Son tiempos emocionantes y desafiantes para las empresas. Todo el mundo, desde los altos cargos hasta los más bajos, se esfuerza por averiguar cómo utilizar las nuevas herramientas e ideas en su beneficio.
Para el personal de base, es decir, las personas por debajo del nivel directivo, el imperativo es justificar su propio trabajo, aprendiendo cómo se aplica la inteligencia artificial (IA) a cualquier función (cito la nota de Toby Lutke sobre Shopify). Los directivos y líderes, por su parte, tienen un objetivo ligeramente distinto: tienen que averiguar cómo utilizar la IA en beneficio de la organización en su conjunto.
Entonces, ¿cómo adquirir confianza para, como diría una galleta de la fortuna, estos tiempos inciertos?
Investigando la IA
Una forma de empezar es informarse sobre la tecnología en general, para empezar a conocer lo que hacen los LLM (modelos de lenguaje de gran tamaño) y por qué.
Por ejemplo: He encontrado esta lista de Codemotion de componentes de algoritmos comunes e ideas estocásticas utilizadas en IA/ML:
- Regresión lineal
- Regresión logística
- Árboles de decisión
- Bosques aleatorios
- Máquinas de vectores de soporte (SVM)
- Bayes ingenuo
- K-Vecinos más cercanos (KNN)
- Redes neuronales artificiales (RNA)
- Redes neuronales convolucionales (CNN)
- Redes neuronales recurrentes (RNN)
- Redes generativas antagónicas (GAN)
- Algoritmos de aprendizaje por refuerzo (por ejemplo, Q-Learning, Q-Learning profundo)
- Algoritmos de agrupamiento (por ejemplo, K-Means, DBSCAN)
- Algoritmos de reducción de dimensionalidad (por ejemplo, análisis de componentes principales, t-SNE)
Ahora bien, si desempeñas un papel de liderazgo en la práctica, te conviene conocer y comprender estos términos. Representan un breve repaso de cómo empezamos a utilizar la IA para cosas como recomendaciones de restaurantes, análisis de evaluaciones de rendimiento y apoyo a la toma de decisiones. En otras palabras, si puedes explicar cada uno de estos tipos de mecanismos de aprendizaje automático, estarás más cerca de la cima cuando se trate de una lluvia de ideas sobre IA.
Consejos de los motores LLM
¿Qué tienen que decir MS Copilot y ChatGPT sobre el tema? Después de todo, en cierto modo estás intentando entenderlos.
Conseguí esto pidiendo a Copilot que enumerara algunos consejos para una mejor adopción de la IA:
- Definir unos objetivos y un ámbito de aplicación claros.
Adherirse a un conjunto de buenas prácticas para garantizar la preparación para el futuro.
Utilizar la IA para gestionar tareas rutinarias y análisis.
Elegir el enfoque adecuado a la hora de preparar conjuntos de datos y emplear modelos básicos.
Producir soluciones de IA potentes con interfaces fáciles de usar y acceso a API y SDK estándar del sector.
(Como fuentes, Copilot citó a Codemotion y analyticsinsight, junto con los gigantes Microsoft e IBM, y nuestro propio trabajo en Forbes).
Luego pregunté a ChatGPT y obtuve lo siguiente (olvidé decirle que no fuera tan locuaz):
Empezar poco a poco y dar prioridad a los casos de uso de gran impacto
- No intentes revisarlo todo a la vez. Identifica un problema específico en el que la IA pueda aportar un valor cuantificable (por ejemplo, automatizar la atención al cliente o mejorar la previsión de la demanda).
Realiza un proyecto piloto en un entorno controlado para demostrar el retorno de la inversión antes de ampliarlo.
Invierte en datos limpios y bien organizados
- La calidad de los sistemas de IA depende de los datos que les proporciones.
Audita y prepara tus datos: asegúrate de que son precisos, completos y accesibles.
Establece políticas de gobernanza de datos para garantizar una calidad constante.
Mejora las habilidades de tus empleados
- Ofrece formación para que los empleados entiendan las herramientas de IA y cómo utilizarlas eficazmente.
Anima a los equipos multifuncionales (por ejemplo, negocio + TI + ciencia de datos) a colaborar.
Haz de la adopción de la IA un viaje compartido, no algo impuesto desde arriba.
Elije los socios y la ‘pila tecnológica’ adecuados
- Evalúa cuidadosamente a los proveedores: busca soluciones que se integren con tus sistemas existentes.
Ten en cuenta la escalabilidad, la seguridad y el cumplimiento (especialmente con los datos de los clientes).
Evita el bloqueo asegurándote de que conservas la propiedad de tus datos y modelos.
Céntrate en la gestión del cambio y en una comunicación clara
- Comunica el porqué de las iniciativas de IA para generar confianza y reducir la resistencia.
Aborda las inquietudes de los empleados sobre la posibilidad de que la automatización reemplace puestos de trabajo; destacar cómo la IA puede mejorar su trabajo - Define métricas de éxito y celebra las victorias rápidas para crear impulso.
Después de la revisión humana…
Me fijé en cómo se solapan estos consejos. Se podría decir que «definir un objetivo y un alcance claros» de Copilot coincide con el consejo nº 5 de ChatGPT sobre comunicación clara. En cuanto a «Elegir los socios y la pila tecnológica adecuados» (de ChatGPT), coincide con la exhortación de Copilot a tener a mano las herramientas adecuadas.
Dejaré que tu, el lector, decidas si estas recomendaciones son demasiado genéricas o no.
Su propio caso de negocio
Terminaré con esto: parte de lo que he aprendido a lo largo de varias décadas de estar en torno a la tecnología es que la mayoría de las nuevas herramientas pueden ayudar o perjudicar a un negocio (si has leído un buen número de estos blogs, es posible que ya hayas leído esto) en términos de integración práctica. Suele haber una curva de aprendizaje. Si no preparas al personal, puedes tener muchos problemas. Y luego está la cuestión de adaptar las aplicaciones a las necesidades de tu negocio, que no es algo universal ni uniforme.
Pero quizá este conjunto de consejos, procedentes de la gente, de la web y de LLM, sea un buen comienzo.
