¿Cómo aplicar la Inteligencia Artificial Generativa a las empresas? Tres ejemplos

Esta tecnología trabaja a partir de modelos de aprendizaje que son gradualmente entrenados, se sostienen en grandes volúmenes de datos que los alimentan y que provienen de distintos orígenes. En cuanto a datos específicos de su efecto en la economía digital, un informe reciente publicado por McKinsey estima que la Gen AI puede generar potencialmente entre US$2,6 y 4,4 billones de valor para la producción en varios sectores.

1. Utilización de chat bots como medio de comunicación, aplicado para entrenamiento de personal o relacionamiento con clientes.

2. Generación de nuevos contenidos como imágenes, audios y videos a partir de indicaciones personalizadas o necesidades, en gran escala, lo que es útil en industrias como la publicidad, los medios de comunicación y el entretenimiento. Esto reduce los costos y el tiempo de producción, al tiempo que garantiza una salida constante de creaciones de alta calidad.

3. Creación de mundos virtuales para videojuegos, educación personalizada para los alumnos, así como tratamientos médicos para los pacientes. Dentro de las técnicas utilizadas en la creación de sistemas de GenAI se encuentran el uso de redes neuronales, las cuales son entrenadas con grandes volúmenes de datos, para ir identificando patrones y relaciones entre los datos/elementos, y de esa forma ir generando nuevo contenido. La GenAI se relaciona al concepto de GANs (Generative Adversarial Networks), el cual consiste en entrenar dos modelos en competencia con base a un generador y un discriminador. Dependiendo del caso de uso y el propósito, esta técnica puede ser complementada con otros modelos generativos que trabajan a partir de distribuciones probabilísticas y arquitecturas más complejas.

Marjorie Guerra, gerente digital de TIVIT Latam, expresó que plataformas como Athena pueden ser aplicadas en diversos segmentos o sectores del mercado, con fines de optimizar tiempo, reducir gastos y apoyar en la toma de decisiones estratégicas. Dentro de los principales beneficios están la

Este panorama de crecimiento exponencial tiene también grandes desafíos, que van de la mano de abordar las cuestiones éticas al diseñar modelos de IA: cómo garantizar la calidad de los datos, que los mismos representen coherencia en sus resultados, que no exista un sesgo o datos que desvirtúen.

También la transparencia de la información base, la seguridad de la información, la garantía de privacidad de data sensible, la interpretación que puede darse a los resultados, así como la veracidad de los mismos. Asimismo, al seguir escalando las soluciones en base a IA se requiere niveles computacionales más altos y por ende mayor inversión, lo cual puede converger en un desafío constante. La era de la IA Generativa apenas comienza, hoy solo se observa la punta
del iceberg en el vasto campo de la IA.