Descubriendo su potencial en el mundo de los negocios
Ejemplos como Chat GPT reflejan cómo la IA Generativa ha acercado a las personas el uso de la Inteligencia Artificial: ya no se necesita ser experto para resolver problemas con la ayuda de esta. Sobre las proyecciones de esta tecnología, así como la evolución y retos observados, destacados fabricantes y proveedores, conversaron en la reciente Mesa de Trabajo de Revista Gerencia.
El concepto de Inteligencia Artificial (IA) no es algo nuevo. Ha estado presente desde los 50' cuando se acuñó el término. Sin embargo, su aplicación práctica y su uso significativo en diversos campos han aumentado considerablemente en las últimas décadas, especialmente con los avances en tecnología y el crecimiento masivo de datos disponibles para su procesamiento. Como una rama de la IA, la Inteligencia Artificial Generativa tiene la capacidad de crear ideas y contenidos nuevos, como conversaciones, historias, imágenes, videos y música, utilizando algoritmos de aprendizaje automático y técnicas de modelado probabilístico.
Respecto al avance en esta área, Guillermo Treister, Gerente Técnico Cloud de IBM Chile, explica que 'con la IA Generativa el gran cambio que se enfrenta hoy no solo es la capacidad de generar nuevas cosas, sino la velocidad con la que lo podemos hacer. Ese es un cambio disruptivo', explica. 'A esto, además, se agrega la coherencia con la cual hoy podemos crear. Antes, por ejemplo, si usábamos un traductor, había mucha falta de coherencia en la salida de la información. Y a nivel comercial, esta tecnología ha sido mucho más expansible precisamente debido a esta coherencia y a lo que ahora permite hacer.
Ese salto ya lo dimos y hoy estamos viendo cómo usaremos esta nueva tecnología para transformar y agregar información a procesos de negocio o incluso afectar procesos humanos', expresa Gabriela Gallardo, Ingeniera de Ciberseguridad Cloud de ISecurity. A juicio de Thierry de Saint Pierre, Executive Director de Navigo Group, lo que viene a hacer Chat GPT es 'poner en la calle' algo que se venía haciendo entre expertos. Hoy estamos en el comienzo de lo que se podría denominar el 'deshielo' de la IA, donde se debiera ver un avance de la IA Generativa, un paso más adelante hacia la posibilidad de planificación, porque la IA hoy puede producir respuestas a partir de las entradas que recibe, creando contenido nuevo y original en función de la información y el contexto proporcionados. A futuro, en tanto, será capaz de resolver una tarea planificando opciones, en el sentido humano de anticipar eventos futuros y crear planes.
Dos aspectos clave: Costos y datos Estos cambios generados en velocidad y coherencia han permitido, además, 'que la IA se acerque a las personas comunes, lo que no pasaba con Machine Learning, que estaba más cerrado hacia un tipo de conocimiento o personas con cierta preparación', detalla Enrique Bravo, Líder de práctica Datos & AI - Conosur de Minsait. Por el lado de los retos que este acercamiento genera en el ámbito empresarial, el ejecutivo, agrega que hay que considerar la seguridad y limpieza de la fuente de datos con que se entrenará el algoritmo, para que el resultado sea una respuesta segura. Y, en segundo lugar, el escalamiento: ¿cómo soy capaz de escalar esta tecnología sin que los costos se disparen?, porque hay soluciones on premise, pero normalmente las soluciones cloud como OpenAI tienen por naturaleza una forma Opex de costear, y hay muchos más componentes para tener una solución final: servicios cognitivos, de storage, ingesta, etc., por tanto cada vez que se llama a un servicio con todo eso, no se sabe cuánto será el costo final.
Los asistentes a la mesa coinciden en que el tema de los datos es clave para que este tipo de soluciones funcione. 'Muchas organizaciones han crecido como silos de información: tienen data en diferentes partes y cuando se ven enfrentadas a estas soluciones se genera un problema y reto: ¿cuál es la data correcta? Cuando inyectas información a estos sistemas a veces ves data que es contradictoria, por eso es fundamental entender bien el problema que queremos resolver', explica Cristian Leal, Gerente de Application Management Service (AMS) de TIVIT Latam.
