En lo que va de año, la Inteligencia Artificial Generativa (IA generativa) y, en especial, los modelos grandes de lenguaje – Large Language Models (LLMs) – han captado la atención de los medios y de una sociedad que abre debate sobre el impacto potencial de la tecnología. En cualquier caso, más allá del ruido mediático, de desafíos y regulación, existen oportunidades muy relevantes para las empresas que, independientemente de su tamaño, deben adaptar sus recursos para integrar y aprovechar esta disrupción tecnológica al máximo.
Los LLMs (como los famosos GTP-3.5 o GPT-4 de OpenAI, pero existen muchos más) son modelos de lenguaje pre-entrenados, también llamados modelos fundacionales, basados en arquitecturas de deep learning de tipo Transformer. Estos modelos habilitan, entre otras, soluciones de IA Conversacional (como el chatbot ChatGPT), que permiten interaccionar con cualquier tipo de aplicación mediante lenguaje natural.
Sin embargo, hay que saber que, aunque son modelos generales que pueden servir para cualquier propósito (multidominio y multitarea), no existe una solución única y plug-and-play para todo, especialmente para empresas que buscan explotar el potencial de la IA generativa con casos de uso particulares basados en datos. Así, a pesar de todas las ventajas que la IA generativa puede aportar a las empresas, es una tecnología que debe ser adaptada a cada supuesto y lleva aparejados a su vez unos desafíos y unos riesgos que hay que mitigar.
En cualquier caso, lo que es seguro es que la IA generativa tiene el potencial de transformar casi cualquier industria y que sólo estamos viendo los inicios de una nueva era alrededor de la inteligencia artificial. Desde Innovación Abierta de Telefónica estamos en contacto con las startups de IA generativa más innovadoras. No te quedes atrás y conoce cómo pueden ayudarte a diseñar tu estrategia de empresa en IA generativa.
Comprender la IA Generativa
Empecemos por el principio: Un modelo de inteligencia artificial es un tipo de software que pretende replicar y amplificar el comportamiento humano inteligente.
Así como un modelo es una representación de un objeto del mundo real, un modelo de IA es una representación de un proceso inteligente inspirado en la inteligencia humana.
La gran diferencia entre la IA generativa y los tipos IA más establecidos, como la IA analítica o discriminativa, es que la IA generativa da el salto las capacidades cognitivas al ámbito de las capacidades creativas. Con la IA generativa, la máquina produce información nueva (original) en lugar de limitarse a reconocer, analizar o clasificar contenido existente.
La IA generativa es, por tanto, un subtipo de la IA que puede crear imágenes realistas, vídeo, música, moda, diseño, código, materiales, datos sintéticos y que puede acelerar el ritmo del progreso científico, por nombrar sólo algunas de las aplicaciones posibles.
Tras el exitoso lanzamiento de ChatGPT en noviembre de 2022 por OpenAI y su asociación con Microsoft, todas las empresas MAGMA (Microsoft, Apple, Google, Meta y Amazon) han multiplicado sus esfuerzos en IA generativa y en los LLMs en particular.
Estas compañías no solo tienen planes de integrar la tecnología en sus productos y servicios, sino que además, los grandes proveedores de cloud, como Amazon, Google y Microsoft, están potenciando su negocio de infraestructuras en la nube.
En cuanto a ChatGPT, además del modelo abierto al cliente masivo de OpenAI (y que los humanos reentrenamos con el uso cada día), Microsoft ha comenzado a ofrecer instancias privadas de los modelos de OpenAI para empresas, para conseguir resultados más controlados y seguros.
Pero esta no es la única opción. Los LLMs de código abierto y la nueva tendencia de los pequeños LLMs están ganando tracción y aún no sabemos qué forma tomará finalmente el ecosistema de soluciones de IA generativa para empresas.
El impacto de la IA generativa en los trabajadores
La IA generativa afecta a las empresas a tres niveles. En primer lugar, transforma el perfil y las competencias de la mano de obra, multiplicando su productividad.
