Durante la última semana he participado en varias conversaciones y charlas sobre el uso de la IA en entornos empresariales y he querido recopilar en un artículo las opiniones de expertos en la materia, así como mis propias experiencias.

Cada vez es más evidente que, en pocos años, podremos ver claramente qué empresas han adoptado la inteligencia artificial y cuáles se han quedado rezagadas. A diferencia de cualquier otro avance tecnológico anterior, la IA no es sólo una adición al conjunto de herramientas corporativas; está a punto de imbricarse en el tejido mismo del software y las herramientas empresariales.

Sin embargo, los entresijos de esta integración aún no están totalmente definidos, y ahí radica el reto y la oportunidad para empresarios e inversores.

Los datos: La piedra angular de la innovación en IA

Me encanta esta nueva frase que escucho en corrillos de AI, más allá del manido «los datos son el nuevo petróleo», que afirma que «los datos son el nuevo código», y por una buena razón.

Los datos son la piedra angular sobre la que se entrenan y mejoran los modelos de IA. La mayoría de las capacidades que estos modelos poseen hoy en día son el resultado directo de una amplia enseñanza de los datos. Por lo tanto, un activo único y diferenciado que las empresas han acumulado a lo largo de los años, su corpus interno de datos, es su carta ganadora. Combinando estos datos propios con modelos de IA disponibles públicamente, las empresas tienen la oportunidad de crear aplicaciones altamente especializadas, como el ajuste de modelos para casos de uso jurídico sobre modelos genéricos como Llama 2 u OpenAI.

La gobernanza y la regulación importan, y mucho

El despliegue de la IA a gran escala en una empresa conlleva su propio conjunto de retos. La gobernanza se perfila como una pieza fundamental del rompecabezas.

Las empresas necesitan establecer un marco que garantice que la IA se despliega de forma segura y eficaz. Cuestiones prácticas como la seguridad, la privacidad y los costes poco claros de los grandes modelos lingüísticos (LLM) a gran escala son retos acuciantes.

Estas áreas representan oportunidades de oro para la inversión de capital riesgo, ya que creo que las soluciones que aborden estas cuestiones tendrán una gran demanda.

Existe el riesgo de dejar mecánicamente el desarrollo de la IA en manos de 2-3 grandes corporaciones tecnológicas y se hace necesario proteger el ecosistema de las startups, ahora que los actores más grandes están abogando fuertemente por una regulación más fuerte de la IA, ya que la regulación es la amiga del incumbente.

Más regulación significaría que menos startups pueden probar cosas y perturbar a los gigantes tecnológicos antes de que puedan consolidar sus proyectos.

Vencer la resistencia y acelerar la adopción

La aversión al cambio es un adversario formidable en las empresas. Los responsables de la tecnología empresarial a menudo dudan en sustituir los sistemas heredados por stacks nativos de IA, prefiriendo dejar tal honor, perdón, desalentadora tarea, a sus sucesores. Para seguir adelante, el coste de la inacción debe percibirse como mayor, no sólo en términos de costes de software, sino en comparación con el riesgo de despido para esos responsables.

Aprovechar los hyperscalers y hacer frente a los oligopolios

En la actualidad, los hyperscalers tienen una influencia muy significativa sobre la penetración de la IA en la empresa, agravada por una escasez transitoria de GPUs, que infla los costes y reduce las opciones tanto para las empresas como para las startups.

Esta dinámica conducirá a un oligopolio a corto plazo, a medida que los hyperscalers integren las LLM en su infraestructura y la ofrezcan como un servicio. Sin embargo, espero que con el tiempo surja un ecosistema muy diverso de startups innovadoras.

La promesa de la Open source IA y la experiencia del desarrollador

La IA de código abierto ofrece una vía alternativa, en la que realmente creo, atractiva para las empresas que necesitan transparencia y evitar el bloqueo de proveedores. Sin embargo, estos modelos requieren hoy una gran capacidad informática, lo que implica una optimización significativa para su adopción por parte de las empresas.

Y, a pesar del bombo y platillo de la Open Source AI, para aumentar realmente la adopción, debemos mejorar la experiencia de los desarrolladores. Al proporcionar API abiertas, bancos de pruebas y garantizar que la arquitectura está «preparada para la empresa», los desarrolladores podrán experimentar y desplegar aplicaciones de IA a escala. AWS y Google han sentado precedentes en este sentido al crear experiencias a nivel de consumidor para los desarrolladores.

Estrategia tridimensional para la integración de la IA en las empresas

Las empresas deben adoptar un enfoque tridimensional para integrar la IA:

1. Garantizar la coherencia de la IA para obtener resultados fiables
2. Reducir la carga de trabajo interno mediante la automatización.
3. Sintetizar datos complejos, una tarea difícil pero que atrae la atención de las empresas.Para acelerar la adopción de la IA, la estrategia de ventas debe pivotar. En lugar de los métodos tradicionales, las startups pueden y deben mostrar aplicaciones directas y prácticas, ayudando a los clientes potenciales a visualizar los beneficios al instante. Sam Altman nos mostró ayer cómo se pueden crear, entrenar y publicar GPTs en cuestión de minutos, simplemente utilizando lenguaje natural.

   

   El reto de la agilidad de la IA a lo largo del tiempo

   A medida que la IA evoluciona rápidamente, las empresas deben evitar el escollo de que los LLMs se conviertan en una deuda tecnológica o legacy. Los CIO están ahora más obligados que nunca a garantizar que sus decisiones estratégicas de IA sean agnósticas con respecto al modelo, permitiendo transiciones fluidas entre diferentes LLM y capas de tecnología.

   El equilibrio entre la gestión de datos y la propiedad de modelos

   Las empresas se encuentran ahora en una encrucijada, eligiendo entre externalizar o internalizar las capacidades de IA. Una pregunta central se cierne sobre esta decisión: ¿a quién pertenecen los datos y la puesta a punto del modelo? A medida que los datos externos se convierten en un punto de referencia, las empresas deben decidir dónde quieren hacerse un hueco con modelos propios y dónde utilizar soluciones estándar, que podrían convertirse rápidamente en productos básicos.

   El futuro de la IA en la empresa: Colaboración y alineación ética

   Me gusta cómo startups innovadoras como Causal.ai y Alinia están facilitando la transición hacia un uso seguro de la IA en las empresas, garantizando que los modelos se alineen con los valores humanos y corporativos. Las herramientas de IA también están revolucionando el desarrollo de proyectos, con plataformas como builder.ai que permiten la creación rápida de prototipos funcionales en cuestión de días.

   En última instancia, el objetivo para el futuro en las corporaciones es crear el tandem óptimo hombre-máquina, aprovechando los puntos fuertes de ambos para lograr resultados superiores. Esta sinergia no sólo mejorará la capacidad humana, sino que también allanará el camino para una cooperación más avanzada entre máquinas.

   La marcha hacia la integración de la IA en la empresa es inevitable. Las empresas no sólo deben seguir el ritmo, sino anticiparse y liderar esta transformación para mantener su ventaja competitiva en un panorama empresarial en rápida evolución. Exciting times!