Complementando esta visión, Marina Tannenbaum, Socia de Easybots, destaca que al salir del ámbito de laboratorio o técnico y convertirse en una tecnología accesible para usuarios y empresas, surge una inquietud dentro de las organizaciones. Desde los directorios, hay una presión para desarrollar casos de uso, lo cual podría ser positivo, pero sin el know how y los procesos adecuados, así como los datos orgánicos necesarios, resulta complejo. A su juicio, existe un desajuste entre el impulso positivo de asignar presupuestos y el interés de los directorios por estas iniciativas, y la falta de capacidad para llevarlas a cabo. Hay empresas que tienen procesos muy poco estructurados, en que falta mucho de digitalización o de acumulación de data como para que esa promesa sea realidad.
Y eso es preocupante, porque Chile se empieza a quedar cada vez más atrás. Todos estamos preocupados por el crecimiento y la productividad, pero en la medida en que esto no sea más rápido, seguimos quedando atrás. Y puede ser tiempo irrecuperable', enfatiza. Tanto desde el punto de vista de la optimización, como de efectivamente saber el costo estimado de integrar IA, para Javier Milla, Jefe de Proyectos de TI Cloud & IA de Noventiq, 'lo recomendable es hacer una prueba de concepto aterrizada, con criterios de éxito muy realistas, y que en poco tiempo permita entregar una estimación que posibilite a alguien entender cuánto puede salir un proyecto de IA Generativa con cierto grado de interacción, cierta cantidad de datos, etc.'. Asimismo, el ejecutivo de Navigo Group, agrega que el camino es partir de a poco; 'lo que se hace generalmente en los proyectos de innovación, comenzando por una prueba de concepto, que demuestre en un ambiente cerrado, que puede ser un sandbox'.
Preguntas clave para definir la necesidad 'Varios clientes están interesados en comenzar a probar esta tecnología porque han escuchado que es algo innovador, y no siempre debido a una problemática o un proceso que optimizar', detalla el ejecutivo de Noventiq, y agrega que, por eso es esencial, más allá de la variabilidad tecnológica detrás del proyecto (cómo lo configuro o entreno, etc.), entender que hay una variabilidad humana clave, que es importante considerar desde el principio en una conversación que aborde ¿cuál será el caso de uso? ¿Y por qué ese caso es importante? 'Es decir, la definición de la necesidad: entender si realmente lo que se necesita es IA Generativa o quizás no. Eso es parte de lo que nos ha permitido que no mueran las pruebas de concepto y pasen después a un deployment', añade. La IA Generativa hoy es como la transformación digital hace un tiempo, enfatiza Cristóbal Vergara, Gerente General de SAP, y, a su juicio, las expectativas son enormes, pero el conocimiento muy escaso: 'Las personas están ávidas de que les resuelvan el problema de fondo (qué voy a hacer y por qué lo voy a hacer), pero eso es algo que tienen que resolver por sí mismas'. Además, el ejecutivo enfatiza dos aristas críticas: la seguridad, ética y confi abilidad, y la relevancia para los negocios, es decir, cómo lo hago útil para este.
'Y ahí viene el gran input, que son los datos: ¿Dónde tengo fuentes que alimenten la IA para poder crear cosas relevantes? Hay datos propios y de la industria, lo que plantea desafíos adicionales en propiedad intelectual', explica. En este sentido, Federico dos Reis, CEO de INFORM, señala que 'antes la inteligencia era aplicada a problemas puntuales, ahora con la IA Generativa se abre y empodera a las personas comunes a usar este tipo de tecnología para resolver problemas sin necesidad de largas capacitaciones. Lo que se viene ahora es cómo hacemos uso de esto y ahí el tema fundamental es cómo situamos primero la pregunta de qué es lo que queremos lograr y después cómo usamos toda la data para lograr ese objetivo. Muchos dicen: 'Tenemos que ir a la IA Generativa porque nos traerá eficiencia', ¿pero eficiencia en qué? ¿Qué tenemos que mejorar? ¿Qué tenemos que optimizar?
