La opinión generalizada en torno a la IA es que, si bien los ordenadores tienen ventaja sobre los humanos en lo que respecta a la toma de decisiones basada en los datos, no pueden competir en tareas cualitativas. Eso, sin embargo, está cambiando. Las herramientas de procesamiento del lenguaje natural (PNL) han avanzado rápidamente y pueden ayudar a escribir, programar y razonar en determinadas disciplinas. Las empresas que quieran utilizar esta nueva tecnología deberían centrarse en lo siguiente: 1) Identificar los activos de datos de texto y determinar cómo se pueden aprovechar las últimas técnicas para añadir valor a su empresa, 2) entender cómo podría aprovechar las tecnologías lingüísticas basadas en la IA para tomar mejores decisiones o reorganizar su mano de obra calificada, 3) empezar a incorporar nuevas herramientas de IA basadas en idiomas para una variedad de tareas a fin de comprender mejor sus capacidades y 4) no subestimar el potencial transformador de IA.

•••

Hasta hace poco, la opinión popular decía que, si bien la IA era mejor que los humanos entareas de toma de decisiones basadas en datos, seguía siendo inferior a los humanos durante cognitivos y creativos. Pero en los últimos dos años, la IA basada en el lenguaje ha avanzado a pasos agigantados, cambiando las nociones comunes de lo que puede hacer esta tecnología. Los avances más visibles se han producido en lo que se denomina «procesamiento del lenguaje natural» (PNL), la rama de la IA que se centra en cómo los ordenadores pueden procesar el lenguaje como lo hacen los humanos. Se ha utilizado para escribir un artículo paraEl guardián, y Entradas de blog escritas por IA se han hecho virales —hazañas que no eran posibles hace unos años. La IA incluso sobresale en tareas cognitivas, como la programación, donde es capaz de generar programas para videojuegos sencillos a partir de instrucciones humanas. Sin embargo, si bien estas acrobacias pueden llamar la atención, ¿son realmente indicativas de lo que esta tecnología puede hacer por las empresas? ## Qué puede hacer la PNL La herramienta de procesamiento del lenguaje natural más conocida esGPT-3, de OpenAI, que utiliza la IA y las estadísticas para predecir la siguiente palabra de una oración en función de las palabras anteriores. Los profesionales de la PNL llaman a herramientas como esta «modelos lingüísticos» y se pueden utilizar para tareas de análisis sencillas, como clasificar documentos y analizar las opiniones en bloques de texto, así como para tareas más avanzadas, como responder a preguntas y resumir informes. Los modelos lingüísticos ya están remodelando la analítica de textos tradicional, pero la GPT-3 fue un modelo lingüístico especialmente importante porque, con 10 veces más grande que cualquier modelo anterior en el momento de su lanzamiento, fue el primer modelo lingüístico grande, lo que le permitía realizar tareas aún más avanzadas, como programar y resolver problemas de matemáticas a nivel de instituto. La última versión, llamada Instruir a GPT, lo han ajustado los humanos para generar respuestas que se alineen mucho mejor con los valores humanos y las intenciones de los usuarios, y con el último modelo de Google muestra otros avances impresionantes en el lenguaje y el razonamiento. Para las empresas, las tres áreas en las queEl GPT-3 parece de lo más prometedor son la escritura, la codificación y el razonamiento específico de la disciplina. OpenAI, el creador de la GPT-3 financiado por Microsoft, ha desarrollado un modelo de lenguaje basado en la GPT-3 destinado a actuar como asistente para los programadores al generar código a partir de la entrada en lenguaje natural. Esta herramienta, Codex, ya está impulsando productos como Copilot para GitHub, filial de Microsoft, y es capaz de crear un videojuego básicosimplemente escribiendo las instrucciones. Ya se esperaba que esta capacidad transformadora cambiar la naturaleza de la forma en que los programadores hacen su trabajo, pero los modelos siguen mejorando — lo último del laboratorio de IA DeepMind de Google, por ejemplo, demuestra las habilidades de pensamiento crítico y lógica necesarias para superar a la mayoría de los humanos en los concursos de programación. Los modelos como el GPT-3 se consideranmodelos de base — un área de investigación de la IA emergente, que también funciona para otros tipos de datos, como imágenes y vídeos. Los modelos básicos incluso se pueden entrenar en varios tipos de datos al mismo tiempo, como los de OpenAI DALL·E 2, que es formado en lenguaje e imágenes para generar renderizaciones en alta resolución de escenas u objetos imaginarios simplemente a partir de mensajes de texto. Debido a su potencial para transformar la naturaleza del trabajo cognitivo, los economistas esperan que los modelos fundamentalespuede afectar a todos los sectores de la economía y podría provocar un aumento del crecimiento económico similar al de la revolución industrial. ## Un asistente de investigación de IA basado en el lenguaje En mi propio trabajo, he estado analizando cómo las