La IA generativa da el salto al ámbito industrial

La irrupción de Chat GPT en nuestras vidas cotidianas ha sido la más veloz jamás conocida. En poco, no sólo hemos aprendido a utilizar las ventajas obvias de preguntar a una máquina en lenguaje natural por cuestiones del día a día, sino que hemos descubierto una tecnología que queremos y sabemos que puede ser entrenada para mejorar y ajustar la respuesta. El impacto provocado por este modelo ha puesto de moda (de nuevo) la Inteligencia Artificial y ahora nos preguntamos si modelos anteriores tenían sentido y si siguen siendo válidos según qué aplicación. En concreto, en Automática e Instrumentación nos repreguntamos por el papel de la IA en general para la industria y, en particular, de esta nueva ola llamada IA Generativa. ¿Estamos preparados para el cambio?

PREGUNTAS

1. ¿Cuáles son los principales ámbitos de aplicación de la IA Generativa?

2. ¿Qué otros modelos fundacionales se están poniendo a disposición de empresas y mercado?

3. ¿Qué aplicación puede tener el uso de la IA Generativa en entornos industriales?

4. ¿Siguen teniendo sentido otros modelos analíticos orientados a la mejora de procesos en base al uso del dato?

1. ¡Cualquiera! Desde el arte y el diseño, hasta la ciencia, la tecnología o la educación. La IA generativa tiene el potencial de transformar el negocio de todos los sectores mejorando la productividad de los empleados, habilitando la creación de nuevos productos o servicios, optimizando y automatizando procesos internos o mejorando la accesibilidad de los contenidos. Por mencionar algunos ejemplos, podemos utilizar la IA generativa para crear una nueva historia de ciencia ficción, analizar grandes cantidades de datos y encontrar información relevante o, dada una pregunta, evaluar de manera automatizada en qué porcentaje una respuesta de texto libre es correcta.

2. Desde AWS, ofrecemos una amplia gama de servicios de inteligencia artificial que facilitan el acceso, personalización y uso de los modelos fundacionales para satisfacer las diversas necesidades de las empresas y el mercado, adaptados a todos los niveles de conocimientos: desde perfiles más expertos en inteligencia artificial, a aquellos sin conocimientos previos. Entre estos servicios encontramos, por ejemplo, Amazon SageMaker, que facilita la creación, entrenamiento e implementación de modelos de aprendizaje automático personalizados, sin necesidad de gestionar infraestructura o herramientas. Forma parte de este servicio Amazon SageMaker Jumpstart, un centro que reúne multitud de modelos de aprendizaje automático que incluye modelos fundacionales populares que podemos fácilmente evaluar, comparar, personalizar e implementar; entre los que se encuentran modelos de código abierto como Llama 2 de Meta, Mistral 7B de Mistral AI, Falcon del TII EAU, Stable Diffusion XL de Stability AI o AlexaTM de Amazon, entre muchos otros.

Por otro lado, y dada nuestra cultura de innovación y mejora de la experiencia de los clientes, el año pasado lanzamos en disponibilidad general Amazon Bedrock, un nuevo servicio serverless que permite implementar IA generativa sin conocimientos previos de AI/ML, de manera sencilla, segura y a escala. Al igual que ocurre con Amazon SageMaker Jumpstart, con Amazon Bedrock los clientes pueden elegir modelos fundacionales populares del mercado como Claude de Anthropic, Command de Cohere, Jurassic de AI21 Labs, Llama 2 de Meta, Stable Diffusion XL de Stability AI o Amazon Titan. También hemos llevado innovaciones de IA generativa en forma de nuevas funciones para Amazon CodeWhisperer (que genera sugerencias de código para los desarrolladores de software) y Amazon QuickSight (servicio serverless de Business Intelligence). A día de hoy, más de 100.000 clientes ya utilizan los servicios de IA y aprendizaje automático de AWS, y muchos de los principales proveedores de IA generativa, como AI21 Labs, Stability AI, Hugging Face y AlexaTM, se ejecutan en AWS. A través de nuestro trabajo interno en Amazon y al colaborar con clientes y socios que están innovando en el área de la IA generativa, en AWS hemos evolucionado nuestros servicios de IA y ML para respaldar la creación, la capacitación y la implementación de grandes modelos fundacionales para casos de uso del mundo real.

3. En el contexto de AWS, la aplicación de la IA generativa en entornos industriales ofrece diversas posibilidades transformadoras. Puede acelerar el proceso de diseño y prototipado, optimizar simulaciones de procesos industriales, mejorar la trazabilidad de la cadena de suministro y la logística, generar contenido multimedia para formación y anticipar fallos en maquinaria. Estas capacidades permiten una innovación eficiente, una toma de decisiones más informada y la mejora continua de las operaciones industriales.