La IA generativa aumenta la productividad de los trabajadores del conocimiento, automatizando tareas repetitivas y homogeneizando y mejorando la calidad del trabajo. Según datos de OpenAI, alrededor del 80% de la mano de obra estadounidense experimentará al menos un 10% de disrupción en sus tareas y el 19% se enfrentará a un impacto de hasta 50% en su actividad del día a día.
El principal tema de controversia es determinar si la tecnología sustituirá o eclipsará al humano. A este respecto, la opinión predominante es que la IA aumenta las capacidades humanas, pero no las sustituye. Para superar este reto, es crucial actualizar y mejorar las habilidades de los trabajadores en las nuevas competencias digitales mediante programas de formación de up-skilling y re-skilling. De este modo, los trabajadores del futuro harán uso de la IA como herramienta y podrán prosperar junto a la tecnología centrándose en las funciones que requieren de las capacidades humanas que la tecnología no puede reemplazar.
Impacto en el seno de la empresa
En segundo lugar, el uso interno de IA generativa tiene un impacto significativo en eficiencias por lo que se espera que la adopción de la IA generativa por parte de la empresa sea masiva, con sectores pioneros y otros followers.
Sin embargo, la empresa también se enfrenta a grandes retos. El principal es la necesidad de conocimiento especializado en IA para aprovechar plenamente el potencial y comprender y mitigar los riesgos. La naturaleza fragmentada y especializada de la oferta tecnológica en este campo puede dificultar que las empresas encuentren soluciones adecuadas que se ajusten a sus necesidades específicas. La falta de conocimiento especializado puede incurrir por ejemplo en un aumento potencial de los costes operativos.
Otro reto importante es minimizar el riesgo de alucinaciones, el posible uso indebido y las preocupaciones éticas asociadas. La IA generativa puede utilizarse para crear deep fakes, difundir desinformación, cometer fraudes financieros y burlar la autenticación biométrica, entre otros riesgos. Las empresas deben abordar proactivamente riesgos asociados al uso indebido de la IA generativa.
Impacto en los productos y servicios finales
Por último, la IA generativa desbloquea nuevas funcionalidades en los productos existentes, así como la creación de nuevos productos antes inimaginables. La capacidad de las máquinas para generar contenidos originales ofrece a las empresas nuevas vías de innovación y diferenciación en el mercado.
En resumen, las aplicaciones de la IA generativa se extienden a cualquier software o aplicación que utilice texto, imágenes, voz o vídeo. Esto incluye el diseño gráfico, la creación de contenidos, la producción musical, la traducción automática, la generación de diálogos y mucho más.
A la hora de intentar comprender los efectos que la IA generativa genera en los productos y servicios de las empresas, la primera afirmación que hay que hacer es que la IA generativa no es el producto, o al menos no el producto final en sí, sino más bien una pieza de tecnología que se utiliza para mejorar los productos y servicios existentes o crear otros nuevos. Sirve así como componente adicional que permite a las empresas ofrecer experiencias más creativas y personalizadas.
Al integrar IA generativa, el fine-tuning de modelos preentrenados puede ahorrar tiempo y dinero. La disponibilidad de modelos preentrenados de IA generativa ofrece a las empresas una forma eficiente de implementar esta tecnología en sus productos y servicios. Estos modelos preentrenados son desarrollados por empresas especializadas y contienen conocimientos y patrones obtenidos mediante mecanismos de autoaprendizaje o aprendizaje semi-supervisado a partir de grandes conjuntos de datos. Al utilizarlos, las empresas pueden ahorrar tiempo y recursos que de otro modo se emplearían en formar modelos desde cero, agilizando el proceso de implantación y reduciendo los costes asociados.
La creación del plan estratégico de IA generativa para tu empresa
Existen varios factores que deben tenerse en cuenta a la hora de adoptar IA generativa en la empresa. Por un lado, las capacidades que la IA generativa aporta a los productos siguen el ritmo marcado por la madurez de los modelos fundacionales que las habilitan. A medida que pase el tiempo, los modelos serán capaces de responder con mayor precisión a contextos especializados y, a su vez, las sinergias con la IA analítica tradicional y la automatización aumentarán, liberando todo su potencial.