herramientas basadas en la GPT-3 pueden ayudar a los investigadores en el proceso de investigación. Actualmente estoy trabajando conDebería, una empresa de San Francisco que desarrolla una herramienta de razonamiento abierta (llamada Provocar) que tiene como objetivo ayudar a los investigadores a responder a las preguntas en minutos u horas, en lugar de semanas o meses. Elicit está diseñado para un número creciente de tareas específicas relacionadas con la investigación, como resumir, etiquetar datos, reformular, intercambiar ideas y reseñas de la literatura. He descubierto —no es sorprendente— que Elicit funciona mejor para algunas tareas que para otras. Tareas como el etiquetado y el resumen de datos siguen siendo difíciles, con resultados ruidosos y una precisión irregular, peroinvestigación de Ought yinvestigación de OpenAI es prometedor para el futuro. Por ejemplo, la tarea de reformular es útil para escribir, pero la falta de integración con las aplicaciones de procesamiento de textos hace que no sea práctica por ahora. Las tareas de lluvia de ideas son excelentes para generar ideas o identificar temas que se pasan por alto y, a pesar de los ruidosos resultados y las barreras a la adopción, actualmente son valiosas para diversas situaciones. Sin embargo, de todas las tareas que ofrece Elicit, la reseña de la literatura me parece la más útil. Como Elicit es un asistente de investigación de IA, esto es una especie de pan y mantequilla, y cuando necesito empezar a ahondar en un nuevo tema de investigación, se ha convertido en mi recurso de referencia. Todo esto está cambiando mi forma de trabajar. Dedico mucho menos tiempo a buscar contenido existente relevante para mis preguntas de investigación, ya que sus resultados son más aplicables que otras interfaces más tradicionales de búsqueda académica, como Google Scholar. También estoy empezando a integrar las tareas de lluvia de ideas en mi trabajo, y mi experiencia con estas herramientas ha inspirado mis últimas investigaciones, que tienen como objetivo utilizar modelos básicos para apoyar la planificación estratégica. ## ¿Cómo pueden las organizaciones prepararse para el futuro? ### Identifique sus activos de datos de texto y determine cómo se pueden aprovechar las técnicas más recientes para añadir valor a su empresa. No cabe duda de que conoce lavalor de los datos, pero es posible que siga pasando por alto algunos activos de datos esenciales si no utiliza el análisis de texto y la PNL en toda su organización. Los datos de texto son sin duda valiosos para gestión de la experiencia del cliente y comprensión de la voz del cliente, pero piense en otros activos de datos de texto de su organización: correos electrónicos, informes de analistas, contratos, comunicados de prensa, archivos; incluso se pueden transcribir reuniones y llamadas telefónicas. Hay muchos datos de texto y no necesita modelos avanzados como la GPT-3 para extraer su valor.Abrazando la cara, una startup de PNL, lanzada recientemente Auto LP, una nueva herramienta que automatiza los modelos de entrenamiento para tareas estándar de análisis de texto con solo subir sus datos a la plataforma. Los datos aún necesitan etiquetas, pero muchas menos que en otras aplicaciones. Como muchas empresas han hecho apuestas ambiciosas por la IA solo para esforzarse por aportar valor a su negocio principal, manténgase cauteloso para no ser demasiado entusiasta. Este puede ser un buen primer paso que puedan dar sus actuales ingenieros de aprendizaje automático (o incluso científicos de datos con talento). Para dar el siguiente paso, vuelva a identificar sus activos de datos. Muchos sectores, e incluso divisiones de su organización, utilizan un vocabulario altamente especializado. Mediante una combinación de sus activos de datos y conjuntos de datos abiertos, prepare un modelo para las necesidades de sectores o divisiones específicos. Piense en las finanzas. No querrá un modelo especializado en finanzas. Quiere un modelo personalizado para la banca comercial o para los mercados de capitales. Y los datos son fundamentales, pero ahora son datos sin etiquetar y cuantos más, mejor. Los modelos especializados como este pueden generar un valor incalculable para su empresa. ### Comprenda cómo puede aprovechar las tecnologías lingüísticas basadas en la IA para tomar mejores decisiones o reorganizar su mano de obra cualificada. La IA basada en el lenguaje no sustituirá a los puestos de trabajo, pero automatizará muchas tareas, incluso para los responsables de la toma de decisiones. Startups comoVerneek están creando herramientas tipo Elicit para que todos puedan tomar decisiones basadas en los datos. Estas nuevas herramientas trascenderán la inteligencia empresarial tradicional y transformarán la naturaleza de muchas funciones en las organizaciones; los programadores son solo el principio. Tiene que empezar a entender cómo se pueden utilizar estas tecnologías para reorganizar su mano de obra calificada. La próxima generación de herramientas, como el Codex de OpenAI, permitirá que los