Más allá de ChatGPT: IA generativa para empresas – Ejemplos prácticos
ChatGPT es la “Big Thing” en este momento, pero solo el comienzo. Porque el mayor desarrollo de las aplicaciones empresariales se centra principalmente en la IA generativa, que es mucho más exigente que ChatGPT. Las empresas de capital riesgo han invertido más $ 1.700 millones en soluciones de IA generativa en los últimos tres años, y el desarrollo de fármacos asistido por IA y la programación de software de IA recibieron la mayor parte de las inversiones. Más allá de ChatGPT: IA generativa en la empresa – Ejemplos prácticos.
¿Qué es la IA Generativa – Inteligencia Artificial Generativa?
La IA generativa puede explorar muchos diseños posibles de un objeto para encontrar el correcto o el más adecuado. No solo expande y acelera el diseño en muchas áreas, sino que también tiene el potencial de “inventar” diseños u objetos novedosos que, de otro modo, la gente podría haber pasado por alto. El marketing y los medios ya están sintiendo el impacto de la IA generativa.
Los analistas de Gartner esperan que para 2025, el 30 por ciento de los mensajes de marketing salientes de las grandes empresas se generen sintéticamente, frente a menos del 2 por ciento en 2022. Los analistas también ven una gran película de gran éxito para 2030, con el 90 por ciento de la película generada por IA (de texto a vídeo).
Más allá de ChatGPT: IA generativa en la empresa – Ejemplos prácticos
Las innovaciones de IA generalmente se están acelerando, creando numerosos casos de uso para IA generativa en la empresa, para varias industrias. Gartner identifica cinco de ellos:
#1 IA generativa en el desarrollo de fármacos
Según un estudio de 2010, el coste promedio de desarrollar un fármaco desde el descubrimiento hasta el mercado es de aproximadamente $ 1.800 millones, de los cuales los costes de desarrollo del fármaco representan alrededor de un tercio. Según Gartner, la IA generativa ya se ha utilizado para desarrollar medicamentos para diversas aplicaciones en cuestión de meses, lo que brinda a la industria farmacéutica importantes oportunidades para reducir tanto el coste como el tiempo de desarrollo de medicamentos.
#2 IA generativa en ciencia de materiales
La IA generativa está afectando a las industrias automotriz, aeroespacial, de defensa, médica, electrónica y energética mediante el desarrollo de materiales completamente nuevos con propiedades físicas específicas. Este proceso, llamado diseño inverso, implica definir las propiedades requeridas y encontrar materiales que exhiban esas propiedades, en lugar de confiar en el azar para encontrar un material que posea esas propiedades. Por ejemplo, según Gartner, se pueden encontrar materiales que sean más conductores o tengan una mayor atracción magnética que los que se utilizan actualmente en los sectores de la energía y el transporte, o para aplicaciones en las que los materiales deben ser resistentes a la corrosión.
#3 IA generativa en el diseño de chips
La IA generativa puede utilizar el aprendizaje por refuerzo (una técnica de aprendizaje automático) para optimizar la ubicación de los componentes en el diseño del chip semiconductor (planificación de la planta), lo que reduce el tiempo del ciclo de vida del desarrollo del producto de semanas con expertos humanos a horas con IA generativa.
#4 IA generativa en datos sintéticos
La IA generativa es una forma de crear datos sintéticos. Esta es una clase de datos que se genera en lugar de obtenerse a partir de observaciones directas del mundo real. Esto garantiza la confidencialidad de las fuentes de datos originales utilizadas para entrenar el modelo. Por ejemplo, según Gartner, los datos de atención médica pueden generarse artificialmente para investigación y análisis sin revelar la identidad de los pacientes cuyos registros médicos se usaron para garantizar la privacidad.
#5 Diseño aditivo de piezas
La IA generativa permite que industrias como la fabricación, la automoción, la aeroespacial y la defensa diseñen piezas optimizadas para objetivos y limitaciones específicos, como el rendimiento, los materiales y los procesos de fabricación. Por ejemplo, los fabricantes de automóviles pueden utilizar el diseño generativo para crear estructuras más ligeras, lo que contribuye a su objetivo de hacer que los automóviles ahorren más combustible.
Cómo encontrar las tecnologías adecuadas para permitir la integración generativa de IA
La mayoría de los sistemas de IA de hoy son clasificadores, es decir, pueden ser entrenados para distinguir entre imágenes de perros y gatos. Los sistemas de IA generativa se pueden entrenar para crear una imagen de un perro o un gato que no existe en el mundo real. La capacidad de la tecnología para ser creativa es un factor clave. La IA generativa permite que los sistemas creen artefactos de alta calidad como, por ejemplo, vídeos, narraciones, datos de entrenamiento e incluso diseños y esquemas.
El transformador preentrenado generativo (Generative Pre-trained Transformer, GTP), por ejemplo, es una tecnología de lenguaje natural a gran escala que utiliza el aprendizaje profundo para generar texto similar al humano. La tercera generación (GPT-3), que predice la siguiente palabra más probable en una oración en función de los datos de entrenamiento recopilados, puede escribir historias, canciones y poemas, e incluso código informático, y permite que ChatGPT termine la tarea de un estudiante en segundos.
Además de texto, los generadores de imágenes digitales como DALL-E 2, Stable Diffusion y Midjourney también pueden generar imágenes a partir de texto. Hay una serie de técnicas de IA que se utilizan para la IA generativa, pero recientemente los modelos básicos han pasado a primer plano. Los llamados modelos básicos se entrenan previamente en fuentes de datos generales de manera autosupervisada, y luego se pueden adaptar para resolver nuevos problemas. Los modelos básicos se basan principalmente en arquitecturas de transformadores, que incorporan un tipo de arquitectura de red neuronal profunda que calcula una representación numérica de los datos de entrenamiento.
Las arquitecturas de transformadores aprenden el contexto y, por lo tanto, el significado mediante el seguimiento de las relaciones en los datos secuenciales. Los modelos de transformador aplican un conjunto en evolución de técnicas matemáticas llamadas atención o autoconciencia para detectar formas sutiles en las que incluso elementos de datos muy separados en una serie se afectan y dependen unos de otros.
Importante: vigile los riesgos de la IA generativa
La IA generativa no solo ofrece oportunidades empresariales, sino también amenazas reales, incluido el potencial de falsificaciones profundas (Deepfakes), problemas de derechos de autor y otros usos maliciosos de la tecnología de IA generativa dirigida a su empresa.
Gartner recomienda que las empresas trabajen con profesionales de seguridad y gestión de riesgos, para mitigar de manera proactiva los riesgos de reputación, falsificación, fraude y políticos. La introducción de pautas para el uso responsable de la IA generativa también es útil.