En este contexto, puede servir de referencia el modelo de los tres horizontes temporales de McKinsey. Esta metodología enmarca la planificación y el desarrollo estratégicos de la empresa en tres etapas, correspondientes a tres horizontes temporales que abarcan una estrategia integral. Esta aproximación equilibra las ganancias a corto plazo, el crecimiento a medio plazo y la resiliencia a largo plazo frente a los cambios disruptivos.
- El Horizonte 1 (H1) se centra en la mejora de la eficiencia y la productividad a corto plazo. Se trata de identificar y aplicar medidas para optimizar los procesos existentes, reducir costes y mejorar la eficiencia operativa. Las iniciativas H1 suelen implicar la transformación de los flujos de trabajo, la automatización de tareas repetitivas y el aprovechamiento de las tecnologías para aumentar maximizar la productividad. La mayoría de los casos de uso intersectoriales propuestos en este artículo son H1.
- El Horizonte 2 (H2) gira en torno a la exploración de nuevos servicios y oportunidades de negocio que puedan perseguirse a medio plazo. Este horizonte implica identificar las tendencias emergentes, las lagunas del mercado y las necesidades de los clientes para desarrollar productos o servicios innovadores. Las iniciativas H2 se centran en la diversificación de la oferta, la expansión a nuevos mercados y el establecimiento de ventajas competitivas a través de la diferenciación y la creación de valor.
- Por último, el Horizonte 3 (H3), el horizonte de la disrupción se ocupa de la transformación a largo plazo y del impacto potencial de las tecnologías en modelos de negocio disruptivos. Implica anticiparse y prepararse para cambios significativos en la industria, innovaciones disruptivas y nuevos comportamientos de los clientes. Las iniciativas H3 implican explorar ideas radicales, fomentar la experimentación y adaptar proactivamente la empresa para adelantarse a las fuerzas disruptivas.
Algunos casos de uso transversales
Hay muchos casos de uso de la IA generativa para las empresas que ya son una realidad, aunque su implantación no siempre es sencilla. La creación de la infraestructura necesaria para habilitarlos, la integración con los sistemas heredados de la empresa y, en algunos casos, la necesidad de mejorar las competencias de la plantilla, hacen que su adopción no sea tan rápida y fluida como se desearía. Los casos de uso que se presentan a continuación son nuestra selección de quick-wins:
- Base de conocimiento para empleados: En este campo trabaja la startup unicornio Glean, una solución de buscador y gestión del conocimiento para empresas. Habilitada por IA generativa, Glean permite a los empleados recuperar información distribuida en los distintos sistemas, aplicaciones, documentos, conversaciones, tickets y más.
- Asistente de marketing y ventas: La generación de contenidos de marca, la hiper-personalización de la comunicación (del B2C al B2Me), el perfilado avanzado de usuarios o la creación de nuevas propuestas de valor basadas en el contexto son una realidad con IA generativa. Destacamos en esta área dos unicornios: Jasper, un creador de IA-marketing para hacer contenido rápido, fácil, original y creativo para blogs, redes sociales y webs. Y Synthesia, que permite generar vídeos con IA a partir de texto plano en cuestión de minutos.
- Asistentes virtuales y Call Center: En este área hay multitud de aplicaciones. Avatares virtuales personalizados, mejora de la comprensión del lenguaje, transcripción automática, análisis, resumen y caracterización de las conversaciones, enrutamiento inteligente, clasificación y análisis de datos no estructurados, detección de sentimiento y veracidad. Por ejemplo, Character.ai es otra startup de IA generativa que ha alcanzado la categoría de unicornio. Su propuesta de valor se basa en permitir a sus clientes crear su propio chatbot de IA.
- Desarrollo de software: Codificación de modelos, explicación y comentado de código, generación automática de código, prevención de errores y herramientas de pruebas para control de calidad. Hay un montón de ejemplos de startups que dominan este campo. GitHub Copilot, un compañero de programación (también unicornio) sirve como herramienta de IA que convierte prompts de lenguaje natural en sugerencias de código en distintos lenguajes de programación. Otras empresas como Tabnine también están ofreciendo un asistente de IA para desarrolladores de software.