4. ¡Por supuesto! Los datos y la analítica continúan siendo uno de los activos más importantes de las organizaciones y empresas, por lo que los modelos analíticos siguen siendo fundamentales. Además, pueden constituir un potente complemento a las capacidades de la IA generativa, ya que existen técnicas como el ‘Retrieval Augmented Generation’ o las Bases de Conocimiento de Amazon Bedrock que permiten enriquecer de manera privada y segura los modelos de las IA generativas con conocimiento y datos corporativos. Siendo más específico con los modelos analíticos, desde AWS proporcionamos servicios como Amazon Redshift para el análisis de datos a escala y Amazon QuickSight para su visualización. Estos servicios permiten a las empresas analizar grandes conjuntos de datos y obtener información valiosa para mejorar la eficiencia operativa, identificar áreas de optimización y tomar decisiones informadas basadas en datos en tiempo real. La combinación de modelos analíticos tradicionales y nuevas tecnologías, como la inteligencia artificial generativa, puede potenciar aún más la mejora continua de los procesos empresariales.

1. El potencial de la IA generativa es inmenso, podemos encontrar IA integrada en prácticamente todos los sectores. Aún estamos viendo sólo el inicio de las posibilidades que esta nueva generación de IA puede ofrecer a los usuarios. La tecnología en sí está avanzando a una velocidad vertiginosa, y muchas de sus aplicaciones están todavía por llegar. Uno de los usos más habituales de esta tecnología y más conocidos por los usuarios es la del Procesamiento del Lenguaje Natural (NLP). Un ejemplo de ello es Microsoft Copilot, que utiliza la versión GPT 4, cuenta con acceso a Internet y tiene la capacidad de crear textos coherentes, comparar diferentes opciones línea por línea o extraer las principales ideas de largos documentos en tan sólo unos segundos o, incluso, generar imágenes. El uso de herramientas como Copilot en Microsoft Teams permite a los usuarios mejorar la eficiencia en las reuniones, ofreciendo sugerencias sobre cómo abordarlas y proporcionando resúmenes o recopilando tareas pendientes durante las mismas.

Igualmente, en este contexto, ya existen muchos ámbitos en los que se ha incorporado la IA generativa en el día a día. Recientemente, Ineco se convirtió en una de las primeras empresas públicas españolas en incorporar un asistente tipo chatbot exclusivo en su red interna, logrando así optimizar la eficiencia diaria de sus empleados. Este chat inteligente, ofrece respuestas inmediatas y precisas sobre la base documental de Ineco, convirtiéndose en un gran experto al servicio de todos los empleados. Otro ejemplo reciente es el caso de W2M, que ha transformado el sector turístico con su embajadora digital creada con IA generativa. Este avatar realista, entrenado previamente mediante vídeo de una persona real, proporciona información completamente personalizada y respuestas instantáneas acerca de todos los destinos turísticos de la compañía.

2. Azure OpenAI Service pone los modelos de OpenAI -como GPT-4 y GPT-4 Turbo- a disposición de los clientes de Azure con las ventajas empresariales de nuestra nube, incluida la mejora de la seguridad, el cumplimiento normativo, la protección de los datos, la escalabilidad y el enfoque de desarrollo de IA responsable. Los modelos que incorpora esta tecnología pueden ajustarse a las necesidades específicas de cada empresa, ofreciendo precios flexibles y funciones para desplegar fácilmente diversas aplicaciones, como la generación de contenido, la asistencia en conversaciones, el razonamiento y la compresión de datos. De hecho, Azure OpenAI Service es uno de los servicios Azure con una adopción más rápidamente de la historia. Gracias a nuestra diferenciación global, más de 18.000 organizaciones ya utilizan Azure OpenAI Service, incluidos nuevos clientes que han llegado a nuestra nube por la versatilidad y funcionalidad que aporta el servicio a sus organizaciones. Además, recientemente pusimos a disposición de empresas de todos los tamaños, sin importar el número de empleados, Copilot para Microsoft 365, que toma como base todo el universo de datos del trabajo, incluidos correos electrónicos, reuniones, chats, documentos, además de la web, para elevar a un nuevo nivel la eficiencia y productividad.

Enfocándonos en particulares y ofreciendo la mejor experiencia fuera de empresa, ponemos a disposición Microsoft Copilot, nuestro chatbot de IA generativa gratuito, con GPT-4, que habilita a cualquier usuario el poder impulsar su productividad y creatividad. Para aquellos usuarios que busquen más rendimiento, ofrecemos Microsoft Copilot Pro, nuestra suscripción de IA generativa que cuenta con acceso prioritario a GPT-4 Turbo y que se integra en todo el entorno del usuario, comprendiendo el contexto en la web, en el PC y aplicaciones de Microsoft 365, como Word o Teams.

