Salesforce ha dado su último paso en el espacio de la IA con Agentforce, una plataforma para implementar IA generativa en áreas como atención al cliente, servicio, ventas o marketing. Estará disponible el 25 de octubre. En una conferencia de prensa el 12 de septiembre, el director ejecutivo de Salesforce, Marc Benioff, enfatizó que los clientes de Agentforce no necesitarán construir sus propios modelos de IA o incluso elegir manualmente entre modelos y que la IA no será un «copiloto adicional» que agregue hinchazón a los servicios existentes. Los servicios anteriormente conocidos como Einstein Copilot, incluido Einstein Copilot en Slack, ahora estarán bajo la marca Agentforce. Agentforce convierte a los chatbots en conversadores generativos Agentforce es una plataforma de implementación para agentes de IA generativa que pueden interactuar de forma autónoma con clientes actuales y potenciales. Se conecta a la nube de datos de Salesforce y filtra datos estructurados y no estructurados a través del motor de razonamiento Atlas, un pilar de la implementación de IA generativa de la empresa. El lago de datos de la nube de datos puede almacenar datos de «copia cero», extrayendo de sistemas externos sin duplicar los datos. El Atlas Reasoning Engine es una herramienta patentada que Salesforce no ha detallado completamente. Sin embargo, explicaron que Atlas sirve como mecanismo para: filtrar las decisiones de los agentes de IA. “Razonar” qué datos son los más relevantes. Hacer referencias cruzadas de las respuestas propuestas con información del mundo real. Los agentes de Agentforce pueden tener conversaciones autónomas con los clientes para responder preguntas de servicio, llamar a los clientes potenciales o trabajar en campañas de marketing. Pueden interactuar con los clientes a través de voz, teléfono o mensajes de texto. Durante el evento del 12 de septiembre, Salesforce demostró cómo una “personalidad” de IA (con su propio nombre, acceso a la información de la empresa y configuraciones) se puede utilizar de forma multimodal en varios medios. VER: ¿Cuáles son las diferentes etapas de CRM? Benioff recomendó utilizar Agentforce como reemplazo del personal de atención al cliente de nivel 1, los respondedores de primera línea. Los agentes de IA aún podrían escalar preguntas más difíciles a los trabajadores de nivel 2, los miembros del personal con más experiencia. Agentforce se puede implementar como una solución de código bajo, donde una biblioteca de acciones para el agente se puede integrar en un menú, con cierta personalización del agente realizada mediante lenguaje natural. Prompt Builder, un servicio para crear avisos de Data Cloud, ayuda a los usuarios a personalizar los agentes autónomos. Hay un generador de modelos de código bajo disponible para las organizaciones que deseen utilizar sus LLM y API preferidas en Prompt Builder. Los agentes de Agentforce se pueden personalizar con roles al principio, y se puede agregar acceso a datos específicos más tarde. Imagen: Salesforce Los agentes estarán sujetos a algunos de los mismos estándares de seguridad y monitoreo de llamadas que los agentes humanos. La función Salesforce Omni Supervisor existente podrá monitorear a los agentes y señalar los problemas. La directora ejecutiva de Salesforce AI, Clara Shih, dijo que esto puede permitir que los supervisores humanos intervengan en caso de que la información proveniente de Agentforce sea inapropiada o inexacta. “Omni Supervisor es ahora un lugar donde los gerentes de servicio también pueden administrar sus agentes de AgentForce. Pueden filtrar por tema, pueden detectar puntos críticos…”, dijo Shih. “Al igual que con un nuevo empleado con un humano, pueden intervenir y asegurarse de que nada salga mal”. Más cobertura de IA de lectura obligada Salesforce intenta resolver el problema de los árboles telefónicos y los tiempos de espera La era actual de la IA ha dejado a las organizaciones preguntándose dónde están los valores tangibles del cliente, según Benioff. Los clientes «quieren recuperar su tiempo», dijo Benioff, posicionando a Agentforce como una alternativa potencial a la espera en espera con un representante de servicio al cliente. Agentforce tendrá un precio por conversación Agentforce cuesta $ 2 por conversación. Salesforce no detalló cómo se comparan los $ 2 por conversación con los trabajadores humanos. Agentforce para servicio y ventas estará disponible el 25 de octubre, pero ciertos elementos del Atlas Reasoning Engine no estarán listos hasta febrero de 2025. Lanzamientos de productos de Salesforce en octubre Las actualizaciones adicionales de Salesforce que llegarán en la actualización de octubre incluyen una herramienta de planificación de logro de cuotas y un servicio de empleados de ServiceCloud, que es una solución de IA para el soporte a los empleados.
Etiqueta: IA generativa Página 1 de 11
Apple reveló cuatro modelos del próximo iPhone 16 el 9 de septiembre, todos los cuales podrán ejecutar la Inteligencia Artificial generativa de Apple cuando iOS 18.1 esté disponible a finales de este año. Los cuatro modelos son: iPhone 16. iPhone 16 Plus. iPhone 16 Pro. iPhone 16 Pro Max. Cada uno estará disponible para preordenar el 13 de septiembre y a la venta el 20 de septiembre. El iPhone 16 reorganiza los controles de la cámara El iPhone 16 puede ejecutar la IA generativa de Apple Intelligence. Imagen: Apple Los diseños del último iPhone no son una gran desviación de las iteraciones anteriores, y Apple quizás confíe en las características de IA generativa para diferenciar a los teléfonos inteligentes de próxima generación. El iPhone 16 ofrece oro, ultramar y rosa como nuevos colores. El iPhone 16 tiene 6,1 pulgadas de ancho, mientras que el iPhone 16 Plus tiene 6,7 pulgadas. Un botón lateral controla las funciones de la cámara, lo que le da al iPhone 16 una postura clásica de cámara cuando se sostiene horizontalmente. El botón de control de la cámara también desbloquea funciones de edición de fotos. La aplicación Fotos se basa en el diseño de clasificación de fotos del iPhone 15, agrupando imágenes de personas o eventos específicos. El iPhone 16 comienza en $ 799 y el iPhone 16 Plus comienza en $ 899. iPhone 16 Pro El iPhone 16 Pro sirve a fotógrafos y cineastas profesionales. Imagen: Apple Los modelos premium del iPhone 16 vienen con una pantalla más grande (6.3 «o 6.9»). Para aquellos que todavía lamentan el compacto iPhone 5, la noticia de un tamaño más grande puede no ser alentadora, pero Apple ha mantenido los teléfonos premium impresionantemente delgados. El chip A18 Pro trae un motor neuronal de 16 núcleos para un rendimiento más rápido de las cargas de trabajo de IA generativa y mejora el rendimiento de los gráficos. Puede manejar captura y codificación de video profesional, incluida cámara lenta y 4K, y tiene lentes de cámara de ultra alta resolución y telefoto. Apple Intelligence ofrece capacidades de IA generativa Apple Intelligence en el iPhone está habilitada por el chip A18 más potente y eficiente, creado específicamente para el iPhone 16. Sin embargo, deberá esperar una actualización de software, ya que Apple Intelligence llegará con iOS 18.1 el próximo año. Los usuarios de Siri podrían usar lenguaje natural antes de eso. Como Apple anunció en junio, Apple Intelligence permitirá: Resumir correos electrónicos y notificaciones. Priorizar notificaciones. Herramientas de escritura generativa y de resumen para correo electrónico, mensajes y más. Crear nuevos emoji. Generar imágenes originales en Image Playground. Buscar y ordenar fotos usando indicaciones de lenguaje natural. Unir imágenes y videos para crear películas. Inteligencia visual, con la que su teléfono puede detectar información sobre escenas vistas a través de la cámara. Limpieza y edición generativa de fotos. Los modelos de IA utilizados para muchas de estas tareas están hechos por Apple y se ejecutan en el teléfono. Para tareas más intensivas, algunas tareas de IA se pueden ejecutar en nubes privadas para aprovechar los modelos de OpenAI. Apple enfatizó que los datos utilizados en estas nubes privadas nunca se comparten con la empresa y que los centros de datos utilizados en estas operaciones funcionan con energía renovable. VER: ¿El llavero iCloud de Apple es adecuado para su negocio? Además, Siri podrá responder a indicaciones más naturales o captar lo que dijo si se traba con sus palabras. Estas funciones estarán disponibles en versión beta a finales de este año en inglés de EE. UU., seguidas de otras variantes del inglés a finales de este año e idiomas adicionales en 2025. Cobertura imprescindible de Apple Apple anuncia cuatro nuevas versiones de AirPods Apple mostró varios modelos nuevos de AirPods para 2024: AirPods 4. AirPods 4 con cancelación activa de ruido. AirPods Pro 2. AirPods Max. Los AirPods 4 funcionan con el chip H2 y una nueva arquitectura acústica para un mejor audio. El audio espacial brinda sonido envolvente, mientras que Siri y el aprendizaje automático hacen que las llamadas sean más claras y le permiten responder algunas preguntas de Siri con un movimiento de cabeza o asentir. La música y las llamadas se pueden iniciar o finalizar con un botón en el tallo. La cancelación activa de ruido significa que los AirPods silenciarán automáticamente tu música o medios cuando los dispositivos detecten que estás hablando. Los precios son los siguientes: $129 para AirPods 4. $179 para AirPods 4 con cancelación activa de ruido. $249 para AirPods Pro 2. $549 para AirPods Max. El Apple Watch Series 10 es más grande y más delgado El diseño del Apple Watch Series 10 presenta una pantalla relativamente grande y bordes delgados (9,7 milímetros). La pantalla OLED de gran angular se ha optimizado para facilitar la lectura y un tamaño de fuente más grande. Para las empresas, eso significa notificaciones más fáciles de leer y respuestas más rápidas a mensajes