Es necesario hacer las preguntas correctas, porque el sistema va aprendiendo, sino después las respuestas que obtendremos están sesgadas por lo que fue aprendido'. Barreras e impacto en el trabajo Según Paulo Mery, Gerente Comercial de Octopuss, 'pese a la evolución que hemos tenido de las tecnologías y que ha marcado ciertos saltos, como integradores aún nos encontramos con mucha reticencia. Primero, con la seguridad de la información y la propiedad de los datos de las personas. Y lo segundo, la reticencia respecto a que esta tecnología va a quitar el trabajo'. Por eso, coinciden los proveedores, hay un rol de evangelizadores que realizar, de manera de ir reduciendo las barreras de entrada y, a la vez, concientizar sobre la perspectiva de moverse dentro de los límites, porque esto tiene ribetes éticos a respetar y hay que partir de esa base. En este sentido, Javier Milla agrega que 'es importante poder explicar a todos la manera en que se interactúa con la tecnología, tanto desde una arista administrativa (que es quién lo va a configurar y mantener vivo en el tiempo), como también desde el usuario que interactúa, porque, al final, en estos grandes modelos de lenguaje, la calidad y exactitud de la respuesta (Accuracy), depende de la pregunta. Entonces, ahí la responsabilidad recae en al usuario final, ya que para que le sirva, debe preguntar bien, entonces volvemos al tema de la educación'. Según comparte José Valdebenito, Product Manager de Entel Digital, un estudio de la Universidad de Pennsylvania y OpenAI sobre el mercado laboral en EE.UU., arrojó que alrededor del 80% de la fuerza laboral de los trabajadores de Estados Unidos verá al menos un 10% de sus tareas afectadas por ChatGPT y tecnologías similares, mientras el 19% podría ver hasta un 50% afectadas sus labores.
Por eso, agrega, 'hay que entender que el mundo laboral si se verá afectado, pero lo importarte es el reskilling (adquirir nuevas habilidades o competencias para adaptarse a los cambios), y cómo orientamos a las personas en una nueva era de la productividad'. 'Muchos están asustados, con o sin razón, de qué pasará con su trabajo y la forma en que se desarrolla, pero la misma IA puede aportar sugerencias a los empleados, usando datos de la empresa e información de la industria, para reentrenarse según el rol que están teniendo, según el riesgo de que ese rol se modifique y según el uso que ese rol tendrá de distintos tipos de IA, no solamente la generativa, porque hay mucho de automatización', señala el ejecutivo de SAP. 'El trabajo se verá afectado, pero también se alivianará en algunos puntos la carga y se crearán roles nuevos, donde se requerirá un grado de especialización y conocimiento mayor para poder mantener sistemas y seguir avanzando a algo más complejo', añade la profesional de ISecurity.
Democratización y retos ¿Qué hacer para que las empresas puedan subirse a este carro y no se queden atrás? Sobre todo, las Pymes. Según destaca la ejecutiva de Easybots, la probabilidad de que algunas se queden rezagadas es altísima. Se está estudiando cómo acelerar la velocidad de adopción de esta tecnología, porque empezarán a hacerlo tarde, cuando ya pasó la siguiente ola. 'Las Pymes, que son parte del motor de la economía, no tienen el know how ni los expertos. Si no pueden avanzar y además no están preparadas para ser proveedoras de las grandes empresas, se generará un problema, pues estas, de la educación'. Según comparte José Valdebenito, Product Manager de Entel Digital, un estudio de la Universidad de Pennsylvania y OpenAI sobre el mercado laboral en EE.UU., arrojó que alrededor del 80% de la fuerza laboral de los trabajadores de Estados Unidos verá al menos un 10% de sus tareas afectadas por ChatGPT y tecnologías similares, mientras el 19% podría ver hasta un 50% afectadas sus labores. Por eso, agrega, 'hay que entender que el mundo laboral si se verá afectado, pero lo importarte es el reskilling (adquirir nuevas habilidades o competencias para adaptarse a los cambios), y cómo orientamos a las personas en una nueva era de la productividad'.
'Muchos están asustados, con o sin razón, de qué pasará con su trabajo y la forma en que se desarrolla, pero la misma IA puede aportar sugerencias a los empleados, usando datos de la empresa e información de la industria, para reentrenarse según el rol que están teniendo, según el riesgo de que ese rol se modifique y según el uso que ese rol tendrá de distintos tipos de IA, no solamente la generativa, porque hay mucho de automatización', señala el ejecutivo de SAP.
