Cómo hacer que la Inteligencia Artificial generativa sea productiva
Las aplicaciones productivas de la inteligencia artificial (IA) generativa son menos emocionantes de lo que sugiere la publicidad. No requieren ideas innovadoras, sino expectativas realistas, planeación minuciosa y gestión de riesgos. La robótica industrial es un buen ejemplo.
Recientemente, la situación en torno a ChatGPT se comparó con el despliegue publicitario que se desató con la aparición de la IA “Watson” en el programa Jeopardy en 2011. La pregunta obvia es: ¿Enfrentaremos otro “Invierno IA”? ¿O se cumplirán las promesas audaces de la Inteligencia Artificial generativa y de los modelos de lenguaje grandes?
El escenario más probable es que esta vez lograremos un equilibrio. El analista tecnológico, Benedict Evans, sugiere que la IA generativa resultará ser “la automatización aburrida de los procesos aburridos en las oficinas aburridas de las compañías aburridas”. A primera vista, esto puede sonar pesimista, pero esos casos de uso “aburridos” serán los que generen resultados empresariales a escala.
El asistente de IA ayuda al personal de las fábricas a operar un robot
Consideremos una aplicación desarrollada por Hewlett Packard Enterprise y la compañía alemana de IA, Aleph Alpha. Se trata de un asistente de Inteligencia Artificial generativa que aumenta la eficiencia y seguridad cuando un robot industrial se instala, opera y mantiene. Se comporta como un técnico de servicios sumamente especializado que apoya al personal de la fábrica para resolver tareas complejas.
Cuando se comunican con el asistente de IA, el personal de la fábrica no tiene que adherirse a ningún sistema predefinido ni utilizar terminología específica. El diálogo también es posible en diferentes idiomas, independientemente del idioma con el cual se entrenó. Un ejemplo sencillo de un diálogo sería: “¡Emergencia! ¿Cómo puedo detener el robot de inmediato?” Respuesta: “Presione el botón de apagado de emergencia. Es el botón rojo grande en la parte superior derecha de la unidad portátil”.
La interacción con el asistente de IA también puede tener lugar a través de imágenes. Ejemplo: Al calibrar un robot, el operador toma una fotografía de una marca de calibración específica con un smartphone o una tableta y pregunta si esa es la posición de calibración correcta.
La IA generativa puede incrementar la eficiencia y la seguridad
Estas capacidades pueden contribuir significativamente a la eficiencia y seguridad de las operaciones del robot. El personal de la fábrica no depende de la ayuda de un técnico de servicio especializado para obtener respuestas a las preguntas específicas sobre instalación, mantenimiento y resolución de problemas. Eso ahorra tiempo y dinero. El asistente de IA también puede apoyar al personal de la fábrica para cumplir con las regulaciones de seguridad; por ejemplo, el operador puede tomar una fotografía de la posición del robot y preguntar si esa posición es segura. En caso de que surjan problemas graves, el asistente de IA puede proporcionar información crucial para evitar daños o inactividad de producción.
Las capacidades de un asistente de IA como este pueden extenderse a todo el ambiente de producción de una fábrica y también a la cadena de suministro, ya que, por ejemplo, puede entrenarse con documentación técnica adicional y con información sobre proveedores, contratos de suministro, términos legales y regulaciones, costos, o emisores de CO2. Por lo tanto, la IA generativa se está convirtiendo en una herramienta para reducir costos, minimizar riesgos y mejorar la sostenibilidad en toda la cadena de suministro.
No se puede aceptar contenido falso en la producción industrial
Contrario al despliegue publicitario actual, implementar estas aplicaciones requiere una visión realista de los riesgos y limitaciones de la tecnología, una planeación minuciosa y una ejecución rigurosa. Esto es especialmente relevante en la producción industrial, ya que en esta área no se puede aceptar contenido falso ni recomendaciones sesgadas. Y aunque eliminar unos cuantos puntos porcentuales de eficiencia puede parecer aburrido para los evangelistas de IA, en los mercados hipercompetitivos, como el de suministros automotrices, pueden proporcionar una ventaja decisiva.
A nivel operativo, una iniciativa de Inteligencia Artificial generativa en la empresa generalmente comenzará con experimentos, prototipos y pruebas de concepto; sin embargo, si el objetivo es avanzar del prototipo a la producción a escala, se deben considerar desde el principio varias dependencias y prerrequisitos estratégicos, organizativos y técnicos.
Lo anterior incluye requisitos básicos como experiencia en relación con la creación de valor de los datos y la inteligencia artificial, así como la integración de asistentes de IA en los procesos de seguridad operativa y gestión de riesgos. Ejecutar el modelo de lenguaje grande en una infraestructura privada local ayuda a proteger los secretos comerciales y a evitar dependencias de la nube. Y, finalmente, el modelo de IA debe poder explicar el contenido que genera, lo que significa que debe ser posible rastrear el origen del contenido hasta sus fuentes de datos. De esta forma, el contenido generado por IA sin fuentes fidedignas ni adecuadas puede retenerse directamente.
Trabajo duro, paciencia y perseverancia
Hacer que la IA generativa sea productiva en la empresa no es fácil. Es un trabajo duro y en ocasiones aburrido. No tiene nada que ver con salvar al planeta ni transformar una industria entera, sino con crear ahorros incrementales en las operaciones cotidianas, acelerar los procesos empresariales y evitar fallas eléctricas.
Eso también requiere paciencia y perseverancia. Se ha dicho que la Inteligencia Artificial generativa es como tener miles de becarios inteligentes a la mano. En otras palabras, es posible lograr incrementos asombrosos en productividad ahora mismo, pero promete mucho más para el futuro. Sin embargo, esa promesa solo se cumplirá si las compañías invierten en una mayor capacitación —tanto de la tecnología como de su propia capacidad para crear valor con ella—.
Por el Dr. Bernd Bachmann, Asesor de Big Data e IA en Hewlett Packard Enterprise