urgentes. La caja viene en un nuevo color: negro azabache, hecha de aluminio. El Apple Watch Series 10 vendrá en oro rosa o plata. Los usuarios pueden reproducir medios o música directamente a través del altavoz del reloj, en lugar de necesitar AirPods. Las cajas de aluminio pesan hasta un 10% menos que las generaciones anteriores, y una nueva opción de caja de titanio reemplaza al acero inoxidable para una reducción del 20% en peso en comparación con la Serie 9 de acero inoxidable. El Apple Watch Series 10 está optimizado para una fuente más grande y una mejor visibilidad desde cualquier ángulo. Imagen: Apple El nuevo reloj alcanza una carga del 80% en solo 30 minutos, dice Apple. Dentro del reloj está el chip S10, con un motor neuronal de 4 núcleos para herramientas de aprendizaje automático como dictado, detección automática de entrenamiento, detección de caídas o Siri. Las redes neuronales también se utilizan para suprimir el ruido de fondo en las llamadas telefónicas. La traducción también estará disponible. El CEO de Apple, Tim Cook, enfatizó las aplicaciones de salud, como monitores cardíacos y detección de choques. El Apple Watch Series 10 ha sido validado para detectar la apnea del sueño, una nueva incorporación al conjunto detallado de capacidades de monitoreo de la salud. Se espera que la aprobación de la FDA llegue en otoño para los EE. UU., y luego esté disponible a nivel internacional. El Apple Watch Series 10 tiene un precio inicial de 399 dólares, y los pedidos por adelantado comienzan hoy y estará disponible para el público en general el 20 de septiembre. El Apple Watch Ultra 2, el diseño más resistente, ofrece entrenamientos personalizados, funciones de ritmo para corredores y detección de actividad. Este modelo, pensado para deportistas, tiene un precio inicial de 799 dólares, y los pedidos por adelantado comienzan hoy y estará disponible el 20 de septiembre.
A pesar de la promesa de que la inteligencia artificial transformará las industrias, el aumento de los costos y los riesgos cada vez mayores están haciendo que muchos proyectos de IA fracasen, como lo destacan varios informes recientes. Al menos el 30% de los proyectos de IA generativa se abandonarán después de la etapa de prueba de concepto para fines de 2025, según un nuevo informe de Gartner. Las empresas están «luchando por demostrar y obtener valor» en sus esfuerzos, que cuestan entre 5 y 20 millones de dólares en inversiones iniciales. Un informe independiente de Deloitte proporcionó un resultado similar. De las 2.770 empresas encuestadas, el 70% dijo que solo ha trasladado el 30% o menos de sus experimentos de GenAI a la etapa de producción. La falta de preparación y los problemas relacionados con los datos se atribuyen a esta baja tasa de éxito. Las perspectivas generales para los proyectos de IA no son optimistas. Una investigación del grupo de expertos RAND descubrió que, a pesar de que las inversiones del sector privado en IA se multiplicaron por 18 entre 2013 y 2022, más del 80% de los proyectos de IA fracasan, el doble de la tasa de fracaso en los proyectos de TI corporativos que no involucran IA. La disparidad en el respaldo financiero y la finalización es un probable contribuyente a que las «Siete Magníficas» empresas tecnológicas (NVIDIA, Meta, Alphabet, Microsoft, Amazon, Tesla y Apple) pierdan un total de 1,3 billones de dólares en acciones en cinco días el mes pasado. VER: Casi 1 de cada 10 empresas gastará más de 25 millones de dólares en iniciativas de IA en 2024, según el informe de Searce Se requieren altas inversiones iniciales en proyectos GenAI antes de que se obtengan beneficios El uso de una API GenAI (una interfaz que permite a los desarrolladores integrar modelos GenAI en sus aplicaciones) podría costar hasta 200.000 dólares por adelantado y 550 dólares adicionales por usuario al año, estima Gartner. Además, crear o ajustar un modelo personalizado puede costar entre 5 y 20 millones de dólares, más entre 8.000 y 21.000 dólares por usuario al año. La inversión media en IA de los líderes mundiales de TI fue de 879.000 dólares el año pasado, según un informe del proveedor de software de automatización ABBYY. Casi todos (el 96%) de los encuestados dijeron que aumentarían estas inversiones el próximo año, a pesar de que un tercio afirmó que les preocupan estos altos costos. Los analistas de Gartner escribieron que GenAI «requiere una mayor tolerancia a los criterios de inversión financiera indirecta y futura frente al retorno inmediato de la inversión», con lo que «muchos directores financieros no se han sentido cómodos». Pero no son solo los directores financieros los que tienen preocupaciones sobre el retorno de la inversión de los esfuerzos de IA. Los inversores de las empresas tecnológicas más grandes del mundo han expresado recientemente dudas sobre cuándo, o si, su respaldo dará sus frutos. Jim Covello, analista de acciones de Goldman Sachs, escribió en un informe de junio: «A pesar de su elevado precio, la tecnología no está ni cerca de donde necesita estar para ser útil». VER: Las nuevas empresas tecnológicas del Reino Unido sufren su primera caída desde 2022, un 11% este trimestre Además, los valores de mercado de Alphabet y Google disminuyeron en agosto, ya que sus ingresos no compensaron sus inversiones en infraestructura de IA. Más cobertura de IA de lectura obligada Otras causas del fracaso de los proyectos GenAI ¿Una de las principales razones del fracaso en el lanzamiento de proyectos GenAI empresariales? La falta de preparación. Menos de la mitad de los encuestados por Deloitte sintieron que sus organizaciones estaban muy preparadas en las áreas de infraestructura tecnológica y gestión de datos, ambos elementos básicos necesarios para ampliar los proyectos de IA a un nivel en el que se puedan obtener beneficios. El estudio de RAND también descubrió que las organizaciones a menudo no tienen la «infraestructura adecuada para gestionar sus datos e implementar modelos de IA completos». Solo alrededor de 1 de cada 5 encuestados de Deloitte indicó preparación en las áreas de «talento» y «riesgo y gobernanza», y muchas organizaciones están contratando o mejorando activamente las habilidades para roles de ética de IA como resultado. VER: El 83% de las empresas del Reino Unido aumentan los salarios para las habilidades de IA La calidad de los datos representa un obstáculo adicional para ver los proyectos GenAI hasta su finalización. El estudio de Deloitte encontró que el 55% de las empresas han evitado ciertos casos de uso de GenAI debido a problemas relacionados con los datos, como la confidencialidad de los datos o las preocupaciones sobre su privacidad y seguridad. La investigación de RAND también destacó que muchas organizaciones no tienen los datos necesarios para entrenar un modelo efectivo. A través de entrevistas con 65 científicos e ingenieros de datos, los analistas de RAND descubrieron que la causa principal del fracaso del proyecto de IA implica una falta de claridad sobre el problema que promete resolver. Las partes interesadas de la industria a menudo malinterpretan o comunican mal este problema, o eligen uno que es demasiado complicado de resolver con la tecnología. La organización también puede estar más enfocada en emplear la «última y mejor tecnología» que en resolver realmente el problema en cuestión. Otras preocupaciones que pueden contribuir al fracaso del proyecto GenAI citadas por Deloitte incluyen el riesgo inherente de la IA (alucinaciones, sesgo, preocupaciones sobre la privacidad) y mantenerse al día con las nuevas regulaciones como la Ley de IA de la UE. Las empresas se mantienen firmes en su búsqueda de nuevos proyectos GenAI A pesar de las bajas tasas de éxito, el 66% de los CIO con sede en EE. UU. están en proceso de implementar copilotos GenAI, en comparación con el 32% en diciembre, según un informe de Bloomberg. El principal caso de uso citado fueron los agentes de chatbot, como para aplicaciones de servicio al cliente. El porcentaje de encuestados que afirmó que actualmente estaban entrenando modelos base también aumentó del 26% al 40% en el mismo período. El informe de RAND proporcionó evidencia de que las empresas no estaban reduciendo sus esfuerzos en GenAI como resultado de los desafíos para lograr que avanzaran. Según una encuesta, el 58% de las corporaciones medianas ya han implementado al menos un modelo de IA en producción. Impulsando esta perseverancia continua en GenAI hay algunos impactos tangibles en el ahorro de ingresos y la productividad, según Gartner. Mientras tanto, dos tercios de las organizaciones encuestadas por Deloitte dijeron que están aumentando sus inversiones porque han visto un fuerte valor inicial. Sin embargo, la investigación de ABBYY encontró que el 63% de los líderes de TI globales están preocupados de que su empresa se quede atrás si no la usan. Incluso hay evidencia de que GenAI se está convirtiendo en una distracción. Según IBM, el 47% de los líderes tecnológicos sienten que la función de TI de su empresa es efectiva en la prestación de servicios básicos, una disminución del 22% desde 2013. Los investigadores sugieren que esto está relacionado con que están dirigiendo su atención a GenAI, ya que el 43% de los ejecutivos de tecnología dicen que ha aumentado sus preocupaciones sobre la infraestructura en los últimos seis meses. Rita Sallam, analista vicepresidenta de Gartner, dijo: «Estos datos sirven como un valioso punto de referencia para evaluar el valor comercial derivado de la innovación del modelo comercial GenAI. «Pero es importante reconocer los desafíos en la estimación de ese valor, ya que los beneficios son muy específicos de la empresa, el caso de uso, el rol y la fuerza laboral. A menudo, el impacto puede no ser evidente de inmediato y puede materializarse con el tiempo. Sin embargo, este retraso no disminuye los beneficios potenciales”.
