IA generativa: qué es y cómo se aplica en las empresas  

No es exactamente original en el sentido «humano». Pero la Inteligencia Artificial Generativa o IA Generativa, una tecnología que saltó a la fama con el software ChatGPT de OpenAI, puede mejorar el rendimiento de diversas actividades empresariales, como la producción de textos, imágenes y códigos de software estándar, haciéndolos más rápidos y creativos gracias a la combinación de grandes cantidades de fuentes y datos utilizados. 

Los sistemas de Inteligencia Artificial Generativa entran en la amplia categoría de Inteligencia Artificial General (AGI) y aprendizaje automático o Machine Learning (ML). Tienen el potencial de cambiar la forma en que abordamos la creación de contenido para aplicaciones como diseño, entretenimiento, comercio electrónico, marketing, investigación científica y recursos humanos. Con oportunidades y riesgos que deben evaluarse cuidadosamente. 

“Está claro que herramientas de Inteligencia Artificial generativa como ChatGPT y DALL-E (una herramienta específica para la producción en el campo del arte también desarrollada por OpenAI) podrían cambiar la forma en que se realizan una serie de trabajos – dicen los expertos de McKinsey –. Aún se desconoce el alcance total de ese impacto, al igual que los riesgos, pero hay algunas preguntas que ya podemos responder». 

¿Qué significa IA generativa? 

Según la definición de McKinsey, la IA generativa describe algoritmos que se pueden utilizar para crear contenido nuevo, incluido audio, código, imágenes, texto, simulaciones y video. 

El software de IA generativa parte de solicitudes o descripciones (prompts) formuladas en lenguaje natural por el usuario (humano o software) y en consecuencia genera textos a partir de textos (Text-to-Text), imágenes a partir de textos (Text-to-Image) o incluso imágenes a partir de imágenes (Imagen a Imagen). 

Los resultados de estos sistemas son combinaciones de los datos utilizados para entrenar los algoritmos. Debido a que la cantidad de datos utilizados para entrenar el software es enorme (el sistema GPT-3 en el que se construyó ChatGPT se entrenó con 45 terabytes de datos de texto), los resultados pueden parecer «creativos». En realidad, lo que generan es una recopilación y recuperación de una combinación de fuentes, pero, dada la enorme cantidad de datos procesados, el resultado puede ser nuevo. Al fin y al cabo, la reelaboración también puede considerarse una forma de creatividad.

Existe claramente un riesgo de producción incorrecta o incluso inapropiada y de infracción de la propiedad intelectual. Pero, si la solicitud del usuario es relevante y la vigilancia humana es continua, los productos de IA generativa pueden ser satisfactorios. También pueden mejorar gracias a los comentarios de los usuarios. 

La tecnología ChatGPT podría caer dentro del alcance de la Red Generativa Adversarial o de las Redes Neuronales tipo GAN. La cuestión es debatida, porque según algunos expertos ChatGPT es un Transformer (GPT es el acrónimo de Generative Pretrained Transformer) y no una GAN. 

Transformer es un modelo de aprendizaje profundo utilizado en el campo del PNL (procesamiento del lenguaje natural). Las GAN son un algoritmo de inteligencia artificial que utiliza dos redes neuronales en competencia para generar imágenes, sonidos, texto y otros datos. 

La primera red, llamada “generadora”, intenta crear imágenes o datos falsos que parecen reales; la segunda, llamada «discriminadora«, intenta identificar si las imágenes o datos son reales o falsos. 

Los dos modelos compiten entre sí: el generador intenta generar datos cada vez más realistas, mientras que el discriminador intenta identificar cada vez mejor si los datos son reales o falsos. Con el tiempo, el generador mejora cada vez más en la generación de datos realistas que engañan al discriminador, mientras que el discriminador mejora cada vez más en la identificación de datos falsos. 

El objetivo de una GAN es optimizar el aprendizaje profundo y evitar errores de generalización superficiales debido a la escasez de datos. 