3. Como he mencionado antes, aún no somos conscientes del potencial que puede tener la IA generativa, incluyendo su aplicación en entornos industriales. La IA generativa es capaz de automatizar tareas que antes se hacían manualmente, mejorando los procesos de producción que permitan reducir los costes. También es capaz de optimizar la cadena de suministro, con un análisis exhaustivo de datos para proporcionar recomendaciones que impulsen la productividad. La aplicación de IA generativa también tiene un uso fundamental en la ciberseguridad del sector industrial, con soluciones que fortalecen la protección de infraestructuras críticas y respuestas ante incidentes de seguridad.

Un buen ejemplo es el de Repsol, que utiliza solucionas de IA y explora el potencial de la IA generativa para avanzar en su proceso de transformación en diversas áreas de negocio. Esto incluye abordar desafíos relacionados con la transición energética, la descarbonización, así como mejorar la eficiencia y sostenibilidad. La empresa ha integrado a Microsoft en su Centro de Competencias con el objetivo de promover la adopción de tecnologías como los grandes modelos de lenguaje y la IA generativa. También GRUP MEDIAPRO, líder en el sector audiovisual, apuesta por la IA generativa con el desarrollo, apoyándose en la tecnología de Microsoft, de un laboratorio dedicado a la investigación y desarrollo de soluciones de IA generativa aplicadas al sector audiovisual. El centro aborda diversos ámbitos como el análisis de mercados y audiencias, la monitorización de publicidad y la personalización de contenidos. Otro buen caso es el de W2M, la división de viajes del Grupo Iberostar, que presentó en FITUR 2024 a Mía, un avatar realista desarrollado por Bravent, partner de Microsoft. Mía está impulsada por IA generativa para ofrecer información personalizada y en tiempo real sobre el grupo, sus marcas y destinos. 

4. Sí, otros modelos analíticos orientados a la mejora de procesos en base al uso del dato siguen teniendo sentido en el contexto de la Inteligencia Artificial. Los modelos analíticos ‘tradicionales’ se centran en examinar datos y reconocer patrones, siendo altamente beneficiosos para optimizar procesos. Además, generalmente cuentan con una implementación más sencilla. Estos modelos resultan eficaces en actividades como la predicción y clasificación de información, siendo más apropiados para tareas estructuradas y bien definidas. Estos modelos se pueden combinar con la IA generativa, que se centra en la creación de nuevos datos a partir de los existentes, siendo útil para la creación de contenido original y resolución de problemas creativos, convirtiéndolo en un modelo analítico más adecuado para tareas no estructuradas y menos definidas.

Por ahora, será clave aprovechar otros modelos analíticos para impulsar el desarrollo de tecnologías de IA que puedan ayudar a reducir costes para las empresas y potenciar la eficiencia y productividad de cualquier persona.

1. La realidad es que la IA Generativa se está mostrando de aplicación en casi cualquier ámbito que podamos imaginar. Desde el punto de vista de los ciudadanos, la IA Generativa ha supuesto una verdadera democratización de la inteligencia artificial dado que, hasta ahora, por un lado, estaba reservada a perfiles con un conocimiento técnico profundo y, por otro lado, las capacidades disponibles tenían poco atractivo a nivel individual. Sin embargo, la capacidad generativa ha supuesto un cambio radical en este sentido dado que cualquier persona tiene ahora al alcance de su mano la posibilidad de crear texto, fotografía, vídeo, música o código, entre otros, de manera sencilla y barata.

Desde el punto de vista empresarial, el cambio es igualmente relevante puesto que, a pesar de que muchas compañías ya venían utilizando la inteligencia artificial de forma intensiva desde hace muchos años, la capacidad generativa ha desbloqueado muchos casos de uso que aportarán grandes ventajas a las organizaciones. Hablamos, por ejemplo, de asistentes virtuales realmente avanzados que logran aportar soluciones creativas, en tiempo real, a las necesidades específicas de cada cliente; de herramientas de análisis y creación automática de documentos que aportan enormes eficiencias a nivel de calidad y costes; herramientas de prototipado con imágenes hiperrealistas, creación y edición de vídeo en tiempo real basado en texto, entre muchas otras.

2. Existen distintos tipos de modelos fundacionales, que se pueden clasificar en redes generativas adversarias (GAN), codificadores automáticos variacionales (VAE) y grandes modelos de lenguaje basados en transformadores (LLM). Dentro de esta clasificación, son muchos y cada vez más los modelos que están disponibles para empresas y usuarios finales, entre los que estamos viendo además dos tendencias desarrollarse en paralelo.

Por un lado, vemos como algunos modelos, como el propio GPT, van incorporando nuevas capacidades para convertirse en mutlimodales, lo que significa que pueden generar contenido en diferentes formatos (texto, código, vídeo) y, por otro lado, vemos modelos que evolucionan hacia una especialización cada vez más profunda en un campo específico, como puede ser Midjourney en el ámbito de la imagen estática. Del mismo modo, podemos distinguir entre modelos propietarios, que están desarrollados bajo protección de propiedad intelectual y que en su mayoría tienen un coste por uso; y modelos de código abierto, que carecen de protección y que pueden ser utilizados por cualquier empresa o usuario sin coste.

