Llevo trabajando con sistemas de inteligencia artificial desde los años 80. En aquel entonces, la IA se consideraba una revolución en el aprovechamiento de los sistemas informáticos para lograr capacidades inauditas. Hoy en día, las cosas son muy parecidas con la IA generativa (genAI). Pero para evitar los errores cometidos durante las primeras generaciones de sistemas de IA, las empresas deben comprender para qué es válida la IA y para qué no. Estamos en 1988, de nuevo. Intentamos comparar la IA clásica de los años 80, incluidos Lisp y M1, con el aprendizaje automático y el aprendizaje automático actuales. Las capacidades de genAI son un poco injustas. En aquel entonces, los sistemas de IA costaban muchos millones de dólares y tenían mucha menos funcionalidad de IA. Sin embargo, muchos errores hicieron que la IA desapareciera, mientras que se aprovecharon otras soluciones más directas para las empresas. El error más evidente fue la mala aplicación de la IA en casos de uso en los que la IA aportaba poco valor. Incluso con mi cerebro adolescente, sabía que los sistemas transaccionales, como el ingreso de pedidos de ventas, no eran buenos para la IA. Sin embargo, me dieron la orden de construir tales cosas, sabiendo muy bien que estaba matando una hormiga con un mazo. Un mazo caro. Esta es en gran medida la razón por la que la IA perdió el favor de la mayoría de las empresas. Años más tarde, ha regresado como aprendizaje profundo, aprendizaje automático y aprendizaje automático con IA generativa. Si bien la tecnología ha mejorado enormemente y es mucho más barata, veo que ahora se repiten los mismos errores tontos. Los errores que no alinearán a las empresas para obtener el máximo valor de la genAI podrían provocar un retroceso en unos pocos años, ya que los costosos sistemas genAI construidos por personas costosas realmente no devuelven el valor esperado. Estas son heridas autoinfligidas y totalmente evitables si las empresas un poco de reflexión sobre el uso estratégico de esta tecnología. ¿Cuáles son las mejores aplicaciones empresariales para genAI? ¿Cuáles son los casos de uso buenos y malos? ¿Cómo pueden las empresas elegir el camino correcto? ¿Cómo podemos evitar los errores de hace 30 años? Para descubrir qué no hacer con genAI, es útil observar qué hace bien genAI y encontrar los casos de uso que coincidan con estas capacidades. Bastante simple. Para nuestros propósitos aquí, elegiré los tres primeros. Hay muchos otros buenos casos de uso, así que no me rechaces por enumerar solo tres. Después de todo, esto es un blog, no un libro blanco. Generación de lenguaje natural En primer lugar está la generación de lenguaje natural, o NLG. Si alguna vez ha intentado hacer pasar un informe, carta, correo electrónico u otro contenido escrito creado por ChatGPT, ya lo conoce. Las empresas pueden utilizar esta capacidad para generar un valor tremendo, incluido brindar mejores experiencias a los clientes a través de comunicaciones personalizadas, ya sea escritas. o a través de un chatbot. Esto acabará con el empleo y muchos puestos de servicio al cliente, por ejemplo, serán reemplazados por la automatización NLG. Sin embargo, las empresas se beneficiarán al hacer mucho más con menos humanos. Pueden brindar mejores experiencias al cliente y resolver problemas mucho más rápido. Por ejemplo, llame hoy a una línea de soporte técnico, incluso a aquellas con sistemas de respuesta de voz interactiva (IVR), y descubrirá rápidamente que su capacidad para resolver su problema depende completamente de el conocimiento y las capacidades de comunicación de la persona del otro lado. ¿Qué pasaría si ese alguien tuviera la comprensión y el razonamiento de 10.000 expertos y pudiera proporcionar una respuesta mucho más rápida y útil para usted, el cliente? Además, ¿qué pasaría si esa interacción pudiera costarle a la empresa 20 centavos en lugar de $20? Puede ver hacia dónde va esto. Si se hace correctamente, NLG puede ofrecer un mejor valor y una mejor experiencia al cliente por un precio más bajo. Desplazará a la gente, por lo que debemos considerar la ética. Sin embargo, veo que las empresas avanzan rápidamente en esta dirección. Sistemas de recomendación Los sistemas de recomendación son la capacidad de los sistemas habilitados para genAI de personalizar recomendaciones en plataformas de contenido, streaming y comercio electrónico. Esto no es nada nuevo y he estado trabajando en esto mucho antes de que apareciera genAI, pero ahora podemos llevarlos a un nuevo nivel de efectividad. Tienen el mayor retorno de la inversión para cualquier negocio que venda cosas. ¿Alguna vez te has preguntado cómo un sitio de comercio electrónico puede recomendarte productos, incluso antes de que hayas proporcionado información? Las versiones anteriores de estos podrían aumentar las ventas entre un 20% y un 40% simplemente determinando el sexo, la edad, la raza, los pasatiempos y la ocupación de la persona que usa el sitio y luego recomendando productos y servicios específicos que esa persona probablemente necesitaría. Con la llegada de genAI, podemos lograr un nivel siniestro de efectividad comunicándonos con los clientes mediante interacciones generadas dinámicamente que son muy detalladas. Una vez que los sistemas se den cuenta de que estás interesado, por ejemplo, en los asesores de ciclismo, verás una fuente única, un mensaje subliminal, una combinación de colores, imágenes personalizadas e incluso un precio específico de los productos, todos dirigidos dinámicamente a liberar endorfinas. poniéndote en el estado de ánimo adecuado para generar más ventas. Esté preparado para ser manipulado por el bien del resultado final. Nuevamente surgen cuestiones éticas. Detección de anomalías La detección de anomalías consiste en identificar patrones irregulares o valores atípicos en los datos para aplicaciones como la detección de fraude o la supervisión del sistema. Aquí, genAI nos ayudará a detectar patrones de datos que muestran tendencias, explicar qué significan esas tendencias y ajustar los procesos para obtener el mayor valor comercial. Esto va más allá de la próxima generación de detección de anomalías basada en genAI, como el uso de patrones de datos históricos para encontrar probable fraude bancario o predecir qué sistemas pueden estar a punto de sufrir una interrupción. Esto es como Minority Report sin Tom Cruz. Su próxima solicitud de préstamo podría ser denegada debido a una situación “previa al delito”. Este caso de uso también conduce a muchas cuestiones éticas que debemos reflexionar. Por supuesto, existen docenas de otros usos sólidos para genAI. El problema es que muchas empresas no las consideran, sino que saltan a situaciones en las que la genAI generará costos y riesgos y generará poco o ningún valor. Necesitamos ser inteligentes en este tema rápidamente antes de que las empresas se suiciden mediante heridas autoinfligidas. Copyright © 2024 IDG Communications, Inc.

Source link