Háblanos un poco de ti. ¿En qué consiste tu trabajo en Telefónica?
Tengo 19 años de experiencia en Telefónica, donde he transitado por diversas áreas como Marketing, Experiencia del Cliente y Desarrollo de Canales. En 2018, inicié una transición de carrera hacia el área de Inteligencia Artificial, enfocándome en cómo la IA puede transformar la forma en que nos relacionamos con los clientes y optimizamos procesos de negocio.
Actualmente, lidero el área de discovery de productos de inteligencia artificial en Vivo, donde mi equipo se encarga de identificar necesidades dentro de la empresa que puedan beneficiarse del uso de IA, diseñar soluciones, calcular su impacto y priorizar proyectos. Nos enfocamos en la fase inicial del ciclo de vida de los productos de IA, desde la conceptualización hasta la validación técnica y de negocio, antes de transferir los desarrollos a los equipos de delivery.
Hoy manejamos un backlog de más de 100 iniciativas, abarcando desde la automatización de procesos hasta soluciones avanzadas con IA generativa. Nuestro objetivo es garantizar que la inteligencia artificial se implemente de manera estratégica, eficiente y con impacto real en el negocio.
¿Cómo ves la evolución de la inteligencia artificial?
En Vivo, la inteligencia artificial ha estado presente mucho antes del boom de la IA generativa. Desde 2018, con el desarrollo y evolución de Aura, hemos construido una gran especialización en procesamiento de lenguaje natural (NLP) dentro de nuestro equipo. Gracias a esa experiencia, comenzamos a experimentar con el modelo GPT-3 aún en su fase de preview, lo que nos permitió estar a la vanguardia y seguir de cerca la explosión de la IA generativa.
Antes de la llegada de modelos como ChatGPT, la IA estaba principalmente concentrada en las empresas, funcionando en segundo plano para optimizar procesos, como la recomendación de títulos en Netflix o libros en Amazon. Las personas eran impactadas por la IA, pero no la utilizaban activamente a su favor.
Ahora, con la IA generativa, la inteligencia artificial está verdaderamente en manos de las personas. Se ha convertido en una herramienta de inteligencia aumentada, que potencia la creatividad, la productividad y la toma de decisiones en el día a día. Este cambio representa una nueva fase de la evolución de la IA: de una tecnología empresarial a una herramienta accesible para todos.
Veo que la tendencia continuará en: primero, la mejora en la personalización y adaptabilidad de los modelos a contextos específicos; una mayor eficiencia en términos de costo computacional, lo que permitirá democratizar aún más su uso; y agentes de IA veremos cada vez más agentes autónomos especializados en ejecutar tareas complejas sin intervención humana. Estos agentes no solo responderán preguntas, sino que podrán interactuar con sistemas, automatizar procesos y tomar decisiones estratégicas, cambiando la forma en que trabajamos y gestionamos negocios.
¿Cuáles pueden ser las mejoras que presenten las versiones futuras con respecto a las que hay en la actualidad?
Algunas mejoras clave que veremos en las próximas versiones de modelos de IA incluyen:
- Mayor precisión y menor alucinación – Modelos más confiables, con mejor comprensión del contexto y generación de respuestas más precisas.
- Menor consumo de recursos – Algoritmos más eficientes que requerirán menos poder computacional, permitiendo su uso en dispositivos más pequeños.
- Mayor capacidad multimodal – Integración fluida entre texto, imágenes, video y voz en un solo modelo.
- IA más autónoma – Modelos que no solo generen información, sino que ejecuten tareas complejas con menos intervención humana.
¿A qué retos se enfrenta la IA?
La IA enfrenta múltiples desafíos, pero los más relevantes hoy en día son:
- Ética y sesgo – Evitar que los modelos refuercen prejuicios existentes en los datos.
- Transparencia y explicabilidad – Asegurar que las decisiones de la IA sean comprensibles para los usuarios y reguladores.
- Regulación – Equilibrar la innovación con normativas que protejan a las personas sin frenar el desarrollo.
- Costo computacional – Hacer la IA más accesible sin depender de infraestructuras costosas.
- Seguridad y privacidad – Garantizar que la IA maneje datos sensibles de manera responsable y segura.
¿Cómo puede garantizarse un desarrollo ético y responsable de la inteligencia artificial?