Por mencionar algunos ejemplos concretos podemos destacar Bert, que es el LLM desarrollado por Google, Claud que es el modelo desarrollado por Anthropic (respaldada por Amazon), Dall-E o Stable Difussion como modelos enfocados específicamente a la generación de imágenes, LLAMA que son los modelos desarrollados y liberados por Meta o Mixtral 8X7B desarrollado por Mistral, que es una compañía enfocada específicamente en el desarrollo de modelos de código abierto. 

3. Existen múltiples áreas transversales, independientes del sector, donde la IA Generativa va abriéndose paso como recursos humanos, ventas, legal o incluso finanzas. Pero, si queremos casos de uso específicamente pensados para entornos industriales, podemos mencionar algunas aplicaciones que ya comienzan a destacar en este ámbito.

Un operario puede recibir instrucciones precisas sobre las actuaciones a realizar para el mantenimiento o reparación de una máquina aportando únicamente una fotografía de la máquina o el fallo concreto. El sistema es capaz de reconocer la situación y proponer una solución en tiempo real.La IA Generativa puede ayudar con el diseño de las líneas de producción para lograr distribuciones que ocupen menos espacio o procesos que sean más eficientes o generen menos desperdicios.

Las fábricas están comenzando a combinar esta tecnología con la ciencia de materiales para el diseño de nuevos componentes con características concretas. En este campo, por ejemplo, comienza a tener un papel relevante la capacidad de generar datos sintéticos que ayuden a tener sets de datos mucho más completos tanto para la composición de los materiales como para el diseño de pruebas de resistencia.

4. Totalmente. La capacidad generativa es la más novedosa y la más mediática de las posibilidades que ofrece la inteligencia artificial, pero eso no ha restado un ápice de potencia ni aplicabilidad al resto de capacidades. Las empresas siguen necesitando comprender la realidad que les rodea que es cada vez más compleja y con mayor velocidad de cambio, del mismo modo que seguirán encontrando procesos internos donde la predicción y la prescripción aporten un valor esencial para el negocio. Lo que sí comenzaremos a ver, con bastante frecuencia, será el desarrollo de aplicaciones internas que combinen todas las capacidades de la inteligencia artificial, por ejemplo, pudiendo interactuar con herramientas de analítica utilizando lenguaje natural o utilizando herramientas generativas para crear nuevas formas visuales de consumir los resultados de un proyecto analítico.

1. La aplicación de la IA generativa tiene múltiples ámbitos de aplicación. Por ejemplo, alterará el 70% del esfuerzo en diseño y desarrollo de aplicaciones web y móviles, según Gartner. Igualmente, nosotros mismos estamos colaborando con Microsoft para aumentar la eficiencia de clientes y empleados, desplegando Microsoft 365 Copilot para mejorar la innovación, la creatividad y la productividad. Gracias a esta colaboración, nuestros clientes pueden aprovechar Kyndryl Vital y los Centros de Innovación Conjunta de Microsoft y Kyndryl para explorar y co-crear casos de uso personalizados e identificar formas de aprovechar la IA generativa en sus empresas. En Kyndryl también ponemos a prueba nuevas tecnologías y desarrollamos modelos, casos de uso y soluciones específicos del sector que se basarán en sus capacidades actuales para ayudar a los clientes a mejorar la automatización empresarial y la productividad en el lugar de trabajo.

En Kyndryl, estamos comprometidos a impulsar la eficiencia empresarial de nuestros clientes y a ofrecer soluciones que les ayuden a aumentar sus ventajas competitivas. Sirve de ejemplo Kyndryl Workflow Orchestration, una nueva solución para la digitalización del puesto de trabajo, impulsada por Inteligencia Artificial generativa, que ayuda a las organizaciones a automatizar, acelerar y agilizar sus procesos. Igualmente, hemos lanzado un programa de preparación para la IA dentro de Kyndryl Consult, dedicado a explorar, de forma responsable, la adopción de soluciones de IA generativa. Nuestros expertos ayudan a diferentes organizaciones a construir una base de datos y a superar la complejidad que supone el uso de nuevas tecnologías de IA generativa.

2. Además de los modelos ‘grandes’ o ‘fundacionales’ como la familia GPT o Palm2, en Kyndryl estamos colaborando con VMware para desarrollar nuevos servicios y capacidades en el campo de la inteligencia artificial generativa. Estos servicios se centran en la automatización, gestión de datos y Large Language Model Operations (LLMOps). Damos soporte a través de VMware Private AI, que ofrece un ciclo de vida integral de los servicios en aplicaciones y datos. Gracias a ello, las empresas consiguen una mayor agilidad, escalabilidad y resistencia, impulsando así sus iniciativas de transformación digital.