- Tratamiento de datos: La generación de datos sintéticos para entrenamiento de modelos cuando los datos existentes son escasos o para garantizar un entrenamiento sin sesgos, la clasificación de datos, identificación de patrones, análisis y explicación de datos en lenguaje natural son posibles utilizando IA generativa. En este campo destaca Mostly.AI, un generador de datos sintéticos impulsado por IA que genera conjuntos de datos de alta calidad, garantizando privacidad y seguridad en el entrenamiento de modelos de machine learning, análisis avanzados, pruebas de software y compartición de datos.
- Ámbito legal, financiero y transparencia: Generación automática de informes, contratos y pliegos de impuestos. Es así como compañías en fase seed como DraftWise y Originality.ai ofrecen soluciones para la generación de documentos y la detección de contenidos generados por IA, respectivamente.
Inversión en startups de IA generativa
En la situación económica actual, caracterizada por los altos tipos de interés, los conflictos bélicos y las quiebras de los principales bancos que tradicionalmente financiaban startups, se ha producido un descenso en la financiación de Venture Capital.
Sin embargo, en este escenario adverso, las principales startups que están consiguiendo captar capital son las basadas en IA. Según Pitchbook, los fondos de Venture Capital han aumentado su inversión en IA generativa en un 425% desde 2020, alcanzando los 2.100 millones de dólares a principios de enero de 2023, siendo probable que una parte significativa de este capital se esté utilizando para desarrollar los modelos fundacionales, las plataformas y la infraestructura necesaria.
Desde principios de enero de 2023, las empresas de IA generativa han conseguido un total de 14.100 millones de dólares en financiación de capital a través de 91 rondas de inversión, que incluyen la importante inversión de 10.000 millones de dólares realizada por Microsoft en OpenAI. Incluso sin tener en cuenta la transacción de OpenAI, esto representa un notable crecimiento del 38 % en comparación con la financiación total obtenida a lo largo de todo 2022.
Oportunidades para startups
La primera oleada de aplicaciones de IA generativa está compuesta por startups construyen sobre modelos fundacionales. Algunas de estas compañías están empezando a escalar, pero tienen dificultades para retener a los clientes, diferenciarse y conseguir un margen bruto de negocio aceptable.
El espacio de las aplicaciones de IA generativa está creciendo rápidamente. Las tres categorías de productos que ya han superado los 100 millones de dólares de ingresos anuales son: redacción, codificación y generación de imágenes.
Las historias de éxito en las tres categorías anteriores ponen de relieve la necesidad del experto humano para hacer un buen trabajo (Jasper asiste, no sustituye al redactor publicitario, GitHub Copilot, es un par para el programador o Midjourney, un bot que produce imágenes basadas en la descripción en lenguaje natural que indicar el diseñador gráfico).
La IA conversacional pudiera ser la siguiente categoría prometedora en el espacio de IA generativa: chatbots especializados (tipo ChatGPT) como los que ofrece Liveperson, que utilizan LLMs pre-entrenados, ajustados para fines específicos y que garantizan la privacidad y la seguridad, pueden disrumpir el negocio de los chatbots tradicionales que no utilizan IA generativa.
En cuanto al modelo de negocio, las soluciones actuales ofrecen márgenes brutos del 50-60% debido al alto coste de almacenamiento y procesamiento en la nube (20% y 20% aprox. respectivamente). Estos márgenes deberían mejorar a medida que aumente la competencia y la eficiencia en los modelos fundacionales.
Aún existen grandes interrogantes sobre cómo competirán las aplicaciones creadas sobre modelos fundacionales con las soluciones de IA generativa verticales (que cubren la cadena de valor extremo a extremo) o cómo desarrollarán las startups su estrategia de salida al mercado, creando funcionalidades para las aplicaciones existentes (tipo plug-in) o creando nuevas aplicaciones independientes.
En nuestra opinión, parece haber una oportunidad no satisfecha para startups que desarrollen productos de IA compuesta (combinando capacidades generativas y analíticas) para clientes de empresa que buscan soluciones especializadas más allá de los servicios generalistas sobre LLMs proporcionados por los grandes actores.