La mayoría de la gente supone que la IA generativa seguirá mejorando cada vez más; después de todo, esa ha sido la tendencia hasta ahora. Y puede que así sea. Pero lo que algunas personas no saben es que los modelos de IA generativa son tan buenos como los enormes conjuntos de datos con los que se entrenan, y esos conjuntos de datos no se construyen a partir de datos privados que pertenecen a empresas líderes de IA como OpenAI y Anthropic. En cambio, están compuestos de datos públicos que fueron creados por todos nosotros: cualquiera que haya escrito una publicación en un blog, publicado un video, comentado en un hilo de Reddit o básicamente hecho cualquier otra cosa en línea. Un nuevo informe de la Data Provenance Initiative, un colectivo voluntario de investigadores de IA, arroja luz sobre lo que está sucediendo con todos esos datos. El informe, «Consent in Crisis: The Rapid Decline of the AI Data Commons», señala que una cantidad significativa de organizaciones que se sienten amenazadas por la IA generativa están tomando medidas para aislar sus datos. IEEE Spectrum habló con Shayne Longpre, investigador principal de la Iniciativa de Procedencia de Datos, sobre el informe y sus implicaciones para las empresas de IA. Shayne Longpre sobre: Cómo los sitios web mantienen alejados a los rastreadores web y por qué La desaparición de datos y lo que significa para las empresas de IA Datos sintéticos, datos pico y qué sucede a continuación La tecnología que utilizan los sitios web para mantener alejados a los rastreadores web no es nueva: el protocolo de exclusión de robots se introdujo en 1995. ¿Puede explicar qué es y por qué de repente se volvió tan relevante en la era de la IA generativa? Shayne Longpre Shayne Longpre: Robots.txt es un archivo legible por máquina que los rastreadores (bots que navegan por la web y registran lo que ven) utilizan para determinar si rastrear o no ciertas partes de un sitio web. Se convirtió en el estándar de facto en la era en la que los sitios web lo usaban principalmente para dirigir la búsqueda web. Así que piense en Bing o Google Search; querían registrar esta información para poder mejorar la experiencia de navegación de los usuarios por la web. Esta era una relación muy simbiótica porque la búsqueda web funciona enviando tráfico a sitios web y los sitios web quieren eso. En términos generales, la mayoría de los sitios web funcionaron bien con la mayoría de los rastreadores. Permítanme hablar ahora sobre una cadena de afirmaciones que es importante entender. Los modelos de IA de propósito general y sus impresionantes capacidades dependen de la escala de datos y computación que se han utilizado para entrenarlos. La escala y los datos realmente importan, y hay muy pocas fuentes que brinden una escala pública como lo hace la web. Muchos de los modelos básicos se entrenaron en [data sets composed of] Los robots.txt son una parte importante de la web. Estos conjuntos de datos populares e importantes incluyen básicamente sitios web y la infraestructura de rastreo que se utiliza para recopilar, empaquetar y procesar esos datos. Nuestro estudio no solo analiza los conjuntos de datos, sino también las señales de preferencia de los sitios web subyacentes. Es la cadena de suministro de los datos en sí. Pero en el último año, muchos sitios web han comenzado a usar robots.txt para restringir los bots, especialmente los sitios web que se monetizan con publicidad y muros de pago, como las noticias y los artistas. Tienen especial miedo, y tal vez con razón, de que la IA generativa pueda afectar sus medios de vida. Por eso están tomando medidas para proteger sus datos. Cuando un sitio coloca restricciones en robots.txt, es como poner una señal de prohibición de entrada, ¿no? No es exigible. Tienes que confiar en que los rastreadores lo respeten. Longpre: La tragedia de esto es que robots.txt es legible por máquina, pero no parece ser legalmente exigible. Mientras que los términos del servicio pueden ser legalmente exigibles, pero no son legibles por máquina. En los términos del servicio, pueden articular en lenguaje natural cuáles son las preferencias para el uso de los datos. Así, pueden decir cosas como: «Puedes usar estos datos, pero no comercialmente». Pero en un robots.txt, tienes que especificar individualmente los rastreadores y luego decir qué partes del sitio web permites o no para ellos. Esto supone una carga indebida para los sitios web, que deben averiguar, entre miles de rastreadores diferentes, cuáles corresponden a los usos que les gustarían y cuáles no. ¿Sabemos si los rastreadores generalmente respetan las restricciones en robots.txt? Longpre: Muchas de las principales empresas tienen documentación que dice explícitamente cuáles son sus reglas o procedimientos. En el caso, por ejemplo, de Anthropic, dicen que respetan el robots.txt para ClaudeBot. Sin embargo, muchas de estas empresas también han estado en las noticias últimamente porque se las ha acusado de no respetar el robots.txt y rastrear sitios web de todos modos. No está claro desde fuera por qué hay una discrepancia entre lo que las empresas de IA dicen que hacen y lo que se les acusa de hacer. Pero muchos de los grupos prosociales que utilizan el rastreo (empresas emergentes más pequeñas, académicos, organizaciones sin fines de lucro, periodistas) tienden a respetar el archivo robots.txt. No son el objetivo previsto de estas restricciones, pero se ven bloqueados por ellas. volver al principioEn el informe, analizaron tres conjuntos de datos de entrenamiento que se utilizan a menudo para entrenar sistemas de IA generativa, que se crearon a partir de rastreos web en años anteriores. Descubrieron que, entre 2023 y 2024, hubo un aumento muy significativo en la cantidad de dominios rastreados que desde entonces habían sido restringidos. ¿Pueden hablarnos de esos hallazgos?Longpre: Lo que descubrimos es que si observamos un conjunto de datos en particular, tomemos C4, que es muy popular, creado en 2019, en menos de un año, aproximadamente el 5 por ciento de sus datos han sido revocados si respeta o se adhiere a las preferencias de los sitios web subyacentes. Ahora bien, un 5 por ciento no parece mucho, pero lo es cuando te das cuenta de que esta parte de los datos corresponde principalmente a los datos de mayor calidad, mejor mantenidos y más actualizados. Cuando analizamos los 2000 sitios web principales de este conjunto de datos C4 (son los 2000 principales por tamaño y son principalmente sitios de noticias, grandes sitios académicos, redes sociales y sitios web de alta calidad bien seleccionados), el 25 por ciento de los datos de esos 2000 principales ha sido revocado desde entonces. Lo que esto significa es que la distribución de datos de entrenamiento para modelos que respetan robots.txt está cambiando rápidamente de sitios web académicos, de noticias de alta calidad, foros y redes sociales a sitios web más personales y de organizaciones, así como de comercio electrónico y blogs. Eso parece que podría ser un problema si le pedimos a alguna versión futura de ChatGPT o Perplexity que responda preguntas complicadas y está tomando la información de blogs personales y sitios de compras. Longpre: Exactamente. Es difícil medir cómo afectará esto a los modelos, pero sospechamos que habrá una brecha entre el rendimiento de los modelos que respetan robots.txt y el rendimiento de los modelos que ya han asegurado estos datos y están dispuestos a entrenarse con ellos de todos modos. Pero los conjuntos de datos más antiguos siguen intactos. ¿Pueden las empresas de IA simplemente usar los conjuntos de datos más antiguos? ¿Cuál es la desventaja de eso? Longpre: Bueno, la actualización continua de los datos realmente importa. Tampoco está claro si robots.txt se puede aplicar de forma retroactiva. Los editores probablemente argumentarían que sí. Por lo tanto, depende de su apetito por las demandas o hacia dónde cree que podrían ir las tendencias, especialmente en los EE. UU., con las demandas en curso en torno al uso justo de los datos. El principal ejemplo es obviamente The New York Times contra OpenAI y Microsoft, pero ahora hay muchas variantes. Hay mucha incertidumbre en cuanto a qué camino tomará. El informe se llama «Consent in Crisis». ¿Por qué lo considera una crisis? Longpre: Creo que es una crisis para los creadores de datos, debido a la dificultad de expresar lo que quieren con los protocolos existentes. Y también para algunos desarrolladores que no son comerciales y tal vez ni siquiera están relacionados con la IA, los académicos e investigadores están descubriendo que estos datos son cada vez más difíciles de acceder. Y creo que también es una crisis porque es un desastre. La infraestructura no fue diseñada para dar cabida a todos estos diferentes casos de uso a la vez. Y finalmente se está convirtiendo en un problema debido a la colisión de estas enormes industrias, con la IA generativa