3. La IA generativa tiene múltiples aplicaciones en entornos industriales. Por ejemplo, en Kyndryl, estamos trabajando junto a Amazon Web Services para ayudar a nuestros clientes a infundir innovación en sus negocios, impulsar la eficiencia y acelerar su transformación digital. Dentro del acuerdohemos creado Innovation Factory, una iniciativa conjunta de inversión para co-crear soluciones específicas de la industria mediante inteligencia artificial generativa y aprendizaje automático. Este enfoque permite abordar casos de uso específicos en entornos industriales, adaptándose a las necesidades particulares de cada sector. Por otro lado, contamos con Kyndryl Bridge, una plataforma de integración abierta para observar todo el negocio del cliente y ayudarle a administrarlo y gestionarlo. Anunciada el pasado octubre, Bridge ha acabado el año ejecutando 50 millones de automatizaciones al mes en todo el mundo. De hecho, este año fiscal, anticipamos un crecimiento significativo, y estamos explorando internamente el potencial de la IA generativa para seguir mejorando y expandiendo nuestras capacidades.

4. Sí, por ejemplo, el aprendizaje automático permite que las máquinas aprendan de los datos y mejoren su rendimiento con el tiempo sin la necesidad de programación explícita. Esto ha permitido el desarrollo de sistemas más precisos y efectivos. No obstante, las empresas disponen a menudo de datos poco fiables o de baja calidad. Para ayudar a los negocios en esta tarea y dotarlos de datos en los que puedan confiar, Kyndryl dispone de la Consola de Datos e Inteligencia Artificial, que integra las operaciones y proporciona a las compañías unos flujos sin fisuras y una entrega de datos fiable. Se trata de un panel de control con una visión unificada de su patrimonio de datos y de su ciclo de vida, que mejora la forma de canalizar y observar la realidad de las organizaciones e incluye la predicción proactiva de irregularidades e incidentes de datos.

Definitivamente, para apoyar la transformación de las empresas es necesario potenciar la cultura de los datos, una asignatura todavía pendiente en múltiples sectores. Avanzar en la cultura de los datos permitirá que los usuarios conozcan su utilidad, promuevan proyectos de datos y aprovechen mejor su potencial. Además, es necesario que en las distintas unidades de negocio se haga una reflexión sobre qué datos son realmente necesarios para establecer los mecanismos para su recogida, tratamiento y transformación en valor. El apoyo de las últimas innovaciones tecnológicas y la aplicación de la Inteligencia Artificial a gran escala serán claves para ser más competitivos.

1. La personalización de los modelos de Inteligencia Artificial los hace óptimos para cualquier ámbito productivo. Algunos sectores en los que estamos detectando más oportunidades son la industria energética, la banca, el sector manufacturero, farmacia y medicina, medios de comunicación y entretenimiento, alimentación, construcción o educación.

2. Gemini, BERT, Dall-E, LLaMA 2, Claude 2, Amazon Titan, Microsoft Florence… Se basan en la actual arquitectura escalable de la IA, capaz de crear modelos masivos y genéricos pre-entrenados que se pueden aplicar en múltiples tareas y que, por tanto, facilitan la personalización de soluciones para cada empresa.

3. Los casos de uso son innumerables y desde una consultora tecnológica como Plain Concepts velamos por la implementación de modelos de IA que sean seguros, éticos y personalizados según cada necesidad. La IA generativa es ya una herramienta esencial en cualquier área de la cadena de valor para ofrecer contenido personalizado, acelerar el desarrollo de productos y optimizar cualquier operación. Algunos ámbitos de aplicación pueden ser: ofrecer una atención personalizada al cliente; toma de decisiones a partir del procesamiento de un gran volumen de datos; detección automática de anomalías o riesgos potenciales en tiempo real para una gestión basada en la prevención y la anticipación; interpretación y comprensión de documentos extensos o de imágenes para localizar información clave o resumirla; automatización de procesos; generación de gemelos digitales y un largo etcétera.

4. Los datos son uno de los bienes más preciados para una empresa y saber aprovecharlos puede ser el factor clave para ser exitosos o no. A pesar de todo el potencial de la IA generativa, hay otras muchas tecnologías que son muy beneficiosas a la hora de mejorar procesos, ayudar en la toma de decisiones basadas en datos útiles y conseguir mejores resultados. Por ello, no debemos perdernos en el uso de una sola herramienta o tecnología. Dependiendo del caso de uso, la empresa o el proyecto, deberemos optar por una u otra, pero lo que está claro es que los datos siempre serán la clave para conseguir nuestros objetivos. Contar con un experto en la materia será crucial para no invertir más dinero y tiempo del necesario en caminos erróneos para alcanzar los resultados que queremos.

