Cinco mitos sobre la IA generativa que los líderes deben conocer

Quién no haya utilizado en algún momento Copilot o ChatGPT que levante la mano…. ¿Nadie? Claro que nadie. Según datos de usabilidad de inteligencia artificial generativa, sólo ChatGpt tiene 180 millones de usuarios. ¿Imagina que su empresa lanza un producto y en sólo un año alcanza esa cifra de penetración en el mercado? Antes de empezar a frotarse las manos les exponemos cinco mitos sobre la IAg que debe conocer.

El investigador de la universidad de Warthon,  Scott A. Snyder, y la directora tecnológica de Microsoft, Sophia Velastegui, afirman que estas herramientas han obtenido, tras su difusión, una base de usuarios masiva que utiliza sus capacidades para todo, desde la productividad personal hasta la creación de contenido o el lanzamiento de nuevos negocios. Cada semana, los estudios muestran que los modelos de IA generativa sobresalen en tareas que antes se consideraban exclusivas del intelecto y el ingenio humanos, como exámenes médicos y legales, concursos de innovación, asesoramiento financiero o análisis de casos comerciales.

Wharton nos ayuda a identificar los mitos sobre la IA generativa que todos deben conocer. Abordarlos de forma proactiva estos conceptos erróneos le permitirá mitigar los desafíos que encontrará a medida que aproveche esta tecnología transformadora.

Lo que es gratuito en Internet es barato de desarrollar

El mito 1 se basa en la idea de que el desarrollo de modelos propios de IAg y su posterior registro de patente, puede permitirle satisfacer con mayor precisión las necesidades de su empresa, pero económicamente es una solución prohibitiva. El proceso de desarrollo, mantenimiento y actualizaciones requiere inversiones significativas en talento, recursos e infraestructura. Para muchas organizaciones, aprovechar las soluciones de IA de terceros o asociarse con proveedores especializados puede ofrecer un enfoque más rentable para lograr sus objetivos.

La IA siempre mejora el rendimiento humano

Un estudio reciente de BCG reveló que el 90% de los consultores que utilizan GPT-4 para la innovación de productos creativos experimentaron una mejora del 40% en su rendimiento en comparación con los que no aprovecharon la tecnología. Sin embargo, los consultores que utilizaron GPT-4 para la resolución de problemas empresariales disminuyeron su rendimiento en un 23% y los trabajadores con menos experiencia obtuvieron un rendimiento aún peor. Esto sirve como recordatorio de que, si bien la IA genérica tiene un inmenso potencial, su precisión puede variar, particularmente en entornos donde no hay datos de entrenamiento suficientes o trabajadores menos experimentados. Y es que el segundo mito es que la IA siempre mejora el rendimiento humano.

Construir el modelo es la parte más difícil de la implementación

La personalización de modelos previamente entrenados, como ChatGPT, Gemini, Claude o Llama, para casos de uso y conjuntos de datos específicos de la empresa requiere un esfuerzo significativo, utilizando técnicas como el ajuste fino o la generación aumentada de recuperación (RAG). Además, la preparación de conjuntos de datos para el consumo de modelos de IA genérica, la implementación de salvaguardas de privacidad y seguridad, y la producción de la implementación y el soporte de estos modelos son tareas que requieren mucho tiempo y recursos. Riesgos como el jailbreak (actores malintencionados que obtienen acceso al sistema subyacente), la inyección rápida (instrucciones dañinas que conducen a la IA a generar contenido no deseado) y el envenenamiento (manipulación de datos de entrenamiento para introducir sesgos o distorsionar el comportamiento del modelo de IA) plantean amenazas significativas, lo que pone de manifiesto la importancia de medidas sólidas de protección de datos, especialmente a la luz de regulaciones como la Ley de IA de la UE. Por eso, el mito tres es aquel que dice que construir el modelo es la parte difícil del proceso.

Hay tiempo para plantarse integra la IA en mi organización

Si quiere garantizar la competitividad de su organización, no se deje convencer por este cuarto mito. Con la rápida aparición de la IA de generación y la incertidumbre que rodea su adopción e impacto, las empresas podrían verse tentadas de adoptar un enfoque de esperar y ver antes de realizar inversiones. Sin embargo, la historia ofrece lecciones de empresas exitosas que han sido sorprendidas por las olas tecnológicas revolucionarias, lo que ha hecho que sus modelos comerciales y operativos existentes queden obsoletos en solo unos años.

Invertir en IAg te dará automáticamente una ventaja competitiva

Los milagros no existen. Las primeras organizaciones en invertir en IAg se han beneficiado de ser  los primeros en implementar estrategias innovadoras. Sin embargo, a medida se vuelve más accesibles los competidores pueden ponerse al día rápidamente mediante el uso de herramientas y enfoques similares. Esto pone de manifiesto la naturaleza temporal de las ventajas obtenidas al desplegar la IA genérica. Para mantener la ventaja inicial, las empresas deben innovar, diferenciarse y evolucionar. Por eso, es un mito pensar que la IAg es un bálsamo de Fierabrás para la competitividad.

El factor clave para el éxito cuando se trabaja con IAg radica en capacitar a los empleados en habilidades como el pensamiento crítico, el juicio, la empatía y la detección de sesgos para asignar modelos de tareas de manera efectiva y evaluar sus resultados.

Es importante saber que funciona con la disposición más probable de palabras o píxeles derivados de sus datos de entrenamiento e indicaciones. No posee una comprensión o intención intrínseca. A medida que la IA asume más responsabilidades, el human-in-the-loop se convierte en un paso critico para garantizar resultados fiables, justos y útiles.