contra los creadores de noticias y otros. ¿Qué pueden hacer las empresas de IA si esto continúa y cada vez se restringen más datos? ¿Cuáles serían sus movimientos para seguir entrenando modelos enormes? Longpre: Las grandes empresas lo licenciarán directamente. Puede que no sea un mal resultado para algunas de las grandes empresas si muchos de estos datos se excluyen o son difíciles de recopilar, solo crea un mayor requisito de capital para ingresar. Creo que las grandes empresas invertirán más en el proceso de recopilación de datos y en obtener acceso continuo a fuentes de datos valiosas generadas por los usuarios, como YouTube, GitHub y Reddit. Adquirir acceso exclusivo a esos sitios es probablemente una jugada de mercado inteligente, pero problemática desde una perspectiva antimonopolio. Estoy particularmente preocupado por las relaciones exclusivas de adquisición de datos que podrían surgir de esto. volver al inicio¿Cree que los datos sintéticos pueden llenar el vacío? Longpre: Las grandes empresas ya están utilizando datos sintéticos en grandes cantidades. Existen tanto temores como oportunidades con los datos sintéticos. Por un lado, ha habido una serie de trabajos que han demostrado el potencial de colapso del modelo, que es la degradación de un modelo debido al entrenamiento en datos sintéticos deficientes que puede aparecer con mayor frecuencia en la web a medida que se liberan más y más bots generativos. Sin embargo, creo que es poco probable que los modelos grandes se vean obstaculizados mucho porque tienen filtros de calidad, por lo que la mala calidad o el material repetitivo se pueden desviar. Y las oportunidades de los datos sintéticos son cuando se crean en un entorno de laboratorio para que sean de muy alta calidad y se dirijan particularmente a dominios que están subdesarrollados. ¿Le da crédito a la idea de que podemos estar en el pico de datos? ¿O cree que es una preocupación exagerada? Longpre: Hay una gran cantidad de datos sin explotar por ahí. Pero lo más interesante es que gran parte de esto está oculto detrás de archivos PDF, por lo que es necesario realizar OCR. [optical character recognition]. Muchos datos están bloqueados en los gobiernos, en canales privados, en formatos no estructurados o en formatos difíciles de extraer como los PDF. Creo que habrá mucha más inversión en averiguar cómo extraer esos datos. Creo que en términos de datos fácilmente disponibles, muchas empresas están empezando a toparse con muros y a recurrir a datos sintéticos. ¿Cuál es la tendencia en este caso? ¿Espera que más sitios web impongan restricciones a robots.txt en los próximos años? Longpre: Esperamos que las restricciones aumenten, tanto en robots.txt como en términos de servicio. Esas tendencias son muy claras en nuestro trabajo, pero podrían verse afectadas por factores externos como la legislación, los cambios de políticas de las propias empresas, el resultado de demandas judiciales, así como la presión de la comunidad por parte de los gremios de escritores y cosas así. Y espero que la creciente mercantilización de los datos provoque un mayor conflicto en este espacio. ¿Qué le gustaría que sucediera en términos de estandarización dentro de la industria para facilitar que los sitios web expresen sus preferencias sobre el rastreo? Longpre: En la Iniciativa Data Province, definitivamente esperamos que surjan y se adopten nuevos estándares para permitir que los creadores expresen sus preferencias de una manera más granular en relación con los usos de sus datos. Eso haría que la carga sea mucho más fácil para ellos. Creo que es una obviedad y una situación en la que todos ganan. Pero no está claro quién es el trabajo de crear o hacer cumplir estos estándares. Sería increíble si la iniciativa Data Province [AI] Las propias empresas podrían llegar a esta conclusión y hacerlo, pero el diseñador del estándar casi inevitablemente tendrá algún sesgo hacia su propio uso, especialmente si se trata de una entidad corporativa. También es cierto que las preferencias no deben respetarse en todos los casos. Por ejemplo, no creo que a los académicos o periodistas que realizan investigaciones prosociales se les deba prohibir necesariamente el acceso a datos con máquinas que ya son públicas, en sitios web que cualquiera podría visitar por sí mismo. No todos los datos son creados de la misma manera y no todos los usos son creados de la misma manera. volver arribaArtículos de su sitioArtículos relacionados en la Web
Datos básicos de MarketoPrecio inicial: Contacte para solicitar un presupuesto.Características principales:Mapa de interacción.Publicidad digital.Gestión de cuentas objetivo.Segmentación de clientes potenciales.Contenido predictivo.Atribución multitáctil. Marketo Engage es un potente software de automatización de marketing que se ofrece como producto individual o dentro de un conjunto de herramientas de Adobe. Si bien no es un software CRM independiente en sí mismo, Marketo puede integrarse con los principales proveedores de CRM para obtener funciones y soporte de marketing adicionales. Marketo es una solución singular que puede generar, segmentar e incluso nutrir nuevos clientes potenciales y clientes, todas características que se alinean estrechamente con la mayoría del software CRM de marketing. Destacaré las principales características y compararé Marketo con herramientas CRM de marketing similares para ayudarlo a decidir si vale la pena invertir en él como una herramienta separada para la generación avanzada de clientes potenciales. 1 lunes CRM Empleados por tamaño de empresa Micro (0-49), Pequeña (50-249), Mediana (250-999), Grande (1000-4999), Empresarial (5000+) Cualquier tamaño de empresa Cualquier tamaño de empresa Características Calendario, Herramientas de colaboración, Gestión de contactos y más 3 HubSpot CRM Empleados por tamaño de empresa Micro (0-49), Pequeña (50-249), Mediana (250-999), Grande (1000-4999), Empresarial (5000+) Micro (0-49 Empleados), Pequeña (50-249 Empleados), Mediana (250-999 Empleados), Grande (1000-4999 Empleados) Micro, Pequeña, Mediana, Grande Precios de Marketo La estructura de precios de Marketo es ligeramente diferente a los precios típicos de CRM, y cada plan tiene una cantidad máxima de usuarios disponibles. Marketo se puede comprar a través de Adobe Suite o como un producto individual. Todos los niveles de plan que se enumeran a continuación requieren que se los contacte para obtener una cotización de precio. Estos son los niveles para Marketo como una solución independiente: Crecimiento: para hasta 10 usuarios y 20,000 llamadas por día. Ofrece funciones básicas de marketing por correo electrónico y segmentación con automatizaciones limitadas. Select: para hasta 25 usuarios y 50,000 llamadas por día. Ofrece automatizaciones de marketing esenciales y herramientas de medición. Prime: para hasta 25 usuarios y 50,000 llamadas por día. Ofrece marketing basado en clientes potenciales y cuentas con análisis de recorrido avanzado y personalización de IA. Ultimate: para hasta 25 usuarios y 50,000 llamadas por día. Incluye las automatizaciones de marketing más avanzadas de Marketo con atribuciones premium y Marketo Measure. Características de Marketo Mapa de participación Un mapa de participación es una visualización integrada de todas las interacciones y el compromiso del cliente. Se utilizan para administrar, evaluar y ajustar campañas interconectadas y multicanal. El mapa de participación de Marketo muestra elementos visuales listos para usar, configuraciones de campaña, evaluaciones de flujo de trabajo e incluso capacidades para compartir. Una característica avanzada como esta permite a los equipos validar y expandir campañas inteligentes exitosas. Ejemplo de exportación de mapa de participación de Marketo. Imagen: Marketing por correo electrónico de Marketo El marketing por correo electrónico de Adobe Marketo Engage puede ayudar a crear el correo electrónico en sí y también a crear y actualizar segmentos de clientes potenciales en tiempo real. Una vez hecho esto, la función de marketing por correo electrónico puede enviar comunicaciones personalizadas a los clientes potenciales en función de su actividad en otros canales. Los activadores en tiempo real enviarán correos electrónicos automáticamente y también generarán métricas de rendimiento e informes de datos. Plantilla de marketing por correo electrónico de Marketo. Imagen: IA generativa de Marketo Los usuarios de Marketo Engage también pueden usar Adobe Sensei GenAI. Esta herramienta de IA generativa se puede usar en chatbots, convirtiéndola en un embajador de marca para su empresa con respuestas y tono relevantes. Esta herramienta también puede compilar resúmenes de conversaciones que ayudan a los representantes de ventas a prepararse para las reuniones con los clientes. Un tercer beneficio de la herramienta es la asistencia para conversaciones y diálogos que genera una biblioteca