1. La IA generativa llega a ser especialmente relevante en procesos como la extracción de información, generación de contenidos, e interacción con el usuario. Esta capacidad puede permitir a los desarrolladores de software, por ejemplo, a ser más productivos, ayudar a los creadores de contenidos a ofrecer experiencias mucho más inmersivas y facilitar enormemente a clientes, empleados, ciudadanos y estudiantes la búsqueda de la información que necesitan. Para mejorar la productividad, se puede aplicar la IA generativa en codificación: en interpretación, traducción y generación de código, por ejemplo, migración de sistemas heredados a escala, desarrollo automatizado de pruebas, documentación y linting. También se puede aplicar en la generación de datos sintéticos, por ejemplo, con la creación de prototipos de aplicaciones. 

En interacciones con los clientes, la IA Generativa juega un papel crucial, actuando como copiloto para guiar a los clientes en viajes personalizados, proporcionando atención al cliente 24/7 a través de chatbots inteligentes y mejorando la experiencia del cliente en general. En el caso de la generación de contenidos, se puede aplicar desde recomendaciones personalizadas hasta recomendaciones sobre el diseño y próximos productos a comprar. Finalmente, en la síntesis de contenidos, permite resumir ideas y extraer información valiosa de fuentes no estructuradas. A modo de ejemplo, en el área de ventas y servicio al cliente, una quinta parte de las funciones de ventas será automatizada por la IA Generativa. Hoy, las empresas que invierten en IA están viendo un aumento de ingresos de hasta el 15% y un aumento del ROI de ventas de hasta el 20%. La aplicación de IA Generativa asimismo mejora la resolución de problemas en un 14% y su aplicación a las funciones de atención al cliente podría aumentar la productividad hasta un 45%.

2. En NetApp, ofrecemos soluciones empresariales que potencian el uso de la inteligencia artificial generativa en las empresas. Como comentaba antes, para aprovechar realmente el potencial de la IA generativa, es esencial alimentar los modelos fundacionales de lenguaje y aprendizaje (LLM) con cantidades masivas de datos de alta calidad. Aunque los LLM fundacionales ya son de fácil acceso, la clave para obtener una ventaja competitiva reside en aumentarlos con datos propios y, en este punto, es cuando las organizaciones se plantean cómo acceder fácilmente a los datos y moverlos entre entornos locales y en la nube sin poner en peligro la seguridad y la gestión de los datos.

Las soluciones de datos en la nube de NetApp se presentan como una respuesta segura y optimizada para integrar cargas de trabajo de IA generativa. Estas soluciones facilitan la conexión fluida de datos locales a servicios de IA/ML basados en la nube, permitiendo a las organizaciones potenciar los modelos fundacionales con sus propios datos y obtener así una ventaja competitiva notable. Nuestra colaboración estratégica con líderes como Google Cloud y AWS garantiza la calidad de los datos, simplifica los flujos de trabajo y libera todo el potencial de la IA generativa.

3. Todavía estamos empezando a utilizar las ventajas de esta tecnología, pero las perspectivas no podrían ser más prometedoras. Existe un enorme interés desde los más diversos sectores. En el ámbito de la industria automotriz, la IA generativa está ganando impulso de manera significativa. Los fabricantes de equipos originales (OEM) de automóviles están explorando diversos casos de uso que podrían brindar mejoras sustanciales en la productividad y el tiempo requerido para lanzar productos al mercado. Se centran especialmente en áreas clave como la automatización de operaciones, la aceleración de código, la implementación de expertos virtuales y la generación de contenido. Además, es fundamental destacar que en la era de la inteligencia artificial, los grandes volúmenes de datos provenientes de dispositivos conectados son esenciales. Los data lakes alimentados por estos dispositivos conectados deben proporcionar información relevante para tomar las mejores decisiones en tiempo real, lo cual es crucial en muchas situaciones. La inteligencia artificial y el análisis de datos desempeñan un papel clave en este proceso, ya que permiten extraer valiosos insights de estos datos masivos y, así, mejorar la toma de decisiones en tiempo real.

La genAI tiene el potencial de impactar todo el proceso de desarrollo de productos automotrices y la cadena de valor en su conjunto. Por ejemplo, su aplicación en el desarrollo y prototipado de productos, así como en estrategias de marketing y comunicación hiperpersonalizadas impulsadas por genAI, puede aumentar las tasas de conversión y mejorar las oportunidades de venta cruzada. 

Igualmente, en la industria en general esta tecnología es capaz de impactar fuertemente áreas como la gestión de la cadena de suministro (mejorando la visibilidad y el análisis en tiempo real), la ingeniería de productos (facilitando la colaboración global sin fisuras entre los equipos), el control de la calidad (implantando la supervisión de la calidad en tiempo real) o la producción (mejorando su eficiencia y la asignación de recursos en la planificación) y un largo etc. de posibilidades. 