programadores sean más productivos, lo que probablemente se traduzca en menos programadores dedicados y más empleados con conocimientos de programación modestos que las utilicen para un número cada vez mayor de tareas más complejas. Puede que esto no sea cierto para todos los desarrolladores de software, pero tiene implicaciones importantes para tareas como el procesamiento de datos y el desarrollo web. ### Comience a incorporar nuevas herramientas de IA basadas en el lenguaje para una variedad de tareas a fin de comprender mejor sus capacidades. Ahora mismo, herramientas como Elicit acaban de surgir, pero ya pueden resultar útiles de formas sorprendentes. De hecho, la sugerencia anterior se inspiró en una de las tareas de lluvia de ideas de Elicit condicionada a mis otras tres sugerencias. La sugerencia original en sí misma no era perfecta, pero me recordó algunos temas críticos que había pasado por alto y revisé el artículo en consecuencia. En las organizaciones, tareas como esta pueden ayudar a los ejercicios de pensamiento estratégico o planificación de escenarios. Aunque este tipo de aplicaciones tienen un enorme potencial, ahora mismo los resultados siguen siendo relativamente brutos, pero ya pueden añadir valor en su estado actual. La conclusión es que tiene que fomentar la adopción generalizada de herramientas de IA basadas en el lenguaje en toda su empresa. Es difícil anticipar cómo se podrían utilizar estas herramientas en los diferentes niveles de la organización, pero la mejor manera de entender esta tecnología puede ser que usted y otros líderes de su empresa la adopten ustedes mismos. No apueste mucho porque puede que parte de la tecnología no funcione, pero si su equipo entiende mejor lo que es posible, estará por delante de la competencia. Recuerde que, si bien la IA actual puede no estar preparada para reemplazar a los gerentes, los gerentes que entienden la IA están preparados para reemplazar a los gerentes que no la entienden. ### No subestime el potencial transformador de la IA. Los modelos básicos de gran tamaño, como el GPT-3, muestran la capacidad de generalizar a un gran número de tareas sin ningún tipo de formación específica para cada tarea. El progreso reciente de esta tecnología es un paso importante hacia la generalización a nivel humano y la inteligencia artificial general, que son los objetivos finales de muchos investigadores de IA, incluidos los de OpenAI y DeepMind de Google. Estos sistemas tienen un enorme potencial disruptivo que podría llevar a un crecimiento económico explosivo impulsado por la IA, quetransformar radicalmente los negocios y la sociedad. Si bien puede que todavía se muestre escéptico ante una IA radicalmente transformadora, como la inteligencia general artificial, es prudente que los líderes de las organizaciones estén al tanto de las primeras señales de progreso debido a su enorme potencial disruptivo. Pensemos en el exdirector de Google, Eric Schmidtespera la inteligencia artificial general dentro de 10 a 20 años y que el Reino Unido tomó recientementeuna posición oficial sobre los riesgos de la inteligencia general artificial. ¿Las organizaciones hubieran prestado atención a La advertencia de Anthony Fauci de 2017 sobre la importancia de prepararse para una pandemia, es posible que se hayan evitado los efectos más graves de la pandemia y la consiguiente crisis de la cadena de suministro. Ignorar el potencial transformador de la IA también conlleva riesgos y, al igual que la crisis de la cadena de suministro, la inacción o el uso irresponsable de la IA por parte de las empresas podrían tener efectos generalizados y perjudiciales en la sociedad (por ejemplo, aumentar la desigualdad o los riesgos de la automatización en ámbitos específicos). Sin embargo, a diferencia de la crisis de la cadena de suministro, los cambios sociales derivados de la IA transformadora probablemente sean irreversibles e incluso podrían seguir acelerándose. Las organizaciones deberían empezar a prepararse ahora, no solo para capitalizar la IA transformadora, sino también para hacer su parte para evitar futuros indeseables y garantizar que la IA avanzada se utilice en beneficio de la sociedad de manera equitativa. ## Las herramientas de IA basadas en idiomas llegaron para quedarse Las potentes herramientas de IA generalizables y basadas en el lenguaje, como Elicit, están aquí, y son solo la punta del iceberg; las herramientas multimodales basadas en modelos básicos están preparadas para transformar los negocios de formas que aún son difíciles de predecir. Para empezar a prepararse ahora, empiece a entender sus activos de datos de texto y la variedad de tareas cognitivas que implican las diferentes funciones de su organización. Adopte de forma agresiva las nuevas tecnologías de IA basadas en el lenguaje; algunas funcionarán bien y otras no, pero sus empleados se adaptarán más rápido cuando pase a la siguiente. Y no olvide adoptar estas tecnologías usted mismo; esta es la mejor manera de empezar a entender sus funciones futuras en su organización.