completa de temas, preguntas y respuestas para su chat generativo o representantes y durante las conversaciones de chat en vivo. Adobe Sensei GenAI para Marketo Engage. Imagen: Marketo Análisis de marketing El rastreador de análisis de marketing de Marketo conectará y organizará automáticamente los datos de todos los puntos de contacto del cliente en todos los canales y campañas. Los usuarios pueden seleccionar mosaicos y paneles prediseñados que informan sobre canales, campañas e incluso piezas individuales de contenido específicos. Con estos análisis de datos y análisis avanzados, las empresas pueden mejorar la estrategia y las campañas en cada etapa del embudo. Seguimiento de marketing por correo electrónico de Marketo. Imagen: Marketo Ventajas de Marketo Se integra con los proveedores de CRM más populares. Los usuarios informan de plantillas altamente personalizables. Herramientas avanzadas de segmentación y puntuación de clientes potenciales. Desventajas de Marketo Los usuarios reales informan de una UX/UI obsoleta. Los informes de Marketo Measure solo están disponibles en el nivel de pago más alto. No hay información de precios por adelantado. Alternativas a Marketo MarketoHubSpotMailchimpActiveCampaign Pruebas A/BNoSíSíSí Segmentación de clientes potencialesAvanzadoAvanzadoMedioAvanzado Integraciones 100+1,500+300+900+ Herramientas impulsadas por IASíSíSíSí Prueba gratuita7 díasn/d30 días14 días Precio inicialContáctenos para solicitar una cotizaciónPrecio inicial gratuitoPrecio inicial gratuito$15 por usuario, por mes HubSpot HubSpot es un CRM gratuito de primer nivel y una gran solución para pequeñas empresas. También ofrece un conjunto de herramientas de marketing, como campañas por correo electrónico, formularios web, administración de anuncios y más. En comparación con Marketo, HubSpot también tiene una solución de ventas y servicio. Esto lo convierte en un CRM de marketing completamente funcional y no solo en una herramienta de automatización de marketing. Mailchimp Mailchimp es una plataforma de marketing y automatización por correo electrónico similar a Marketo. Mailchimp también tiene redes sociales, SMS y marketing de sitios web, pero su servicio principal es el marketing por correo electrónico. En comparación con Mailchimp, Marketo tiene análisis predictivos y generación de informes más avanzados. ActiveCampaign ActiveCampaign también tiene todas las herramientas clave de automatización de marketing como formularios web, campañas de correo electrónico, pruebas A/B y contenido generativo. A diferencia de Marketo, ActiveCampaign tiene un CRM integrado en la herramienta que puede realizar un seguimiento adicional de todas estas campañas de marketing. Este complemento de CRM de canalización y participación solo está disponible en los planes Plus, Pro o Enterprise. De lo contrario, se puede integrar con Salesforce, Microsoft Dynamics y otros. Metodología de revisión Para revisar Marketo como una solución de generación de clientes potenciales y marketing, revisé las principales ofertas, precios y más de la plataforma contra los estándares de la industria. Tomé como referencia material en línea de Adobe, mi propia experiencia con CRM y reseñas de usuarios reales. Todo esto me ayudó a identificar características destacadas y casos de uso ideales para el software. A continuación, se muestran los criterios que utilicé para calificar Marketo: Costo: ponderado el 25% de la puntuación total. Características principales: ponderado el 25% de la puntuación total. Personalizaciones: ponderado el 15% de la puntuación total. Integraciones: ponderado el 15% de la puntuación total. Facilidad de uso: ponderado el 10 % de la puntuación total. Atención al cliente: ponderado el 10 % de la puntuación total. Preguntas frecuentes (FAQ) ¿Puede utilizar Marketo como CRM? Marketo no se puede utilizar como software de CRM en sí, sino como una herramienta de automatización de marketing. Marketo se puede integrar con un CRM para compartir datos, resultados de campañas y canalizar los clientes potenciales generados. Los dos CRM con los que se puede integrar directamente son Salesforce y Microsoft Dynamics. ¿Vale la pena Marketo? Si su empresa está buscando una herramienta de automatización de marketing potente para aumentar los esfuerzos de marketing, ya es usuario de Salesforce o Microsoft Dynamics y puede adaptarse al presupuesto, Marketo vale la pena. Si se cumplen todos esos factores, puede ser una gran incorporación a su pila de tecnología de ventas. En el caso de que esté buscando un CRM más sencillo con estas funciones integradas, existen otras opciones como Freshsales, HubSpot o Zoho CRM.
Huawei, el gigante chino de la tecnología digital, anunció que la adopción de la tecnología de banda ancha inalámbrica 5.5G es inevitable. La compañía cree que la combinación de inteligencia artificial (IA) generativa con 5.5G desbloqueará un nuevo potencial creativo y económico en Tailandia y la región de Asia-Pacífico. El compromiso de Huawei con la transformación digital de Tailandia Abel Deng, presidente de la división de ventas de operadores de Huawei Asia-Pacífico, enfatizó el compromiso de Huawei de acelerar la transformación digital de Tailandia a través de 5.5G. El objetivo es ayudar a Tailandia a convertirse en un centro regional de economía digital. A principios de este año, se completó la estandarización global de 5.5G, lo que marcó un hito significativo para la tecnología. «5.5G no se trata solo de conectividad, se trata de crear un mundo más inteligente y eficiente donde las industrias puedan innovar sin límites», dijo el Sr. Deng. Ventajas clave de 5.5G En comparación con 5G, 5.5G ofrece una mejora diez veces mayor en velocidad de ancho de banda, densidad de conexión, precisión de posicionamiento y eficiencia energética. Esto significa velocidades de enlace descendente de 10 gigabits por segundo (Gbps), velocidades de enlace ascendente de 1 Gbps, cientos de miles de millones de conexiones e inteligencia incorporada. Estos avances respaldarán nuevas aplicaciones como la realidad extendida, la economía de baja altitud y la conectividad inteligente, desbloqueando beneficios digitales aún mayores. El Sr. Deng destacó estos puntos en la Cumbre de TIC de Asia y el Pacífico de Tailandia 2024, un evento de dos días coorganizado por el Ministerio de Economía y Sociedad Digital, Huawei y socios de la industria en GSMA, un grupo comercial de redes móviles sin fines de lucro. Gizchina Noticias de la semana Implementación y soporte global Actualmente, más de 30 tipos de terminales admiten la tecnología 5.5G y 60 operadores han lanzado comercialmente 5.5G. Países desde China hasta los Emiratos Árabes Unidos y desde Hong Kong hasta Omán ya han implementado 5.5G a gran escala. IA y 5.5G: una combinación poderosa Según la firma de investigación de TI IDC, se espera que los envíos de teléfonos inteligentes con IA alcancen los 170 millones de unidades en 2024. Esto representa el 15% del mercado global. Se prevé que la región de Asia y el Pacífico lidere este crecimiento, representando potencialmente el 40-50% de estos envíos. Para entregar las enormes cantidades de contenido esperadas, es necesario 5.5G. Combinado con IA, 5.5G puede desbloquear un potencial económico significativo en la región. «Para Tailandia, es un líder en la transformación digital de la región con un rápido crecimiento en la adopción de 5G, impulsando avances significativos en la industria. Con la llegada de 5.5G, Tailandia está en camino de una fase aún más transformadora», dijo el Sr. Deng. El impacto económico de 5G y 5.5G El Sr. Deng destacó el papel crucial que desempeña 5G en el desarrollo económico digital de todos los países. Las investigaciones en la región de Asia y el Pacífico muestran que cada aumento del 10 % en la penetración de 5G puede impulsar un crecimiento del PIB de entre el 1 y el 1,8 %. Conclusión La promoción de la tecnología de banda ancha inalámbrica 5.5G por parte de Huawei destaca su compromiso con el avance de la transformación digital en la región de Asia y el Pacífico. Con mejoras significativas con respecto a 5G, 5.5G ofrece velocidades más rápidas, mayor densidad de conexión y mayor eficiencia energética. Esta tecnología, combinada con IA, tiene el potencial de desbloquear nuevas oportunidades económicas y creativas, particularmente en Tailandia. Es capaz de convertirse en un centro regional de economía digital. La adopción y el despliegue de 5.5G a escala global señalan un cambio importante hacia una conectividad e innovación más inteligentes y eficientes. Descargo de responsabilidad: es posible que recibamos una compensación de algunas de las empresas de cuyos productos hablamos, pero nuestros artículos y reseñas son siempre nuestras opiniones honestas. Para obtener más detalles, puede consultar nuestras pautas editoriales y obtener más información sobre cómo utilizamos los enlaces de afiliados.