4. Sí, desde luego. Aunque la inteligencia artificial y los modelos de aprendizaje automático han ganado relevancia, existen varios modelos analíticos que complementan y enriquecen la toma de decisiones empresariales. Además, los grandes modelos de lenguaje (LLM) potencian la IA generativa al aprovechar extensos conjuntos de datos. Las tecnologías más recientes están mejorando estos modelos fundamentales mediante la utilización de datos privados de clientes, proporcionando un contexto más enriquecido y optimizando decisiones informadas.

Implementar la inteligencia artificial conlleva gestionar múltiples versiones de modelos y mantenerlos actualizados con los conjuntos de datos más recientes. Esto implica un flujo constante de grandes cantidades de datos, tanto propios como conjuntos relevantes para mejorar los sistemas de IA. Sin embargo, la complejidad de la tecnología y los silos organizativos presentan desafíos significativos para la implementación de proyectos de IA. Para maximizar los beneficios de la IA, se requieren soluciones completas, potentes y sostenibles, evitando las limitaciones de los tradicionales silos de datos. La base para el éxito en la implementación de la IA radica en contar con una infraestructura de datos en la nube moderna, inteligente e integrada.

1. La Inteligencia Artificial Generativa tiene aplicación en prácticamente todos los sectores y áreas económicas de la sociedad. Sin embargo, aún está en su fase experimental y ahora es cuando estamos empezando a ver aplicaciones reales en los ecosistemas de trabajo de las empresas. En este sentido, las primeras áreas en las que se están viendo avances significativos son la atención al cliente, el marketing, RRHH, actividad comercial, gestión interna y en la alta dirección. 

• Atención al cliente: La IA Generativa permite crear respuestas automáticas personalizadas a solicitudes de clientes en tiempo real, el enrutamiento inteligente de solicitudes en función de factores como la carga de trabajo o el historial del usuario, la automatización de procesos comerciales y el análisis de KPIs como el sentimiento del cliente; todo ello con el objetivo de mejorar la experiencia y satisfacción de los clientes, a la vez que se reducen los costes operativos y se optimiza el tiempo.
• Marketing, RRHH y actividad comercial: La IA Generativa facilita la automatización de procesos rutinarios, como la segmentación de contactos, la creación de correos electrónicos, la generación de clientes potenciales y la definición de perfiles de producto. Esto implica que se puede incrementar la eficiencia y productividad de los equipos sin perder la capacidad de personalizar las ofertas y campañas.
• Entorno intranet y plataformas colaborativas: La IA Generativa ofrece funcionalidades como resúmenes automatizados de videollamadas, transcripción simultánea, creación de materiales y acceso a información relevante desde el entorno de trabajo. Sin embargo, a pesar de que muchas herramientas, como es el caso de Teams, ya tienen incorporadas algunas de estas funcionalidades, muchas empresas carecen del conocimiento para utilizarlas o incluso de que tienen la posibilidad de hacerlo.
• Alta dirección: La IA Generativa facilita la generación de informes que aborden previsiones y tendencias, así como la formulación de ideas y estrategias más eficaces construidas en base a la información veraz, actual y contextualizada. Esto conlleva que se puede tomar mejores decisiones, anticiparse a los cambios del mercado, identificar oportunidades y amenazas y liderar el cambio digital.

2. Otros de los modelos fundacionales más populares y que están disponibles para empresas y mercado son BERT y LaMDA, que son modelos de lenguaje desarrollados por Google, que pueden entender y responder a consultas en lenguaje natural. Se entrenan con grandes cantidades de texto de Internet y se pueden usar para diversas tareas de procesamiento del lenguaje natural, como analizar el sentimiento, la sintaxis y el contenido de los textos. Se ofrecen a través de plataformas comerciales como Google Bard, que usa el modelo LaMDA para ayudar a los usuarios a escribir documentos, correos electrónicos, presentaciones y demás tareas al estilo de ChatGPT. Por otro lado, DALL-E y Flamingo son modelos multimodales desarrollados por Facebook, que pueden crear y manipular imágenes a partir de descripciones en lenguaje natural. Se entrenan con grandes cantidades de texto e imágenes de Internet y se pueden usar para diversas tareas de generación y edición de imágenes, como crear logos, caricaturas, retratos, etc. Se ofrecen a través de plataformas comerciales como LLaMA 2, que usa el modelo BlenderBot 2.0 para crear agentes conversacionales multimodales.

3. La IA Generativa puede tener muchas aplicaciones en entornos industriales, ya que puede mejorar la eficiencia, la productividad, la creatividad, la seguridad y la sostenibilidad de las operaciones. Un claro ejemplo es en la generación y optimización de diseños. La IA Generativa puede crear y mejorar diseños de productos, procesos, sistemas y servicios, utilizando datos de entrada como requisitos, restricciones, preferencias y objetivos. En este sentido, la IA Generativa puede diseñar piezas de automóviles, turbinas eólicas, edificios, circuitos, redes etc., buscando la mejor solución posible en términos de rendimiento, coste, calidad y sostenibilidad.

