El lanzamiento de ChatGPT de OpenAI a finales de 2022 puso de relieve años de investigación clandestina sobre inteligencia artificial (IA). Dos años después de que aparecieran las primeras herramientas de IA generativa (GenAI) disponibles públicamente, el entusiasmo por esta tecnología emergente no da señales de disminuir, sobre todo en las salas de juntas de las empresas de primera línea. La tasa a la que las empresas implementan programas GenAI se duplicó entre diciembre de 2023 y julio de 2024, según Bloomberg Intelligence. Su encuesta muestra que la IA y el aprendizaje automático siguen siendo las principales preocupaciones de los CIO y sus pares de la alta dirección, y las empresas invierten en modelos fundamentales, GPU y servicios de soporte en la nube. Sin embargo, otras investigaciones sugieren que convertir el entusiasmo por la IA en algo útil es mucho más difícil. Las empresas tienen dificultades para trasladar los proyectos GenAI a la producción, según Deloitte. El gigante de la consultoría afirma que el 70% de los líderes empresariales han trasladado el 30% o menos de sus experimentos de IA a la producción. Peor aún, el analista Gartner ha predicho que el 30% de los proyectos GenAI serán abandonados después de la etapa de prueba de concepto para fines de 2025. Entonces, ¿por qué las organizaciones tienen dificultades para aprovechar al máximo la IA? Hablamos con cinco líderes empresariales en la reciente Snowflake Summit 2024 en San Francisco para preguntarles cómo los ejecutivos pueden convertir la IA en una ventaja competitiva. TUI: Obtenga algunos principios excelentes Anastasiia Stefanska, analista de datos para análisis e IA en TUI, está ayudando a su organización a explotar la tecnología emergente. La empresa de vacaciones usa Snowflake para crear una plataforma para el cambio impulsado por los datos. «Diría que estamos a toda velocidad en el uso de la IA», dice Stefanska. «Creemos que podemos lograr mucho. Hemos trabajado en los últimos trimestres en la identificación de casos de uso. Algunos de estos casos están en producción y se está trabajando en otros casos de uso de alto potencial». El colega de Stefanska, Bastian Handke, líder del equipo de tecnología para la plataforma de almacenamiento de datos empresariales en TUI, dice que la empresa usa IA generativa para el análisis de datos. La empresa también usa chatbots en programas de capacitación. Estos bots aceleran el proceso de incorporación de nuevos empleados. TUI también utiliza Cortex AI, el modelo de lenguaje grande (LLM) de Snowflake. “Hay muchos casos de uso”, dice Handke. “Realizamos análisis de sentimientos utilizando las funciones de Cortex, como traducir. Nuestros colegas en otros países obtienen respuestas de sus clientes en diferentes idiomas. Analizar esos datos con funciones de Cortex es muy útil”. Stefanska dice que TUI ha creado documentación oficial para guiar sus exploraciones de IA. Estos documentos incorporan dos principios. En primer lugar, hay un enfoque en la habilitación: la empresa quiere que los empleados se sientan cómodos para sugerir casos de uso. El segundo principio garantiza que los humanos se mantengan informados. “La decisión es del ser humano”, dice. “La gobernanza de los modelos y las ejecuciones están integradas en la forma en que hacemos las cosas. En TUI, entendemos que los chatbots son máquinas. Los tratamos con respeto debido a su conocimiento acumulado, pero también ponemos un ojo humano en sus procesos”. Hastings Direct: Encuentre las áreas adecuadas para explorar Sasha Jory, CIO de la aseguradora Hastings Direct, dice que su empresa utiliza IA en varias áreas, incluida la suscripción y el manejo de consultas de clientes. Ella dice que la clave del éxito es garantizar que sus datos se gestionen y sean comprensibles. «A la IA le encantan los datos», dice. «Tienes que tener todo en un formato que la IA pueda leer, digerir y usar. Por ejemplo, tienes que convertir grabaciones en texto para que la IA pueda leer los datos y dar respuestas. Garantizar la colaboración entre nuestro aprendizaje automático, nuestra IA y nuestros datos, en el