El Comité de Asignaciones de California aprobó el jueves la Ley de Innovación Segura para Modelos de Inteligencia Artificial Fronterizos (también conocida como SB-1047), el último paso en la saga de regulación de Silicon Valley. La Asamblea estatal y el Senado aún deben aprobar el proyecto de ley antes de que se convierta en ley. ¿Qué es SB-1047? Conocida coloquialmente como la Ley de IA de California, y monitoreada de cerca en todo el país por posiblemente sentar un precedente para las pautas estatales en torno a la IA generativa, SB-1047 establece varias reglas para los desarrolladores de IA: Crear protocolos de seguridad y protección para los modelos de IA cubiertos. Garantizar que dichos modelos puedan cerrarse por completo. Prevenir la distribución de modelos capaces de lo que la ley define como «daño crítico». Contratar un auditor para garantizar el cumplimiento de la ley. En resumen, el proyecto de ley proporciona un marco que tiene como objetivo evitar que los modelos de IA generativos causen daños a gran escala a la humanidad, como a través de una guerra nuclear o armas biológicas, o que causen más de $ 500 millones en pérdidas a través de un evento de ciberseguridad. La ley define los «modelos cubiertos» como aquellos que utilizan un poder de cómputo mayor a 10^26 operaciones de números enteros o de punto flotante, cuyo costo supera los $100 millones, durante el entrenamiento. Más cobertura de IA de lectura obligada La versión reciente de la ley incluye aportes de Anthropic La versión del proyecto de ley que se aprobó el jueves incluyó algunos cambios sugeridos por el fabricante de IA Anthropic y aceptados por el autor principal del proyecto de ley, el senador Scott Wiener, demócrata de California. Anthropic solicitó con éxito al estado que eliminara parte del lenguaje del proyecto de ley que decía que las empresas que incumplieran la ley podrían enfrentar acciones legales por parte del fiscal general del estado. La versión más reciente también elimina la necesidad de que las empresas divulguen los resultados de las pruebas de seguridad bajo amenaza de perjurio. En cambio, los desarrolladores deberán presentar declaraciones, que no tienen el mismo peso legal. Otros cambios incluyen: El cambio en la redacción de las empresas de IA que tienen que proporcionar «garantía razonable» de seguridad a «cuidado razonable». Una excepción en la que los investigadores de IA que gastan menos de $10 millones en afinar un modelo cubierto de código abierto no se consideran desarrolladores de ese modelo. VER: Anthropic y OpenAI han realizado su propia investigación sobre cómo la IA generativa crea contenido, incluido el contenido sesgado. El proyecto de ley ya no exige la creación de una División de Modelos Fronterizos, una agencia para supervisar la industria de la IA. En su lugar, una Junta de Modelos Fronterizos centrada en la orientación y las auditorías de seguridad con visión de futuro se ubicará dentro de la actual Agencia de Operaciones del Gobierno. Si bien Anthropic contribuyó al proyecto de ley, otras grandes organizaciones como Google y Meta han expresado su desaprobación. Andreessen Horowitz, una empresa de capital de riesgo conocida como a16z que está detrás de muchas empresas emergentes de IA, se ha opuesto enérgicamente a la SB-1047. ¿Por qué es controvertida la SB-1047? Algunos representantes de la industria y el Congreso dicen que la ley restringirá la innovación y dificultará especialmente el trabajo con modelos de IA de código abierto. Entre los críticos del proyecto de ley se encontraba el cofundador y director ejecutivo de Hugging Face, Clement Delangue, como señaló Fast Company. Un estudio de abril realizado por el grupo de expertos pro-regulación Artificial Intelligence Policy Institute concluyó que la mayoría de los californianos votaron a favor de apoyar el proyecto de ley tal como estaba en ese momento, y el 70% estuvo de acuerdo en que «los futuros modelos de IA potentes pueden usarse con fines peligrosos». Los investigadores Geoffrey Hinton y Yoshua Bengio, conocidos como los «padrinos de la IA» por su trabajo pionero en el aprendizaje profundo, también apoyan públicamente el proyecto de ley. La ley «protegerá al público», escribió Bengio en un artículo de opinión en Fortune el 15 de agosto. Ocho de los 52 miembros del Congreso de California firmaron una carta el jueves diciendo que la ley «crearía riesgos innecesarios para la economía de California con muy poco beneficio para la seguridad pública». Argumentan que es demasiado pronto para crear evaluaciones estandarizadas para la IA, ya que agencias gubernamentales como el NIST todavía están trabajando en la creación de esos estándares. También sugieren que la definición de daño crítico podría ser engañosa. El proyecto de ley se ha extraviado al centrarse en desastres a gran escala, como las armas nucleares, mientras que «ignora en gran medida los riesgos demostrables de la IA como la desinformación, la discriminación, las falsificaciones profundas no consensuadas, los impactos ambientales y el desplazamiento de la fuerza laboral», afirman los congresistas. SB-1047 incluye protección específica para los denunciantes de las empresas de IA bajo la Ley de Protección de Denunciantes de California. La analista senior de Forrester, Alla Valente, dijo que los legisladores tenían razón al centrarse en los ciberataques, como el incidente de Change Healthcare en mayo, ya que se ha demostrado que estos ataques causan daños graves. «Con el uso de la IA generativa, estos ataques se pueden llevar a cabo de manera más efectiva y a una escala mucho mayor, lo que hace que la regulación de la IA sea algo que todos los estados tendrán que considerar como parte de cómo protegen y sirven a sus residentes», dijo. La ley plantea los desafíos de equilibrar la regulación y la innovación «Podemos promover tanto la innovación como la seguridad; “Ambas no son mutuamente excluyentes”, escribió Wiener en una declaración pública el 15 de agosto. “Si bien las enmiendas no reflejan el 100% de los cambios solicitados por Anthropic, un líder mundial tanto en innovación como en seguridad, aceptamos una serie de enmiendas propuestas muy razonables, y creo que hemos abordado las preocupaciones centrales expresadas por Anthropic y muchos otros en la industria”. Señaló que el Congreso está “estancado” en la regulación de la IA, por lo que “California debe actuar para adelantarse a los riesgos previsibles que presenta el rápido avance de la IA y, al mismo tiempo, fomentar la innovación”. A continuación, el proyecto de ley deberá aprobarse en la Asamblea y el Senado. Si se aprueba, el proyecto de ley será considerado por el gobernador Gavin Newsom, probablemente a fines de agosto. “Las organizaciones empresariales ya tienen que lidiar con los riesgos generativos de la IA mientras navegan por la promulgación y aplicación de las leyes de IA existentes y emergentes”, dijo Valente. “Mientras tanto, el creciente panorama de litigios de IA está obligando a las organizaciones a priorizar la gobernanza de la IA en sus organizaciones para asegurarse de abordar las posibles responsabilidades legales. “SB 1047 crearía barreras de protección y estándares para los productos de IA que promoverían la confianza en los productos habilitados para genAI y podrían acelerar su adopción”.