En Telefónica, hacemos un uso responsable de la tecnología y, en concreto, usamos la Inteligencia Artificial desde un enfoque ético y responsable. Tenemos unos principios de IA Ética por los que nos comprometemos a utilizar la IA de manera justa, transparente y explicable, centrada en las personas, con privacidad y seguridad desde el diseño y en toda la cadena de valor de la IA, incluyendo a socios y terceros. Y todo esto incluye también la Inteligencia Artificial Generativa.
Además, disponemos de un Comité de IA Ética al que podemos escalar usos de alto riesgo con este tipo de tecnología y un rol de RAI Champions (Responsible Artificial Intelligence Champions) que velan por el uso responsable de la Inteligencia Artificial en las áreas de negocio. Hemos aprobado un reglamento interno de gobernanza de IA anticipando la nueva regulación europea (“AI Act»).
Para promover un uso responsable de la IA generativa entre nuestros empleados, Telefónica ha publicado internamente una guía sobre cómo usar la IA generativa en el día a día, que cubre aspectos como la privacidad de los datos, seguridad, confidencialidad de la información, propiedad intelectual, transparencia y ética. Con respecto a la seguridad, de conformidad con la Normativa Global de Seguridad, no se permite el uso de servicios de Internet, como es el caso de ChatGPT, para tratar o almacenar información de la empresa, a menos que las cuentas de usuarios y los servicios estén contratados y/o controlados directa o indirectamente por Telefónica. También estamos explorando el uso de herramientas de IA generativa en entornos corporativos controlados por Telefónica que ofrezcan las garantías adecuadas de privacidad y seguridad de la información y eviten el acceso no autorizado de terceros.
Por otro lado, realizamos diferentes actividades de formación y concienciación a nuestros empleados, por ejemplo, a través de Universitas, nuestra universidad corporativa, donde formamos a empleados sobre el potencial de las herramientas de IA Generativa y también sobre la responsabilidad que conlleva y transmitiendo una serie de recomendaciones. Asimismo, también tenemos un curso online sobre IA ética que ya han cursado miles de empleados.
¿Qué implicaciones tiene que los modelos de inteligencia artificial sean de código abierto?
Los modelos de inteligencia artificial de código abierto presentan ventajas significativas, especialmente en términos de tamaño, costo y autonomía. Al ser accesibles, permiten una mayor flexibilidad en la personalización y reducen la dependencia de grandes empresas, lo que puede ser un factor estratégico clave para muchas organizaciones. Sin embargo, no creo que el futuro de la IA dependa exclusivamente de modelos abiertos o cerrados, sino que veremos una convivencia entre ambas opciones, donde la elección dependerá del caso de uso específico.
Por un lado, los modelos open-source pueden representar una reducción considerable de costos, eliminando la necesidad de pagar licencias, además de proporcionar mayor autonomía para personalizar y entrenar modelos sin depender de proveedores como OpenAI, Google o Anthropic. También ofrecen un mayor control sobre los datos y el despliegue, lo cual es fundamental en escenarios con requisitos específicos de privacidad y seguridad.
No obstante, su implementación también trae desafíos. Dependiendo del caso de uso, los modelos abiertos pueden no ser la mejor opción cuando se requiere baja latencia, ya que su operación suele demandar una infraestructura computacional robusta con acceso a GPUs especializadas.
Además, implican un esfuerzo mayor en términos de ingeniería de prompts y mecanismos de seguridad. A diferencia de modelos comerciales como GPT, que cuentan con guardrails nativos y una evolución continua financiada por empresas como Microsoft y OpenAI, los modelos open requieren un trabajo adicional para garantizar seguridad, control de respuestas y mitigación de riesgos.
La elección entre modelos de código abierto y propietarios debe evaluarse caso por caso. En aplicaciones donde la personalización, el control y la reducción de costos sean prioritarios, los modelos abiertos pueden ser una excelente alternativa. Sin embargo, para soluciones que demandan robustez, seguridad integrada y una optimización constante, los modelos pagos seguirán ofreciendo ventajas estratégicas importantes.
¿A qué persona que trabaja en Telefónica nominas para esta entrevista que consideres excelente en su trabajo?
Bruno Ferreira Vieira.