lugar y formato adecuados, es fundamental para el éxito». Jory dice que Hastings utiliza el aprendizaje automático impulsado por Azure en la suscripción. La tecnología ha ayudado a la empresa a refinar sus modelos de precios y riesgo. «La tecnología está en producción y funciona muy bien», dice. “Hemos visto una mejora en la velocidad de comercialización de más del 100%, la cantidad de cambios de suscripción que ahora podemos hacer se ha más que triplicado y la ruta para entrar en funcionamiento es un procesamiento directo totalmente automatizado, lo que hace que los lanzamientos sean intradía y fáciles de ejecutar”. “No nos dejamos llevar por la publicidad. No creemos que la IA sea la panacea para todo. La IA debe usarse en las áreas adecuadas para mejorar y optimizar el rendimiento, y la tecnología debe implementarse con cuidado y seguridad”. Sasha Jory, Hastings Direct Hastings también usa Azure e IA para ayudar al personal a escribir cartas de quejas de los clientes. Jory dice que la empresa ha usado la tecnología para aumentar la legibilidad de esas cartas de una puntuación de 50 sobre 100 a aproximadamente 70. Además, la puntuación aumenta todo el tiempo. “Eso nos está dando un buen resultado para nuestros clientes porque están recibiendo una carta que pueden leer”, dice. “Es simple y significa que hay menos idas y venidas con los clientes tratando de entender sus problemas”. Jory dice que las exploraciones iniciales de Hastings en IA muestran que la tecnología se puede utilizar para hacer que el negocio sea más inteligente. «Es algo que ciertamente estamos considerando todo el tiempo, pero somos muy cautelosos», dice. «No nos dejamos llevar por la publicidad. No creemos que la IA sea la panacea para todo. La IA debe usarse en las áreas adecuadas para mejorar y optimizar el rendimiento, y la tecnología debe implementarse con cuidado y seguridad». JP Morgan Chase: Apunta a la consistencia de los datos Gerard Francis, jefe de producto de datos y análisis de toda la empresa en JP Morgan Chase y director de Fusion by JP Morgan, dice que sus primeras exploraciones en IA sugieren que la tecnología resolverá varios desafíos comerciales en datos estructurados y no estructurados. «Los problemas se entienden mejor en el mundo no estructurado, ya sean técnicas como la recuperación o la generación aumentada de documentos», dice. «Estamos haciendo una variedad de cosas para mejorar la experiencia con datos no estructurados y los casos de uso con los que puede lidiar, desde preguntas de servicio al cliente hasta problemas legales». Francis dice que la explotación de datos estructurados debe verse como «la próxima ola» de IA. En una industria como las finanzas, hay un exceso de datos estructurados y la gente necesita respuestas precisas. Las empresas deben considerar cómo los LLM pueden ayudar a la gente a generar esta información. «Creo que la evolución solo continuará», dice. «Nos hemos centrado en datos semánticamente correctos desde el principio. Muy, muy pocas personas tienen datos semánticamente consistentes en la industria. Y si no se entiende bien la semántica, el LLM no puede trabajar con los datos». Francis explica la semántica con más detalle. Los empleados pueden usar diferentes códigos, como «MATUR» o «MAT», para un término de la industria como madurez. Los LLM tendrán dificultades para entender lo que significan esos códigos sin una dirección. Las definiciones también pueden superponerse. «El mismo nombre puede significar tres cosas diferentes dependiendo de quién provengan esos datos», dice. «Si haces una pregunta, el LLM puede traducirla usando una descripción, pero puede dar una respuesta incorrecta porque tiene una interpretación diferente de esa palabra. JP Morgan trabaja con muchos clientes y muchos datos, por lo que hemos creado una definición común para todos los términos comerciales que alguien usaría en los mercados financieros”. Esta coherencia semántica está produciendo grandes resultados. “Es una gran inversión por parte de JP Morgan desarrollar esta tecnología. Hemos contratado a algunas de las personas más talentosas de la industria