EliseAI, una empresa que desarrolla un conjunto de herramientas de gestión de propiedades basadas en inteligencia artificial para propietarios, ha recaudado 75 millones de dólares en una ronda de Serie D que valora la startup en 1.000 millones de dólares. EliseAI es una creación de la cofundadora y directora ejecutiva Minna Song, que conoció al segundo cofundador de la empresa, Tony Stoyanov, mientras ambos eran estudiantes universitarios en Cambridge. Después de graduarse, Song se mudó a la ciudad de Nueva York, donde aceptó un trabajo como asistente administrativa en una empresa de bienes raíces residenciales. En la empresa, Song vio cómo las ineficiencias en la industria del alquiler y el arrendamiento, en particular las ineficiencias en torno a la mensajería a los inquilinos actuales y potenciales, contribuían al agotamiento y desgaste de los equipos de gestión, dice. «Al reconocer este desafío, Stoyanova y yo comenzamos a crear software de inteligencia artificial para automatizar la comunicación», dijo Song a TechCrunch, «y fundamos EliseAI en 2017». Hoy, EliseAI emplea un ejército de chatbots para enviar mensajes de texto, correos electrónicos y responder a las llamadas de los inquilinos sobre cosas como visitas a apartamentos, solicitudes de mantenimiento, renovaciones de alquileres y morosidad. Song dice que los chatbots están entrenados para responder a las preguntas y conversaciones de los inquilinos (tanto personas que buscan alquilar apartamentos como residentes actuales) y están diseñados para transferir las solicitudes a humanos automáticamente cuando sea necesario. Créditos de imagen: EliseAI «Solo usamos datos que generamos internamente», dijo Song. «No compramos ni usamos datos externos. Esto nos da control sobre los datos que usamos». Como persona generalmente consciente de la privacidad, desconfiaría de enviar mensajes de texto a chatbots como el de EliseAI con información personal y de ofrecer chats voluntarios para la capacitación de IA de la empresa. Entonces le pregunté a Song sobre las políticas de retención de datos de EliseAI. Ella dijo que la empresa permite a los usuarios solicitar que se eliminen sus datos, optar por no proporcionar su información para la capacitación y, en cumplimiento de leyes como la Ley de Privacidad del Consumidor de California, recibir una copia de cualquier dato que EliseAI tenga sobre ellos. “No vendemos, volvemos a conceder licencias ni compartimos de ningún modo los datos de los consumidores con ningún fin”, añadió Song. “Los datos de los consumidores son propiedad exclusiva de nuestro cliente relevante (un administrador o propietario de la propiedad) y solo utilizamos esos datos para fines limitados, tal y como lo permiten expresamente nuestros contratos con los clientes, nuestra política de privacidad y la legislación aplicable”. Algunas reseñas de los chatbots de EliseAI son críticas y sugieren que los matices no son el punto fuerte de la IA. Según un crítico, los chatbots (que no se identifican claramente como IA) a veces no incluyen a los administradores y agentes cuando deberían, y reservan visitas a propiedades sin información clave, como la fecha de mudanza o el número de teléfono. Sin embargo, Song afirma que los chatbots de EliseAI “mejoran continuamente su capacidad para anticipar las necesidades de los inquilinos” y, en promedio, aumentan las reservas de visitas a propiedades en un 125%, al tiempo que reducen los pagos atrasados en un 50%, según los datos internos de la empresa. Créditos de imagen: EliseAI “Nuestra tecnología está diseñada para propietarios de alquileres multifamiliares y unifamiliares, operadores y empresas de administración de propiedades de terceros para mejorar la eficiencia operativa, reducir las pilas de tecnología y los costos asociados con las soluciones de un solo punto, aumentar la ocupación, reducir los pagos morosos y mejorar la experiencia del inquilino”, dijo Song. Además de los chatbots, EliseAI ofrece un panel donde los administradores de propiedades pueden controlar las solicitudes de los prospectos y los residentes (por ejemplo, órdenes de trabajo), generar informes sobre las operaciones y rastrear el progreso de las renovaciones. El panel viene gratis con cualquiera de los productos de inteligencia artificial de EliseAI, que la empresa ofrece como módulos con precios de acuerdo con un modelo de software como servicio. EliseAI compite con proveedores como Colleen AI, Funnel, Knock y Leasehawk. Song dice que la empresa tiene más de 350 clientes, incluido el 70% de los 50 principales operadores de viviendas de alquiler en los EE. UU. “No buscamos un hipercrecimiento en la plantilla, sino que nos centramos en la contratación controlada y la gestión sostenible de la quema mientras invertimos continuamente de forma estratégica en el crecimiento de los ingresos”, dijo Song. “Hemos observado que la financiación se ha mantenido fuerte para empresas como EliseAI que abordan eficazmente desafíos empresariales duraderos como la eficiencia operativa, particularmente en mercados fundamentales como la vivienda, que siempre tienen demanda”. Con otra ronda de financiación exitosa en su haber, EliseAI, que emplea a unos 150 empleados a tiempo completo en sus oficinas de Nueva York, planea expandirse aún más en un mercado bastante inesperado: la atención médica. Song cree que gran parte de la pila tecnológica de la empresa se puede adaptar para atender las necesidades administrativas de las clínicas de salud, como la programación de citas, la facturación y los pagos. De hecho, EliseAI lanzó una solución de atención médica en 2023 llamada HealthAI, y Song dice que varios proveedores ya la están utilizando. Créditos de imagen: EliseAI Sin embargo, es un mercado abarrotado; EliseAI tendrá que competir con nuevas empresas como Hyro, que de manera similar utilizan IA para manejar conversaciones de texto y voz entre organizaciones de atención médica y sus pacientes. Sapphire Ventures lideró la ronda con la participación de Point72 Private Investments, Divco West, Navitas Capital y Koch Real Estate Investments. EliseAI recaudará un total de 140 millones de dólares, y el nuevo capital se destinará a la contratación, la investigación y el desarrollo de IA, el desarrollo de productos y el apoyo a los esfuerzos de salida al mercado de EliseAI, dijo Song. “Nuestro objetivo principal era conseguir un socio excelente para el negocio; por eso elegimos a Sapphire”, agregó Song. La socia de Sapphire, Cathy Gao, se unirá a la junta directiva de EliseAI. “Si bien EliseAI es actualmente la plataforma de IA más adoptada en este espacio, el mercado inmobiliario residencial aún se encuentra en las primeras etapas de aprovechar al máximo el potencial de la IA”, dijo Gao en un comunicado. “Creo que la empresa está bien posicionada para liderar el cambio en el sector de la vivienda y ofrecer resultados similares en nuevos sectores verticales como la atención médica”.
