Qué significa la IA generativa para las empresas

La IA generativa tiene la capacidad de aprender a partir de artefactos existentes y generar nuevos artefactos que sean realistas (a gran escala) y reflejen las características de los datos usados para su entrenamiento, pero que no sean una repetición de los mismos. Es capaz de producir una gran variedad de contenido nuevo, como imágenes, vídeo, música, texto escrito y hablado, código de software y diseños de productos.

A fin de identificar las oportunidades de la IA generativa, las organizaciones más avanzadas crean programas continuos de autoservicio y alfabetización en IA destinados a concienciar, mejorar la comprensión y establecer procesos dinámicos e iterativos para recopilar ideas y casos de uso de forma metódica. 

Después, determinados equipos multidisciplinarios utilizan marcos como el radar de oportunidades de IA de Gartner para examinar y comparar las ideas basándose en su valor comercial y su viabilidad.

Según confirmó un sondeo de Gartner en enero de 2024, el interés por la IA generativa continúa a la orden del día:

• Casi dos terceras partes de las organizaciones utilizan la IA generativa en diversas unidades de negocio.
  • Esto supone un salto de 19 puntos porcentuales desde septiembre de 2023.
• Un 40 % de los encuestados afirmó que su organización ha implementado la IA generativa en más de tres unidades de negocio.

• Una de cada cinco organizaciones tiene actualmente soluciones de IA en producción.
• En las empresas, los principales departamentos que han adoptado o tienen previsto invertir en algún tipo de solución de IA generativa son los siguientes:
  • Atención al Cliente (16 %)
  • Marketing (14 %)
  • Ventas (12 %)
• El departamento de TI implementa la IA generativa principalmente en el ciclo de vida del desarrollo de software, así como en infraestructura y operaciones.

Es importante comprender los beneficios y los riesgos de la IA generativa al identificar dónde y cómo encaja en los modelos operativos y de negocio, tanto actuales como futuros, y decidir si experimentar o no con casos de uso en producción y cómo hacerlo.

La IA generativa puede aportar beneficios como acelerar el desarrollo de productos, mejorar la experiencia del cliente e impulsar la productividad de los empleados, pero los resultados concretos dependerán del caso de uso. Entre las aplicaciones prácticas de alto nivel se incluyen las siguientes:

• Creación y mejora de contenido escrito
• Respuesta y anticipación de preguntas
• Definición del tono de redacción
• Elaboración de resúmenes
• Simplificación
• Clasificación de contenido para casos de uso concretos
• Mejora del rendimiento de chatbots
• Codificación de software
• Formulación de productos
• Mejoras de los procesos
• Asistencia para análisis
• Recomendaciones personalizadas

Es necesario controlar y supervisar los siguientes riesgos:

• Falta de transparencia
• Precisión
• Alucinaciones
• Sesgos
• Exposición involuntaria de propiedad intelectual (PI) e infracción de derechos de autor
• Ciberataques y fraudes
• Impacto negativo en los objetivos de sostenibilidad

Sé realista acerca del tiempo de obtención de valor. Se distinguen tres categorías de iniciativas de IA generativa que generan ROI en tres plazos temporales diferentes:

• Los “quick wins”, que se centran en el potencial de mejora de la productividad, dan frutos en menos de un año.
• La diferenciación de la IA generativa impulsa la ventaja competitiva con un tiempo de obtención de valor de entre uno y dos años. 

• Las iniciativas de IA generativa transformadoras pueden revolucionar los modelos de negocio y los mercados. Tienden a basarse en una combinación de técnicas de IA y suelen incluir la IA generativa multimodal. Debido a una mayor complejidad, a menudo requieren más de dos años para ofrecer resultados reales.

La IA generativa se basa en técnicas que siguen apareciendo y evolucionando a un ritmo sin precedentes. 

Destacan los modelos fundacionales de IA, entrenados a partir de un amplio conjunto de datos sin etiquetar y que, con un ajuste adicional, pueden usarse para diferentes tareas. Se requieren cálculos matemáticos complejos y una enorme potencia informática para crear estos modelos entrenados, pero, en esencia, son algoritmos predictivos. (Consulta también: Los expertos de Gartner responden a las principales preguntas de tu empresa sobre la IA generativa).

Desde el lanzamiento a finales de 2022 de ChatGPT, un chatbot capaz de mantener interacciones de una calidad casi humana, la inversión en IA generativa se ha disparado. El mercado de los bots y asistentes virtuales de IA generativa incluye ahora muchos agentes. De todas formas, en el Hype Cycle™ de Gartner para la IA generativa de 2023, muchas tecnologías de IA generativa mostraban signos de haber alcanzado ya su pico de expectativas sobredimensionadas. 

En este contexto, los líderes empresariales corren el riesgo de sobrevalorar el impacto e infravalorar la complejidad de la IA generativa. A pesar de todo, Gartner prevé que su adopción siga aumentando y predice lo siguiente:

• En 2026, el 75 % de las empresas utilizarán la IA generativa para crear datos sintéticos de clientes, partiendo de menos del 5 % en 2023. 
• En 2027, más del 50 % de los modelos de IA generativa utilizados por las empresas serán específicos de su sector o de un departamento concreto, partiendo de aproximadamente el 1 % en 2023. (Estos modelos específicos del dominio tienen un tamaño mucho menor que el de los inmensos modelos de IA generativa como GPT-4 y la mayoría de ellos se construirán sobre modelos fundacionales de IA).
• En 2027, más de la mitad de las selecciones de activos de desarrollo en los mercados web tecnológicos se llevarán a cabo mediante orquestación de IA generativa.
• En 2028, una tercera parte de las interacciones con servicios de IA generativa requerirán modelos de acción y agentes autónomos para completar las tareas. 
• En 2028, el 30 % de la IA generativa implementada se optimizará utilizando métodos computacionales de ahorro de energía, impulsados por las iniciativas de sostenibilidad.

Los modelos de código abierto están ganando relevancia y compiten agresivamente con los modelos cerrados. Ante la creciente regulación de la IA, los clientes podrían decantar la balanza hacia los modelos de código abierto, ya que son más flexibles a la hora de implementarse, admiten la personalización y permiten un mayor control de la seguridad y la privacidad.

La inteligencia artificial general (Artificial General Intelligence, AGI) sería un elemento (hipotético, por ahora) sumamente transformador y controvertido de la IA generativa del futuro. 

La AGI, también denominada “IA robusta”, puede (teóricamente) igualar o superar la inteligencia humana y resolver problemas que no se plantearon nunca durante el entrenamiento. El Hype Cycle de Gartner sitúa la adopción generalizada de la AGI en un horizonte de futuro superior a 10 años, aunque, a falta de un avance revolucionario, podrían necesitarse varias décadas o incluso siglos para llegar a este punto. Sea como sea, sus beneficios tienen el potencial de transformar nuestra vida. Igualmente importantes son las preocupaciones que despierta la AGI entre muchas partes interesadas, lo que alimenta temores y expectativas poco realistas en torno a las auténticas capacidades de la IA actual. 

Por mucho que la IA ya esté mostrando comportamientos que los humanos no han programado, a veces sorprendentes e inesperados, es fundamental que los líderes empresariales eviten una visión prematuramente antropomórfica de esta tecnología. 

De todas formas, el presagio de la AGI está acelerando las regulaciones de la IA y ya afecta a la confianza y la disposición de las personas a la hora de aplicar la IA en la actualidad. A largo plazo, la IA seguirá ganando terreno y, con AGI o sin ella, afectará cada vez más a las organizaciones, por ejemplo con la irrupción de los clientes máquina y las empresas autónomas.