Otra área de gran potencial es el mantenimiento predictivo y la gestión de activos, ya que la IA Generativa puede analizar los datos de sensores, registros, alarmas y otros indicadores de los activos industriales para predecir su comportamiento, estado y necesidades de mantenimiento. En otras palabras, puede detectar anomalías y oportunidades de mejora y sugerir acciones preventivas, correctivas o de optimización. Del mismo modo, la IA Generativa puede crear y manipular modelos digitales de escenarios, fenómenos, sistemas y procesos industriales, para simular sus resultados, ver sus consecuencias y explorar alternativas. No obstante, como comentábamos, las aplicaciones de la IA Generativa en los entornos industriales están aún en una fase inicial y, en la actualidad, la mayoría de los casos están limitados al desarrollo y la experimentación.

4. Sí, siguen teniendo sentido otros modelos analíticos ya que, aunque los modelos generativos imitan alguno de sus comportamientos, existen diferentes tipos de modelos con funcionalidades específicas, como los descriptivos, los predictivos y los prescriptivos. Así, estos pueden complementar o contrastar los resultados de los modelos generativos, o bien abordar problemas que los modelos generativos no pueden resolver. Por ejemplo, los modelos descriptivos pueden ayudar a entender el estado actual de un proceso y detectar anomalías o patrones. Los modelos predictivos pueden ayudar a anticipar el comportamiento futuro de un proceso y estimar la probabilidad de ciertos eventos. Los modelos prescriptivos pueden ayudar a encontrar la mejor solución o acción para un proceso, teniendo en cuenta las restricciones y los objetivos. 

En conclusión, los modelos analíticos son diversos y cada uno tiene su utilidad y valor. Lo importante es saber elegir el modelo adecuado para cada situación y combinarlos de forma inteligente para obtener el máximo beneficio de los datos. 

----
 

De un vistazo: ¿qué es la IA Generativa?

• La Inteligencia Artificial Generativa es una poderosa herramienta que está transformando la forma en que las empresas operan y ofrecen experiencias a sus clientes. 
• Está basada en modelos de aprendizaje profundo (‘deep learning’ en inglés), una disciplina que forma parte del aprendizaje automático (‘machine learning’ en inglés) y que utiliza redes neuronales multicapa entrenadas con enormes cantidades de datos. A estos modelos los llamamos ‘modelos fundacionales’ dada su gran adaptabilidad a diversas tareas.
• A diferencia de la inteligencia artificial convencional, que se basa en el aprendizaje de patrones a partir de datos existentes, la IA Generativa tiene la capacidad de generar datos o información novedosa que no ha sido previamente vista. Se puede utilizar para la generación de contenido, el diseño o, incluso, para la simulación de escenarios y la resolución de problemas complejos. Su potencial, por tanto, es prácticamente ilimitado y nos encontramos muy al inicio de su conocimiento y explotación.
• En los últimos meses esta tecnología ha experimentado una expansión sin precedentes por varios motivos. Uno de los más relevantes es el lenguaje natural, es decir, la posibilidad de interactuar y dialogar con el sistema sin necesidad de usar lenguaje técnico o de programación, lo que nos conduce a una democratización de la tecnología. 
• Sin embargo, también existen riesgos y desafíos asociados al uso de la IA generativa, como la creación de noticias falsas o deepfakes, que pueden usarse para engañar o manipular a las personas. 

En detalle: ¿Qué es GPT?

• En el contexto de la IA generativa, GPT (Generativa Pre-Trained Transformer o Transformadores Generativos Pre-entrenados) es un tipo de modelo fundacional perteneciente a las redes neuronales de aprendizaje profundo. Estos modelos de IA reciben el calificativo de Pre-Trained al ser entrenados generalmente con extensas cantidades de datos. El calificativo Transformador se le aplica por su construcción basada en bloques de la arquitectura Transformer, una red neuronal que tiene la capacidad de aprender contexto, permitiéndole proporcionar datos secuenciales basados en relaciones.
• Por lo tanto, GPT es una familia de modelos fundacionales de uso general que utilizan la arquitectura Transformer para completar una amplia gama de tareas y crear contenido de forma conversacional, representando un avance clave en la IA e IA generativa.
• GPT es uno de los modelos más conocidos porque es el motor que alimenta ChatGPT, que es la herramienta de propósito general publicada por OpenAI a finales del año 2022 y que supuso el pistoletazo de salida a la carrera de la IA Generativa. Es también uno de los más avanzados por la cantidad de parámetros con los que ha sido entrenada (que han crecido exponencialmente con cada versión) y por el corpus de información a la que tiene acceso.

----

Este artículo aparece publicado en el nº 552/53 de Automática e Instrumentación págs. 36 a 46.