'El trabajo se verá afectado, pero también se alivianará en algunos puntos la carga y se crearán roles nuevos, donde se requerirá un grado de especialización y conocimiento mayor para poder mantener sistemas y seguir avanzando a algo más complejo', añade la profesional de ISecurity. Democratización y retos ¿Qué hacer para que las empresas puedan subirse a este carro y no se queden atrás? Sobre todo, las Pymes. Según destaca la ejecutiva de Easybots, la probabilidad de que algunas se queden rezagadas es altísima. Se está estudiando cómo acelerar la velocidad de adopción de esta tecnología, porque empezarán a hacerlo tarde, cuando ya pasó la siguiente ola. 'Las Pymes, que son parte del motor de la economía, no tienen el know how ni los expertos. Si no pueden avanzar y además no están preparadas para ser proveedoras de las grandes empresas, se generará un problema, pues estas, con los criterios ESG, están siendo muy exigentes respecto del cumplimiento de la normativa. Y esto será un gran costo para las Pymes si no son capaces de tener esa trazabilidad del proceso y lograr la incorporación de tecnología para poder competir en ese mercado', comenta.
'Cómo subimos a todos a esto y lo hacemos de una forma que no afecte a la humanidad, en que la última decisión la tenga el ser humano, y que la IA sea un apoyo y no un reemplazo. Hay mucho de gestión del cambio ahí, en cómo explicamos a las personas, de manera clara, que no viene a reemplazar, sino a ayudarlos y permitirles enfocarse en otras tareas. Es clave generar un marco en el cual la IA sea un apoyo y no nos juegue en contra', enfatiza el profesional de INFORM. Podría pasar, advierten, que solo las grandes empresas, como son las que tienen la capacidad de estudiar el sistema, profundizar y pilotearlo, empiecen a dominar su sector, como se ha visto en varias industrias. Y la idea es que esto llegue, no solo a la gran empresa, sino que también a la mediana y pequeña. 'En muchos de estos procesos las grandes empresas van a dominar, hasta que por la madurez la tecnología se vuelva un commodity', agrega Guillermo Treister.
Asimismo, Gabriela Gallardo propone que es esencial también buscar aplicaciones para apoyar los procesos sociales, no solo los negocios, para ayudar a construir una sociedad mejor. Por ejemplo, se podrían correlacionar todas las fuentes de datos judiciales para ayudar a generar inteligencia que permita identificar patrones de criminales, teniendo los resguardos necesarios que exige la confidencialidad de los datos a producir y a consultar. Otro reto, advierte Cristóbal Vergara, es la transparencia. 'Saber cómo se llegó a una respuesta, cuál fue el algoritmo que se usó y los inputs que se dieron. Porque si la IA generativa es una 'caja negra', el problema es enorme ya que no sabes qué criterios usó y cómo se tomaron las decisiones', indica.
¿Qué viene? Sin duda, la IA Generativa será una herramienta súper potente, pero no hay que olvidar que hay retos que enfrentar como, por ejemplo, las alucinaciones, situaciones donde se generan respuestas o resultados erróneos o sin sentido, especialmente en contextos donde se esperaría que produzca información precisa y coherente. 'Además, está el tema de la responsabilidad de la IA, hay que saber controlar bien la respuesta que genera, sobre todo cuando es orientada a público, más que en soluciones internas, porque allí se controla mucho más la data, pero en soluciones más abiertas puede producirse una alucinación y respuestas en el límite de la ética, no obstante, es algo que se ha ido controlando', explica Thierry de Saint Pierre. Respeto a las proyecciones de esta tecnología, a juicio del ejecutivo de Minsait, será súper relevante para la base tecnológica, donde permitirá acelerar la transición de los sistemas antiguos a los nuevos al posibilitar hacer transformaciones de código. Y si bien se trata de proyectos que pueden partir por el área TI, porque siempre la componente tecnológica estará presente, ya que esta tecnología se mueve en el mundo del aplicativo, TI puede empezar a ser un evangelizador; las áreas comenzar a ver que funciona y que podrían también probar, expandiéndose la cantidad de áreas funcionales que quieren usar IA Generativa. Se viene un tremendo cambio, coinciden todos, algunos apuestan a que el tema de costos finalmente lo regulará el mercado, y surge, además, la reflexión de ¿cómo esta tecnología afectará nuestra adaptación en el presente y futuro? ¿Cómo nos transformará? ¿Cómo se seguirá desarrollando en los próximos años e impactará en los negocios? Interrogantes cuya respuesta hoy solo es posible conjeturar.