IA generativa: cómo mejora el rendimiento de la empresa 

Para las empresas, la oportunidad de la IA generativa radica en la capacidad de estas herramientas de IA para producir una amplia variedad de textos e imágenes creíbles en segundos. 

Las organizaciones de TI y software pueden utilizar estos sistemas para generar código al instante. También se benefician las organizaciones que necesitan textos breves de marketing o manuales técnicos. Estos sistemas también ofrecen un soporte eficaz para el diseño de productos, el diseño y la fotografía. Actualmente, es más eficaz para producir contenido estándar (como correos electrónicos, CV o manuales). 

Las ventajas de la Inteligencia Artificial para las pymes y sus negocios 

• Optimización de procesos: se puede utilizar para optimizar los procesos comerciales, como la planificación de la producción o la planificación de la distribución. 
• Creación de nuevos productos: se puede utilizar para generar nuevos productos o crear nuevos diseños de productos. 
• Mejora de la experiencia del cliente: se puede aplicar para producir contenido personalizado para los clientes, como recomendaciones de productos o respuestas automáticas a los mensajes de los clientes. 
• Análisis de datos: se puede utilizar para analizar grandes cantidades de datos y generar información que pueda ayudar a las empresas a tomar decisiones informadas. 
• Reducción de costos: puede ayudar a las empresas a reducir costos al automatizar algunos procesos manuales. 

El desarrollo de un modelo de Inteligencia Artificial generativa requiere muchos recursos: se necesitan muchos datos y capital. Por ahora, lo están haciendo empresas con gran disponibilidad en ambos frentes. Las empresas que quieran emplear IA generativa pueden usar la tecnología tal como está, lista para usar, o entrenarla insertando sus propios datos y modelos de los cuales aprende el software. 

IA generativa: aplicaciones y oportunidades para las empresas 

Diseño con IA 

Esta tecnología ofrece a las empresas de diseño una forma más rápida y eficiente de crear y editar diseños. Los algoritmos generativos se pueden entrenar sobre un gran conjunto de datos de referencia, como imágenes de productos existentes, que se analizan para luego generar nuevos diseños y modelos que cumplan con los criterios establecidos o modificar y personalizar diseños existentes, creando nuevas variaciones y opciones. 

Las aplicaciones van desde el diseño de moda hasta el diseño de automóviles, pasando por el diseño de edificios y otras obras arquitectónicas. 

En el campo específico del diseño de productos, la IA generativa se utiliza para generar nuevas ideas y personalizar productos en función de las preferencias del cliente. 

Se abren otras oportunidades en la optimización de productos. Por ejemplo, se pueden utilizar algoritmos generativos para analizar datos de rendimiento del producto y generar cambios de diseño para mejorarlos. 

Comercio electrónico, marketing electrónico 

En el sector Retail se utiliza para la personalización de productos y contenidos: correos electrónicos o recomendaciones de productos, contenidos promocionales (anuncios y posts), diseño de sitios web y aplicaciones móviles. La IA generativa también puede generar texto descriptivo para cada producto en una lista muy larga de artículos a la venta en un sitio de comercio electrónico. 

Cambiar las características visuales de los productos o su descripción en vídeos es otro campo de aplicación. Va más allá del vídeo de 360° de un producto: la IA generativa puede realizar renderizados automáticos con una gran variabilidad de parámetros (ángulo, tamaño, colores, modificaciones, configuraciones). 

Investigación científica 

La IA generativa se puede utilizar en muchas áreas de la investigación científica para generar nuevas ideas, probar hipótesis y acelerar descubrimientos y también para la redacción de textos científicos, como pretende hacer Microsoft, que utiliza ChatGPT gracias a su estrecha colaboración con OpenAI, en la que ha invertido aproximadamente 10 mil millones de dólares. 

Los campos de aplicación incluyen: 

• Bioinformática para la identificación de nuevas proteínas y descubrimiento de potenciales fármacos mediante la generación de modelos proteicos y múltiples escenarios de simulación. 
• Astronomía para la generación de imágenes de galaxias y universo simulado para comprender mejor la evolución del universo. 
• Física para la generación de materiales artificiales y el descubrimiento de nuevos materiales mediante simulaciones basadas en IA. 

