionar respuestas más inteligentes que las que brindaría un chatbot convencional. Utilizando el NLP para comprender la entrada del usuario y los procesos de ML para aprender de sus interacciones, se puede proporcionar respuestas contextuales más personalizadas a las consultas.
Una herramienta de inteligencia artificial de esta clase que puede hacer aportes en las empresas es ChatGPT, un modelo de lenguaje de IA generativo que puede crear contenido original en respuesta a un requerimiento del usuario. En realidad, es una variante del software de generación de lenguaje GPT-3.5 (GPT-3 es la tercera generación de tecnología GPT), con una interfaz web fácil de usar. Este chatbot responde consultas y genera automáticamente texto de una manera creativa. Y se supone que puede desafiar suposiciones incorrectas, rechazar consultas inapropiadas e incluso admitir sus errores.
Obviamente hoy los humanos son más capaces de leer entre líneas y responder de una manera que se adapte al individuo y se base en información en tiempo real. Esta tecnología todavía se encuentra en sus primeras etapas y aún no es capaz de comprender las emociones humanas complejas. Por ejemplo, ChatGPT no es capaz de pensar ni de crear de forma independiente, y tiene una capacidad limitada para comprender así como también para manipular sistemas complejos.
El modelo IA GPT-3 escribe lo que se le solicita. Todavía tiene fallas, pero es posible retrucarle y corrige lo que se le informa que estuvo mal. Este chat GPT-3 se puede utilizar para escribir artículos, historias y publicaciones en redes sociales.
Hay otras herramientas avanzadas que están en auge. Por ejemplo, entre las propuestas de IA que crean imágenes se puede mencionar a DALL-E Stable Diffusion y Midjourney que permiten generar imágenes fotorrealistas a partir de cualquier entrada de texto.
Inteligencia artificial en las empresas
Todas estas aplicaciones de inteligencia artificial requieren una capacitación para aprovechar al máximo su potencial, y que no resulte una pérdida de tiempo generando contenido inútil, o negativo. No es el mismo nivel de capacitación que se necesita por ejemplo para incorporar un sistema personalizado de inteligencia artificial generativa en la empresa. Pero para que los resultados sean óptimos es importante entrenar al personal que le va a dar uso a las apps.
Con estos avances y estas tendencias tecnológicas la IA parece estar entrando en una nueva fase. Sin embargo, estas soluciones todavía evidencian limitaciones y pueden conducir a errores, entre otras cosas, por los problemas del sesgo, dado que los conjuntos de datos de los que aprende también tienen sesgos humanos. Pero como ya mencionamos, existen casos de uso en los que esta tecnología puede hacer aportes a las empresas y desde Baufest podemos ayudarles a aprovechar las capacidades de estas soluciones.