Respecto al avance en esta área, Guillermo Treister, Gerente Técnico Cloud de IBM Chile, explica que 'con la IA Generativa el gran cambio que se enfrenta hoy no solo es la capacidad de generar nuevas cosas, sino la velocidad con la que lo podemos hacer. Ese es un cambio disruptivo', explica. 'A esto, además, se agrega la coherencia con la cual hoy podemos crear. Antes, por ejemplo, si usábamos un traductor, había mucha falta de coherencia en la salida de la información. Y a nivel comercial, esta tecnología ha sido mucho más expansible precisamente debido a esta coherencia y a lo que ahora permite hacer.
Ese salto ya lo dimos y hoy estamos viendo cómo usaremos esta nueva tecnología para transformar y agregar información a procesos de negocio o incluso afectar procesos humanos', expresa Gabriela Gallardo, Ingeniera de Ciberseguridad Cloud de ISecurity. A juicio de Thierry de Saint Pierre, Executive Director de Navigo Group, lo que viene a hacer Chat GPT es 'poner en la calle' algo que se venía haciendo entre expertos. Hoy estamos en el comienzo de lo que se podría denominar el 'deshielo' de la IA, donde se debiera ver un avance de la IA Generativa, un paso más adelante hacia la posibilidad de planificación, porque la IA hoy puede producir respuestas a partir de las entradas que recibe, creando contenido nuevo y original en función de la información y el contexto proporcionados. A futuro, en tanto, será capaz de resolver una tarea planificando opciones, en el sentido humano de anticipar eventos futuros y crear planes.
Dos aspectos clave: Costos y datos Estos cambios generados en velocidad y coherencia han permitido, además, 'que la IA se acerque a las personas comunes, lo que no pasaba con Machine Learning, que estaba más cerrado hacia un tipo de conocimiento o personas con cierta preparación', detalla Enrique Bravo, Líder de práctica Datos & AI - Conosur de Minsait. Por el lado de los retos que este acercamiento genera en el ámbito empresarial, el ejecutivo, agrega que hay que considerar la seguridad y limpieza de la fuente de datos con que se entrenará el algoritmo, para que el resultado sea una respuesta segura. Y, en segundo lugar, el escalamiento: ¿cómo soy capaz de escalar esta tecnología sin que los costos se disparen?, porque hay soluciones on premise, pero normalmente las soluciones cloud como OpenAI tienen por naturaleza una forma Opex de costear, y hay muchos más componentes para tener una solución final: servicios cognitivos, de storage, ingesta, etc., por tanto cada vez que se llama a un servicio con todo eso, no se sabe cuánto será el costo final.
Los asistentes a la mesa coinciden en que el tema de los datos es clave para que este tipo de soluciones funcione. 'Muchas organizaciones han crecido como silos de información: tienen data en diferentes partes y cuando se ven enfrentadas a estas soluciones se genera un problema y reto: ¿cuál es la data correcta? Cuando inyectas información a estos sistemas a veces ves data que es contradictoria, por eso es fundamental entender bien el problema que queremos resolver', explica Cristian Leal, Gerente de Application Management Service (AMS) de TIVIT Latam.
Complementando esta visión, Marina Tannenbaum, Socia de Easybots, destaca que al salir del ámbito de laboratorio o técnico y convertirse en una tecnología accesible para usuarios y empresas, surge una inquietud dentro de las organizaciones. Desde los directorios, hay una presión para desarrollar casos de uso, lo cual podría ser positivo, pero sin el know how y los procesos adecuados, así como los datos orgánicos necesarios, resulta complejo. A su juicio, existe un desajuste entre el impulso positivo de asignar presupuestos y el interés de los directorios por estas iniciativas, y la falta de capacidad para llevarlas a cabo. Hay empresas que tienen procesos muy poco estructurados, en que falta mucho de digitalización o de acumulación de data como para que esa promesa sea realidad.