Estos algoritmos también nos permiten realizar simulaciones en el campo médico en apoyo de tecnologías 3D para previsualizar prótesis y organismos moleculares. 

Industria del entretenimiento 

El uso de la tecnología Texto a Imagen ya se está utilizando para crear contenido visual para películas, juegos y otras herramientas multimedia y de marketing. La portada de junio de 2022 de Cosmopolitan, por primera vez en la historia de un periódico, la creó la Inteligencia Artificial DALL-E 2. 

El proyecto nació de una colaboración entre los editores de Cosmopolitan, los especialistas de OpenAI y la artista digital Karen X. Cheng, quien encontró la imagen perfecta escribiendo como mensaje: “La mano de una mujer joven con esmalte de uñas sostiene un cóctel Cosmopolitan»; “Primer plano de una mujer vestida a la moda como lo haría Wes Anderson”; “Una mujer que lleva un pendiente que es un portal a otro universo”. 

El mismo experimento había sido realizado una semana antes por The Economist para su portada. DALL-E 2 también permite la generación de Imagen a Imagen: partimos de imágenes existentes para mejorar su calidad o imaginamos contornos y contextos que antes no existían. 

Gestión de recursos humanos 

Reverse, empresa internacional de headhunting y recursos humanos, ha iniciado una serie de experimentos para aplicar el potencial de ChatGPT al sector de la búsqueda de personal. 

Se trata de escribir para ayudar a los reclutadores, como resumir los CV de forma menos esquemática, redactar anuncios de trabajo, preestablecer correos electrónicos positivos o negativos para los candidatos entrevistados, escribir consejos para atraer candidatos pasivos y, finalmente, obtener ayuda para comprender mejor y profundamente los aspectos técnicos de los roles buscados. 

IA generativa: cómo evitar impactos nocivos 

Las organizaciones que dependen de modelos de IA generativa deben considerar que existen riesgos legales y de reputación relacionados con la publicación inadvertida de contenido sesgado, ofensivo, con derechos de autor o protegido por la privacidad. 

Emblemática, desde este punto de vista, es la experiencia (opuesta) de dos periódicos en línea: Cnet comenzó a utilizar ChatGPT para escribir artículos completos, encontrando serios problemas de exactitud de la información, incluido el plagio, mientras que Buzzfeed está experimentando con ChatGPT para generar cuestionarios y otros contenidos muy esquemáticos y limitados, y siempre de la mano de periodistas, con resultados mucho más positivos. 

Por tanto, los riesgos se pueden mitigar y gestionar, como explica un documento de McKinsey. En primer lugar, es fundamental seleccionar cuidadosamente los datos iniciales utilizados para entrenar modelos de IA para evitar incluir contenido tóxico o sesgado. En vez de emplear un modelo de IA generativa disponible en el mercado, las organizaciones pueden utilizar modelos más pequeños y especializados o personalizarlo con datos para satisfacer sus necesidades y minimizar el riesgo. 

El factor humano en la gestión de la Inteligencia Artificial sigue siendo fundamental 

También es recomendable contar con un supervisor real, un ser humano que verifique el resultado de un modelo de IA generativa antes de proceder a su publicación o uso. Finalmente, es mejor evitar el uso de modelos generativos de Inteligencia Artificial para decisiones críticas. 

«Nunca se insistirá lo suficiente en que se trata de un campo nuevo», se lee en el documento. Es probable que el panorama de riesgos y oportunidades cambie rápidamente en las próximas semanas, meses y años. Mensualmente se prueban nuevos casos de uso y es probable que se desarrollen nuevos modelos. A medida que la IA generativa se integra cada vez más y de manera más fluida en los negocios, la sociedad y nuestras vidas personales, también podemos esperar que tome forma un marco regulatorio específico”. 

Por lo tanto, es correcto experimentar y crear valor con la IA generativa, pero con proyectos inicialmente definidos y supervisados, mientras se siguen monitoreando los resultados y la evolución tecnológica y regulatoria.