A medida que la IA generativa se vuelve más popular, las organizaciones deben considerar cómo implementarla éticamente. Pero, ¿cómo es la implementación ética de la IA? ¿Implica controlar la inteligencia a nivel humano? ¿Prevenir el sesgo? ¿O ambas cosas? Para evaluar cómo las empresas abordan este tema, Deloitte encuestó recientemente a 100 ejecutivos de nivel C en empresas estadounidenses con entre $ 100 millones y $ 10 mil millones en ingresos anuales. Los resultados indicaron cómo los líderes empresariales incorporan la ética en sus políticas de IA generativa. Principales prioridades para la ética de la IA ¿Qué cuestiones éticas consideran más importantes estas organizaciones? Las organizaciones priorizaron las siguientes cuestiones éticas en el desarrollo y la implementación de la IA: Equilibrar la innovación con la regulación (62%). Garantizar la transparencia en cómo se recopilan y utilizan los datos (59%). Abordar las preocupaciones sobre la privacidad de los usuarios y los datos (56%). Garantizar la transparencia en cómo funcionan los sistemas empresariales (55%). Mitigar el sesgo en algoritmos, modelos y datos (52%). Garantizar que los sistemas funcionen de manera confiable y como se espera (47%). Las organizaciones con mayores ingresos (1.000 millones de dólares o más al año) tenían más probabilidades que las empresas más pequeñas de afirmar que sus marcos éticos y estructuras de gobernanza fomentan la innovación tecnológica. Los usos poco éticos de la IA pueden incluir la desinformación, especialmente crítica durante las temporadas electorales, y el refuerzo de los prejuicios y la discriminación. La IA generativa puede replicar los prejuicios humanos accidentalmente al copiar lo que ve, o los actores maliciosos pueden usar la IA generativa para crear intencionalmente contenido sesgado más rápidamente. Los actores de amenazas que utilizan correos electrónicos de phishing pueden aprovechar la velocidad de escritura de la IA generativa. Otros casos de uso potencialmente poco éticos pueden incluir la IA que toma decisiones importantes en la guerra o la aplicación de la ley. El gobierno de Estados Unidos y las principales empresas tecnológicas acordaron un compromiso voluntario en septiembre de 2023 que establece estándares para revelar el uso de la IA generativa y el contenido creado con ella. La Oficina de Política Científica y Tecnológica de la Casa Blanca publicó un plan para una Carta de Derechos de la IA, que incluye esfuerzos contra la discriminación. Las empresas estadounidenses que utilizan IA en determinadas escalas y para tareas de alto riesgo deben informar la información al Departamento de Comercio a partir de enero de 2024. VER: Comience con una plantilla para una Política de ética de IA. «Para cualquier organización que adopte IA, la tecnología presenta tanto el potencial de resultados positivos como el riesgo de resultados no deseados», dijo Beena Ammanath, directora ejecutiva del Global Deloitte AI Institute y líder de IA confiable en Deloitte, en un correo electrónico a TechRepublic. Más cobertura de IA de lectura obligada ¿Quién toma decisiones éticas de IA? En el 34% de los casos, las decisiones éticas de IA provienen de directores o títulos superiores. En el 24% de los casos, todos los profesionales toman decisiones de IA de forma independiente. En casos más raros, los líderes de negocios o departamentales (17%), gerentes (12%), profesionales con capacitación o certificaciones obligatorias (7%) o una junta de revisión de IA (7%) toman decisiones éticas relacionadas con la IA. Las grandes empresas (mil millones de dólares o más de ingresos anuales) tenían más probabilidades de permitir que los trabajadores tomen decisiones independientes sobre el uso de IA que las empresas con menos de mil millones de dólares de ingresos anuales. La mayoría de los ejecutivos encuestados (76%) dijeron que su organización realiza capacitación ética en IA para su fuerza laboral, y el 63% dice que lo hacen para la junta directiva. Los trabajadores en las fases de construcción (69%) y de predesarrollo (49%) reciben capacitación en IA ética con menos frecuencia. “A medida que las organizaciones continúan explorando oportunidades con IA, es alentador observar cómo han surgido marcos de gobernanza en conjunto para empoderar a las fuerzas laborales para promover resultados éticos e impulsar un impacto positivo”, dijo Kwasi Mitchell, director de propósito y DEI de EE. UU. en Deloitte. “Al adoptar procedimientos diseñados para promover la responsabilidad y salvaguardar la confianza, los líderes pueden establecer una cultura de integridad e innovación que les permita aprovechar de manera efectiva el poder de la IA, al mismo tiempo que promueven la equidad e impulsan el impacto”. ¿Las organizaciones están contratando y mejorando las habilidades para roles de ética en IA? Los siguientes roles fueron contratados o son parte de los planes de contratación para las organizaciones encuestadas: Investigador de IA (59%). Analista de políticas (53%). Gerente de cumplimiento de IA (50%). Científico de datos (47%). Especialista en gobernanza de IA (40%). Ética de datos (34%). Ética de IA (27%). Muchos de esos profesionales (68%) provienen de programas internos de capacitación y perfeccionamiento. Menos aún han recurrido a fuentes externas, como programas tradicionales de contratación o certificación, y menos aún recurren a contrataciones en campus y colaboraciones con instituciones académicas. “En última instancia, las empresas deben tener la seguridad de que su tecnología es confiable para proteger la privacidad, la seguridad y el trato equitativo de sus usuarios, y está alineada con sus valores y expectativas”, dijo Ammanath. “Un enfoque eficaz de la ética de la IA debe basarse en las necesidades y valores específicos de cada organización, y las empresas que implementan marcos éticos estratégicos a menudo descubrirán que estos sistemas respaldan e impulsan la innovación, en lugar de obstaculizarla”.
¿Cree que ha recibido un documento importante de RR. HH.? Tenga cuidado. El informe trimestral de pruebas de phishing de KnowBe4 descubrió que los actores de amenazas en el segundo trimestre a menudo tuvieron éxito con correos electrónicos que suplantaban a los departamentos de RR. HH. Después de que se produjo un clic desafortunado, los enlaces en el cuerpo de los correos electrónicos y los documentos PDF fueron vectores comunes para los ataques. TechRepublic habló con el defensor de la conciencia de seguridad de KnowBe4, Erich Kron, sobre los resultados de las pruebas de phishing y cómo mantener a las empresas a salvo de los ataques de phishing generativos impulsados por IA en constante evolución. Los correos electrónicos falsos de RR. HH. encabezan la lista de estafas de ingeniería social Algunos atacantes usan mensajes falsos de RR. HH. para hacer creer a los empleados que hacer clic en un enlace o ver un documento es urgente. Según el informe: El 42% de las líneas de asunto de correo electrónico relacionadas con la empresa estudiadas estaban relacionadas con RR. HH. Otro 30% estaban relacionadas con TI. Muchas de estas líneas de asunto jugaban con las emociones de los empleados en el trabajo, como «Se dejó un comentario en su solicitud de tiempo libre» o «Posible error tipográfico». “Si tienes una fuerte respuesta emocional a un mensaje de texto, una llamada telefónica o un correo electrónico, tenemos que respirar profundamente, dar un paso atrás y analizarlo con mucha crítica”, dijo Kron. “Porque estos son ataques de ingeniería social y realmente funcionan para ponerte en un estado emocional en el que cometes errores”. Otros ataques recientes han provenido de correos electrónicos que falsificaban mensajes de Microsoft o Amazon. KnowBe4 recopiló ejemplos de correos electrónicos de phishing comunes y efectivos. Imagen: KnowBe4 Los correos electrónicos de phishing con códigos QR también han engañado a los empleados. Al igual que los enlaces maliciosos, estos códigos QR suelen encontrarse en correos electrónicos que pretenden ser de empresas conocidas, RR.HH. o TI. “El aumento continuo de los correos electrónicos de phishing relacionados con RR.HH. es especialmente preocupante, ya que apuntan a la base misma de la confianza organizacional”, dijo Stu Sjouwerman, CEO de KnowBe4, en un comunicado de prensa del 7 de agosto. “Además, el aumento de los códigos QR en los intentos de phishing agrega otra capa de complejidad a estas amenazas”. KnowBe4 descubrió que las industrias de atención médica y farmacéutica fueron las más susceptibles a los ataques de phishing, seguidas de la hospitalidad, la educación y los seguros, con algunas variaciones para los diferentes tamaños de las organizaciones. Cobertura de seguridad de lectura obligada ¿Cómo funciona el informe de phishing de KnowBe4? KnowBe4 recopila la información para su Informe trimestral de evaluación comparativa de la industria de sus clientes y de su portal de informes de phishing, que cualquier empresa puede utilizar. KnowBe4, que vende una plataforma de phishing simulada, lanza ataques de phishing falsos contra empresas para probar su resiliencia. Específicamente, KnowBe4 evaluó los tipos de ataques en los que cae la gente y cómo una capacitación como la suya mantiene a las empresas más seguras frente a los ciberataques. Los datos provienen de 54 millones de pruebas de phishing simuladas, que afectaron a más de 11,9 millones de usuarios de 55.675 organizaciones de todo el mundo. «Muchas veces, en realidad tomamos las pruebas reales [phishing attacks] «Los ataques de phishing son una forma de detectar los ataques que existen y convertirlos en ataques simulados», dijo Kron. «Por eso hacemos lo que llamamos desmantelarlos, porque sabemos que eso es lo que realmente está sucediendo». El informe midió el «porcentaje de phishing propenso», una evaluación patentada del porcentaje de «empleados propensos a caer en la ingeniería social o estafas de phishing». El PPP promedio cayó del 34,3% a solo el 4,6% después de un año de capacitación continua y pruebas de phishing. VER: La diferencia entre phishing y phishing selectivo es si el ataque es generalizado o está diseñado para una persona específica. Cómo pueden las empresas reducir la vulnerabilidad a los ataques de phishing Las organizaciones deben dejar en claro a los empleados que los correos electrónicos de phishing pueden no estar tan llenos de errores tipográficos o solicitudes descaradas de dinero como solían estar. «La IA generativa realmente ha ayudado con las traducciones y la limpieza de las cosas», dijo Kron, «y les ha permitido [attackers] Los empleados deben recordar mirar de cerca las URL y las direcciones de correo electrónico. Deben considerar si un correo electrónico con una línea de asunto que incluye la palabra «urgente» realmente es lo que parece. Por ejemplo, «¿Realmente vino de mi jefe o solo dice su nombre?», dijo Kron. Los filtros antispam o antivirus pueden detectar algunos ataques de ingeniería social y phishing, mientras que la autenticación multifactor puede limitar el alcance de los atacantes incluso si la víctima hace clic en un enlace o escanea un código QR. Junto con KnowBe4, empresas como Sophos, Proofpoint, Ninjio Hoxhunt, Cofense y otras ofrecen capacitación en seguridad a través de ataques simulados. En general, asegúrese de que los empleados estén atentos, ya sea que esa vigilancia se pruebe o no con una prueba de phishing regular. «Esté un poco nervioso al respecto», dijo Kron.