Y eso es preocupante, porque Chile se empieza a quedar cada vez más atrás. Todos estamos preocupados por el crecimiento y la productividad, pero en la medida en que esto no sea más rápido, seguimos quedando atrás. Y puede ser tiempo irrecuperable', enfatiza. Tanto desde el punto de vista de la optimización, como de efectivamente saber el costo estimado de integrar IA, para Javier Milla, Jefe de Proyectos de TI Cloud & IA de Noventiq, 'lo recomendable es hacer una prueba de concepto aterrizada, con criterios de éxito muy realistas, y que en poco tiempo permita entregar una estimación que posibilite a alguien entender cuánto puede salir un proyecto de IA Generativa con cierto grado de interacción, cierta cantidad de datos, etc.'. Asimismo, el ejecutivo de Navigo Group, agrega que el camino es partir de a poco; 'lo que se hace generalmente en los proyectos de innovación, comenzando por una prueba de concepto, que demuestre en un ambiente cerrado, que puede ser un sandbox'.
Preguntas clave para definir la necesidad 'Varios clientes están interesados en comenzar a probar esta tecnología porque han escuchado que es algo innovador, y no siempre debido a una problemática o un proceso que optimizar', detalla el ejecutivo de Noventiq, y agrega que, por eso es esencial, más allá de la variabilidad tecnológica detrás del proyecto (cómo lo configuro o entreno, etc.), entender que hay una variabilidad humana clave, que es importante considerar desde el principio en una conversación que aborde ¿cuál será el caso de uso? ¿Y por qué ese caso es importante? 'Es decir, la definición de la necesidad: entender si realmente lo que se necesita es IA Generativa o quizás no. Eso es parte de lo que nos ha permitido que no mueran las pruebas de concepto y pasen después a un deployment', añade. La IA Generativa hoy es como la transformación digital hace un tiempo, enfatiza Cristóbal Vergara, Gerente General de SAP, y, a su juicio, las expectativas son enormes, pero el conocimiento muy escaso: 'Las personas están ávidas de que les resuelvan el problema de fondo (qué voy a hacer y por qué lo voy a hacer), pero eso es algo que tienen que resolver por sí mismas'. Además, el ejecutivo enfatiza dos aristas críticas: la seguridad, ética y confi abilidad, y la relevancia para los negocios, es decir, cómo lo hago útil para este.
'Y ahí viene el gran input, que son los datos: ¿Dónde tengo fuentes que alimenten la IA para poder crear cosas relevantes? Hay datos propios y de la industria, lo que plantea desafíos adicionales en propiedad intelectual', explica. En este sentido, Federico dos Reis, CEO de INFORM, señala que 'antes la inteligencia era aplicada a problemas puntuales, ahora con la IA Generativa se abre y empodera a las personas comunes a usar este tipo de tecnología para resolver problemas sin necesidad de largas capacitaciones. Lo que se viene ahora es cómo hacemos uso de esto y ahí el tema fundamental es cómo situamos primero la pregunta de qué es lo que queremos lograr y después cómo usamos toda la data para lograr ese objetivo. Muchos dicen: 'Tenemos que ir a la IA Generativa porque nos traerá eficiencia', ¿pero eficiencia en qué? ¿Qué tenemos que mejorar? ¿Qué tenemos que optimizar?
