La IA generativa (GenAI), el aprendizaje automático (ML) y los grandes modelos de lenguaje (LLM) son cada vez más importantes para las empresas modernas, pero lograr un valor mensurable de la IA sigue siendo un desafío. Parte del problema es que un modelo de IA bien entrenado depende de una gran cantidad de datos y, para muchas empresas, organizar y utilizar todos sus datos los ralentiza cada día. Para maximizar el valor de la IA, las empresas deben asegurarse de que su pila de datos esté bien organizada. Si una empresa es capaz de consolidar fuentes de datos, será mucho más fácil crear casos de uso valiosos para la IA generativa. A continuación se muestran algunos ejemplos que ya añaden valor en la actualidad.

IA en desarrollo de software y ciencia de datos

En lo que respecta a los LLM, GPT-4 es un generalista impresionante, con un amplio conocimiento de temas que van desde la historia mundial hasta la programación de computadoras, la cocina del Medio Oriente y más. Esto no es sorprendente, ya que se entrenó en gran medida en páginas web extraídas de Internet. Pero lo que la mayoría de las empresas necesitan son modelos especializados centrados en su mercado vertical, que estén capacitados en sus datos internos, no en Internet. La publicación a16z en De qué hablan los constructores cuando hablan de IA explicó cómo las empresas realmente no necesitan más chatbots. Las empresas necesitan GPT que puedan proporcionar información de manera eficiente con alta exactitud y precisión. No importa si la IA puede resumir a Shakespeare; importa si puede predecir con precisión cuál podría ser el valor de vida de un cliente potencial.

Ali Ghodsi de Databricks señaló que sus clientes "quieren tener modelos especializados que sean más baratos, más pequeños y que tengan una precisión y un rendimiento realmente altos". Para algo como la fabricación que requiere una precisión extrema, es mejor entrenar un modelo más pequeño en un conjunto de datos especializado y específico de un dominio. Como resultado, el modelo resultante será más rápido, más barato y más preciso. 

Con un conjunto de datos más completo, estamos viendo cómo las empresas pueden crear prototipos de nuevo software e iterarlo rápidamente. Usamos IA generativa en mi empresa para ayudar a crear prototipos de conectores que faciliten el movimiento de datos desde aplicaciones en la nube, bases de datos, transmisión de datos y aplicaciones empresariales, todos fluyendo hacia un almacén de datos o un lago de datos. Crear conectores para nuevas aplicaciones SaaS puede resultar un desafío cuando las plataformas y los esquemas cambian tan rápidamente. Usando GPT-4, hemos podido poner a un cliente en funcionamiento mientras hacemos el trabajo a largo plazo para crear conectores robustos y con todas las funciones. 

Inteligencia instantánea

Uno de los casos de uso que encuentro fascinante es cómo se utiliza GenAI para búsqueda y resumen. Cada gran empresa tiene múltiples repositorios de datos, desde Atlassian hasta Slack, Sharepoint hasta Teams o Google Drive y Gmail. O una mezcla de todo lo anterior. Y en su mayor parte, estos enormes recursos de conocimiento organizacional todavía están en gran medida sin explotar. Eso cambiará pronto, a medida que las empresas reconozcan la ventaja competitiva de aprovechar estos datos y aprovecharlos mediante la IA. La generación de recuperación aumentada (RAG), que permite a los LLM recuperar datos de fuentes externas como documentos internos o Internet, es un desarrollo interesante que aún tenemos que aprovechar por completo.

Junto con estas aplicaciones empresariales, existen repositorios de dominios específicos, como el historial comercial de una empresa financiera o pedidos minoristas y perfiles de clientes que deben integrarse en el conjunto de datos de capacitación. La formación de un LLM puede hacer que sea muy fácil hacer preguntas en un inglés sencillo que puedan descubrir información de toda la pila de datos de una organización. Pero esos datos deben organizarse y categorizarse primero para que la capacitación pueda darle sentido a todo, y cuantos más datos estén disponibles, mejores serán los resultados de la capacitación. 

Este problema es especialmente desafiante en un entorno de captura de datos de cambios, cuando los datos financieros o de transacciones llegan las 24 horas del día y se actualizan constantemente. Cuando los esquemas de datos cambian, los datos pueden categorizarse erróneamente o incluso perderse en el éter. Si el LLM va a ayudar a automatizar cosas, crear nuevas ideas de productos o generar ideas sobre nuevos conceptos, debe estar actualizado. Desafortunadamente, muchas empresas tienen dificultades para llevar los datos a un solo lugar.

La IA mejora los roles y facilita la colaboración 

Durante mucho tiempo, ha habido una necesidad de ingenieros de software de nivel básico que puedan escribir código básico, sin centrarse en el panorama más amplio de la arquitectura de datos y los patrones de diseño, la integración con otras plataformas o el diseño de un sistema para obtener el máximo rendimiento.

Como dijo Dylan Field de Figma: "Los mejores diseñadores están empezando a pensar mucho más en el código y los mejores desarrolladores están pensando mucho más en el diseño". GenAI está permitiendo que estas personas crucen el dominio tradicional de cada uno y agreguen valor, lo que hará que el desarrollo sea mucho más rápido. Mientras tanto, los desarrolladores inteligentes están estudiando patrones de diseño de sistemas en un esfuerzo por ascender en la cadena de valor.

En última instancia, la fusión de la IA generativa, los grandes modelos de lenguaje y el aprendizaje automático transformará las operaciones empresariales. Desde el desarrollo de software hasta la estrategia de marketing, la IA generativa tendrá un impacto dramático al crear código nuevo, crear prototipos de ideas y romper silos entre diseñadores y codificadores, sin revelar datos de propiedad exclusiva. La clave estará en equilibrar la versatilidad de la IA con una base esencial de gestión de datos. Si podemos mantener los datos subyacentes centralizados e integrados, podemos iniciar esta próxima era de tecnología para hacer que las personas sean más productivas y las empresas más efectivas.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.dataversity.net/generative-ai-challenges-and-opportunities-for-modern-enterprises/