para que funcione”, dice Francis. “Existimos para hacer felices a nuestros clientes y asegurarnos de brindarles un gran servicio. Para nosotros, la IA consiste en hacer esa inversión con la vista puesta en el futuro y seguir creciendo”. Scania: más rápido y más simple Ulf Holmström, científico de datos principal de Scania Group, dice que su empresa está ansiosa por aprovechar al máximo la IA. Su equipo se asegura de que la empresa se centre en las áreas adecuadas. “Hemos explorado GenAI, pero aún no está en producción”, dice. “Hemos comenzado con el soporte interno, en lugar de los procesos de cara al cliente. Sin embargo, lo que se puede hacer con esta tecnología es alucinante”. Holmström dice que Scania está explorando GenAI a través de la tecnología de Amazon Web Services (AWS). La empresa lleva un año realizando sus exploraciones y ha visto algunos «buenos resultados». Scania también está interesada en las tecnologías que está desarrollando Snowflake, en particular Cortex. «Basándome en mi experiencia, si Snowflake cumple sus promesas, entonces podremos crear aplicaciones generativas de forma más rápida y sencilla», afirma. «Estoy impresionado porque hemos estado trabajando duro con AWS Bedrock. Snowflake está poniendo otra capa de abstracción sobre la tecnología de los proveedores de la nube». Scania utiliza una malla de datos construida sobre la plataforma de Snowflake para generar servicios basados ​​en información para los clientes. Hoy, la empresa tiene alrededor de 60 cuentas de Snowflake. Holmström está interesado en explorar cómo esta base puede crear una plataforma confiable para la IA. «Con nuestra malla, sabemos que podemos confiar en nuestros datos», afirma. «Podemos centrarnos en resolver problemas empresariales y dejar que Snowflake y AWS se ocupen de la pila tecnológica. Es casi como una IA de autoservicio». Eutelsat: Identifique sus desafíos clave Miguel Morgado, propietario senior de productos para el centro de rendimiento en Eutelsat Group, dice que la mayoría de los proyectos de IA de la compañía satelital se centran en la predicción de interrupciones y el análisis de la causa raíz. Uno de los casos de uso clave es la predicción meteorológica. «Los eventos meteorológicos, como un ciclón, una tormenta o una lluvia intensa, pueden afectar a las antenas parabólicas», dice. «Todos los operadores satelitales tienen mitigaciones, como aumentar la potencia de la señal durante una lluvia intensa. Los datos meteorológicos en tiempo real pueden ayudarnos a predecir cuándo el clima afectará a los terminales de los usuarios en cada región y brindar el mejor servicio al cliente». Eutelsat ofrece garantías de servicio a sus clientes. Los datos y la IA pueden ayudar a la empresa a garantizar que cumple con los acuerdos de nivel de servicio. Morgado explica cómo su organización alimenta fuentes de datos en Snowflake y ejecuta algoritmos para generar información. «Todo lo hacemos nosotros internamente», dice. «No usamos ChatGPT, Mistral ni nada más. Planeamos usar Cortex para ciertos casos de uso. Trabajaremos en esa área durante los próximos seis meses. Ya estamos haciendo una prueba de concepto. “Estamos tanteando el terreno”, afirma Morgado, que las exploraciones de su empresa en materia de IA sugieren que hay que superar algunos retos. Uno de los problemas clave es garantizar que la empresa tenga acceso a un gráfico de conocimiento, una colección de descripciones interconectadas de entidades que contextualizan los datos y permiten el análisis y la colaboración. “El problema con la IA es que es fácil decir: ‘Dime cómo está mi satélite’ y el sistema dirá: ‘Está en servicio’. Sin embargo, es difícil preguntar: ‘¿Cómo está el rendimiento de nuestra red en Londres?’. Esa pregunta es difícil de responder porque se necesita un gráfico de conocimiento sobre los datos y la IA”. Morgado afirma que Eutelsat está trabajando con RelationAI para explorar cómo funciona su gráfico de conocimiento en la plataforma Snowflake: “Uno de los grandes retos para nosotros es cómo podemos utilizar la IA y los gráficos de conocimiento, y eso es lo que estamos probando”.