Es necesario hacer las preguntas correctas, porque el sistema va aprendiendo, sino después las respuestas que obtendremos están sesgadas por lo que fue aprendido'. Barreras e impacto en el trabajo Según Paulo Mery, Gerente Comercial de Octopuss, 'pese a la evolución que hemos tenido de las tecnologías y que ha marcado ciertos saltos, como integradores aún nos encontramos con mucha reticencia. Primero, con la seguridad de la información y la propiedad de los datos de las personas. Y lo segundo, la reticencia respecto a que esta tecnología va a quitar el trabajo'. Por eso, coinciden los proveedores, hay un rol de evangelizadores que realizar, de manera de ir reduciendo las barreras de entrada y, a la vez, concientizar sobre la perspectiva de moverse dentro de los límites, porque esto tiene ribetes éticos a respetar y hay que partir de esa base. En este sentido, Javier Milla agrega que 'es importante poder explicar a todos la manera en que se interactúa con la tecnología, tanto desde una arista administrativa (que es quién lo va a configurar y mantener vivo en el tiempo), como también desde el usuario que interactúa, porque, al final, en estos grandes modelos de lenguaje, la calidad y exactitud de la respuesta (Accuracy), depende de la pregunta. Entonces, ahí la responsabilidad recae en al usuario final, ya que para que le sirva, debe preguntar bien, entonces volvemos al tema de la educación'. Según comparte José Valdebenito, Product Manager de Entel Digital, un estudio de la Universidad de Pennsylvania y OpenAI sobre el mercado laboral en EE.UU., arrojó que alrededor del 80% de la fuerza laboral de los trabajadores de Estados Unidos verá al menos un 10% de sus tareas afectadas por ChatGPT y tecnologías similares, mientras el 19% podría ver hasta un 50% afectadas sus labores.
Por eso, agrega, 'hay que entender que el mundo laboral si se verá afectado, pero lo importarte es el reskilling (adquirir nuevas habilidades o competencias para adaptarse a los cambios), y cómo orientamos a las personas en una nueva era de la productividad'. 'Muchos están asustados, con o sin razón, de qué pasará con su trabajo y la forma en que se desarrolla, pero la misma IA puede aportar sugerencias a los empleados, usando datos de la empresa e información de la industria, para reentrenarse según el rol que están teniendo, según el riesgo de que ese rol se modifique y según el uso que ese rol tendrá de distintos tipos de IA, no solamente la generativa, porque hay mucho de automatización', señala el ejecutivo de SAP. 'El trabajo se verá afectado, pero también se alivianará en algunos puntos la carga y se crearán roles nuevos, donde se requerirá un grado de especialización y conocimiento mayor para poder mantener sistemas y seguir avanzando a algo más complejo', añade la profesional de ISecurity.
Democratización y retos ¿Qué hacer para que las empresas puedan subirse a este carro y no se queden atrás? Sobre todo, las Pymes. Según destaca la ejecutiva de Easybots, la probabilidad de que algunas se queden rezagadas es altísima. Se está estudiando cómo acelerar la velocidad de adopción de esta tecnología, porque empezarán a hacerlo tarde, cuando ya pasó la siguiente ola. 'Las Pymes, que son parte del motor de la economía, no tienen el know how ni los expertos. Si no pueden avanzar y además no están preparadas para ser proveedoras de las grandes empresas, se generará un problema, pues estas, de la educación'. Según comparte José Valdebenito, Product Manager de Entel Digital, un estudio de la Universidad de Pennsylvania y OpenAI sobre el mercado laboral en EE.UU., arrojó que alrededor del 80% de la fuerza laboral de los trabajadores de Estados Unidos verá al menos un 10% de sus tareas afectadas por ChatGPT y tecnologías similares, mientras el 19% podría ver hasta un 50% afectadas sus labores. Por eso, agrega, 'hay que entender que el mundo laboral si se verá afectado, pero lo importarte es el reskilling (adquirir nuevas habilidades o competencias para adaptarse a los cambios), y cómo orientamos a las personas en una nueva era de la productividad'.
'Muchos están asustados, con o sin razón, de qué pasará con su trabajo y la forma en que se desarrolla, pero la misma IA puede aportar sugerencias a los empleados, usando datos de la empresa e información de la industria, para reentrenarse según el rol que están teniendo, según el riesgo de que ese rol se modifique y según el uso que ese rol tendrá de distintos tipos de IA, no solamente la generativa, porque hay mucho de automatización', señala el ejecutivo de SAP.
