Los retos ocultos de la IA Generativa: lo que las empresas deben saber

En un mundo donde los límites entre lo real y lo imaginado se desdibujan, un misterioso susurro comenzó a recorrer los pasillos de las grandes empresas de tecnología y los centros de innovación. Se trata de la promesa de una herramienta capaz de crear, de imaginar y de transformar el conocimiento en algo nuevo: la Inteligencia Artificial Generativa (IAGen).

Cuentan los que han visto su magia en acción que esta disciplina de la inteligencia artificial no solo aprende patrones, sino que sueña con posibilidades infinitas. Alimentada por datos, entrenada con algoritmos complejos y dotada de una creatividad que imita la humana, puede dar vida a textos que nunca fueron escritos, imágenes que nadie pintó y sonidos que jamás fueron escuchados. ChatGPT y DALL-E son dos de sus representantes más conocidos, capaces de responder preguntas con precisión y de crear imágenes a partir de palabras como las generadas últimamente con el estilo de estudios Ghibli.

Así, las oportunidades que IAGen ofrece parecen sacadas de un libro de alquimia moderna. En áreas como la salud, provee con asistentes que pueden ayudar en tareas de autorización y asignación de citas médicas; además, con una correcta integración de registros médicos de cada paciente, se pueden generar recomendaciones o alertas para la prevención temprana de enfermedades complejas. En el sector público, promete transformar la relación entre ciudadanos y gobiernos, simplificando trámites, mejorando servicios públicos y diseñando políticas basadas en datos más que en suposiciones. Sin embargo, esta revolución no es espontánea; es el resultado de la mezcla de tres fuerzas que, al unirse, han desencadenado este avance sin precedentes, entre ellos:

• Los datos, que se han convertido en la materia prima del siglo XXI. Empresas y gobiernos han comprendido su valor y han empezado a cultivarlos con esmero, asegurando su calidad y trazabilidad.

• El cómputo, que ha evolucionado hasta permitir procesamientos colosales a velocidades vertiginosas. La nube y los procesadores GPU han abierto portales hacia un mundo donde la capacidad de cálculo ya no es un obstáculo.

• Los modelos, que han aprendido a imitar la esencia de la creatividad humana. Los transformadores o transformers y modelos de lenguaje grandes (LLMs) han roto barreras, permitiendo que cualquiera, sin necesidad de ser programador, pueda generar contenido con facilidad

  .

Pero no todo termina ahí, en este camino nos enfrentamos a retos. La implementación de esta magia requiere tiempo, inversión y preparación. No basta con desearlo; hay que comprender y estructurar su integración en los procesos de cada organización. La pregunta no es si usarla, sino cómo hacerlo de manera sabia y estratégica donde se tenga en cuenta criterios como la confidencialidad, privacidad de los datos y las regulaciones éticas, por lo que, es de vital importancia plantear la siguiente pregunta que nos ayudará a dirigir una correcta implementación de AIGen. ¿Qué retos enfrentan aquellas empresas que desean implementarlas en sus procesos internos con el propósito de reducir gastos o aumentar ingresos?

Sin lugar a dudas, el primer reto al que se enfrentan las empresas es la gestión de datos. No basta con activar modelos de LLMs para obtener resultados efectivos. De hecho, solo el 30% de una solución de IA generativa se enfoca en el desarrollo del modelo; el 70% restante ocurre antes y después: desde la recolección, limpieza y puesta punto de los datos hasta la implementación, monitoreo y optimización de los modelos. En el ámbito público y privado, el desafío es aún mayor. Una sola entidad gubernamental en Colombia puede generar enormes volúmenes de datos como lo son registros administrativos de cada entidad donde se registra las interacciones de cada persona con todas las entidades públicas o el registro de transacciones bancarias registradas para cada persona, de los cuales cerca del 80% son no estructurados, lo que tradicionalmente ha sido difícil de procesar con herramientas analíticas convencionales. La IAGen, con su capacidad de comprender estos datos representa una oportunidad sin precedentes para extraer valor de información que hasta ahora había permanecido en las sombras.

No obstante, gestionar estos datos sigue siendo un reto subestimado. Aunque se habla mucho sobre las aplicaciones prácticas de la IA generativa, menos se discute sobre la infraestructura de datos necesaria para que funcione. Muchas empresas poseen datos "oscuros", almacenados por razones de seguridad o cumplimiento normativo, como grabaciones de seguridad, llamadas de centros de atención al cliente, registros con el manejo de los activos de la empresa o registros transaccionales sin integrarlos en sus ecosistemas de análisis. Hoy, estos datos están cobrando un nuevo protagonismo y deben ser parte de un sistema bien estructurado para que la IAGen pueda aprovecharlos plenamente. Para afrontar estos retos, las empresas deben desarrollar tres competencias clave:

1. Arquitectura y diseño integral: No basta con contar con una infraestructura de datos preexistente; las compañías deben reevaluar y adaptar su arquitectura para garantizar que esté alineada con las exigencias de la IA generativa.

2. Ingeniería de datos y plataformas: El volumen de datos requeridos hace necesario ampliar las inversiones en infraestructura tecnológica, asegurando que la plataforma sea escalable y pueda manejar múltiples casos de uso.

3. Gobernanza de datos: Con el aumento exponencial de datos no estructurados, los marcos de gobernanza actuales pueden no ser suficientes. Las empresas deben rediseñar sus estrategias para garantizar la calidad, accesibilidad y seguridad de los datos.

Para finalizar, destacamos que estas tres competencias no operan de manera independiente. Más bien, conforman un proceso continuo con ciclos de retroalimentación críticos que ayudan a las empresas a recopilar, integrar y hacer accesibles los datos no estructurados que las aplicaciones de IAGen necesitan para tener éxito.