'El trabajo se verá afectado, pero también se alivianará en algunos puntos la carga y se crearán roles nuevos, donde se requerirá un grado de especialización y conocimiento mayor para poder mantener sistemas y seguir avanzando a algo más complejo', añade la profesional de ISecurity. Democratización y retos ¿Qué hacer para que las empresas puedan subirse a este carro y no se queden atrás? Sobre todo, las Pymes. Según destaca la ejecutiva de Easybots, la probabilidad de que algunas se queden rezagadas es altísima. Se está estudiando cómo acelerar la velocidad de adopción de esta tecnología, porque empezarán a hacerlo tarde, cuando ya pasó la siguiente ola. 'Las Pymes, que son parte del motor de la economía, no tienen el know how ni los expertos. Si no pueden avanzar y además no están preparadas para ser proveedoras de las grandes empresas, se generará un problema, pues estas, con los criterios ESG, están siendo muy exigentes respecto del cumplimiento de la normativa. Y esto será un gran costo para las Pymes si no son capaces de tener esa trazabilidad del proceso y lograr la incorporación de tecnología para poder competir en ese mercado', comenta.
'Cómo subimos a todos a esto y lo hacemos de una forma que no afecte a la humanidad, en que la última decisión la tenga el ser humano, y que la IA sea un apoyo y no un reemplazo. Hay mucho de gestión del cambio ahí, en cómo explicamos a las personas, de manera clara, que no viene a reemplazar, sino a ayudarlos y permitirles enfocarse en otras tareas. Es clave generar un marco en el cual la IA sea un apoyo y no nos juegue en contra', enfatiza el profesional de INFORM. Podría pasar, advierten, que solo las grandes empresas, como son las que tienen la capacidad de estudiar el sistema, profundizar y pilotearlo, empiecen a dominar su sector, como se ha visto en varias industrias. Y la idea es que esto llegue, no solo a la gran empresa, sino que también a la mediana y pequeña. 'En muchos de estos procesos las grandes empresas van a dominar, hasta que por la madurez la tecnología se vuelva un commodity', agrega Guillermo Treister.
Asimismo, Gabriela Gallardo propone que es esencial también buscar aplicaciones para apoyar los procesos sociales, no solo los negocios, para ayudar a construir una sociedad mejor. Por ejemplo, se podrían correlacionar todas las fuentes de datos judiciales para ayudar a generar inteligencia que permita identificar patrones de criminales, teniendo los resguardos necesarios que exige la confidencialidad de los datos a producir y a consultar. Otro reto, advierte Cristóbal Vergara, es la transparencia. 'Saber cómo se llegó a una respuesta, cuál fue el algoritmo que se usó y los inputs que se dieron. Porque si la IA generativa es una 'caja negra', el problema es enorme ya que no sabes qué criterios usó y cómo se tomaron las decisiones', indica.
¿Qué viene? Sin duda, la IA Generativa será una herramienta súper potente, pero no hay que olvidar que hay retos que enfrentar como, por ejemplo, las alucinaciones, situaciones donde se generan respuestas o resultados erróneos o sin sentido, especialmente en contextos donde se esperaría que produzca información precisa y coherente. 'Además, está el tema de la responsabilidad de la IA, hay que saber controlar bien la respuesta que genera, sobre todo cuando es orientada a público, más que en soluciones internas, porque allí se controla mucho más la data, pero en soluciones más abiertas puede producirse una alucinación y respuestas en el límite de la ética, no obstante, es algo que se ha ido controlando', explica Thierry de Saint Pierre. Respeto a las proyecciones de esta tecnología, a juicio del ejecutivo de Minsait, será súper relevante para la base tecnológica, donde permitirá acelerar la transición de los sistemas antiguos a los nuevos al posibilitar hacer transformaciones de código. Y si bien se trata de proyectos que pueden partir por el área TI, porque siempre la componente tecnológica estará presente, ya que esta tecnología se mueve en el mundo del aplicativo, TI puede empezar a ser un evangelizador; las áreas comenzar a ver que funciona y que podrían también probar, expandiéndose la cantidad de áreas funcionales que quieren usar IA Generativa. Se viene un tremendo cambio, coinciden todos, algunos apuestan a que el tema de costos finalmente lo regulará el mercado, y surge, además, la reflexión de ¿cómo esta tecnología afectará nuestra adaptación en el presente y futuro? ¿Cómo nos transformará? ¿Cómo se seguirá desarrollando en los próximos años e impactará en los negocios? Interrogantes cuya respuesta hoy solo es posible conjeturar.
Suscribete