Mujeres Factor de Éxito

2023 FUE EL AÑO DE LA INTELIGENCIA ARTIFICIAL GENERATIVA

La historia de la IAG se remonta a las primeras exploraciones en redes neuronales y aprendizaje automático (machine learning, ML). Sin embargo, su auge comenzó con el desarrollo de técnicas más avanzadas como las Redes Generativas Antagónicas (GANs) y los modelos de lenguaje de transformadores, que permitieron un avance significativo en la calidad y realismo de los resultados obtenidos desde la década de 2010.

¿Qué son las GANs?

En palabras de César Martínez, Líder de Práctica en Nube y DevOps de SoftServe México, compañía global de tecnologías de la información (TI) líder en desarrollo de software y consultoría, las Redes Generativas Antagónicas (Generative Adversary Networks, GANs) son un tipo de arquitectura de inteligencia artificial, particularmente en el campo del aprendizaje profundo y la visión por computadora. Constan de dos redes neuronales, denominadas “generador” y “discriminador”, que trabajan en conjunto de manera antagónica, de ahí su nombre.

En resumen, el generador es una red que produce datos nuevos e intenta imitar la distribución de información del conjunto de data real con el que fue alimentado. Por ejemplo, si está entrenado con imágenes de rostros, intentará crear nuevas versiones que parezcan reales, ahora muy difundidas en las redes sociales. Mientras que el discriminador es una red que actúa como un “crítico” que intenta distinguir entre los datos reales y los creados por el generador. Su trabajo es aprender a reconocer lo que es genuino y lo que es falso.

El proceso de entrenamiento de las GANs es una especie de juego entre el generador y el discriminador. El primero intenta engañar al segundo produciendo datos cada vez más realistas, mientras que el discriminador aprende a ser mejor en detectar falsificaciones. Este proceso continúa hasta que el generador se vuelve tan bueno en su tarea, que el discriminador ya no puede diferenciar fácilmente entre los datos reales y los generados”; explica César Martínez.

Algunos ejemplos de producciones realizadas con inteligencia artificial generativa, son la creación de imágenes a partir de descripciones textuales, canciones en diversos estilos, textos coherentes y creativos que van de la poesía a los artículos técnicos, entornos de videojuegos o mundos virtuales en tiempo real, diseño de productos en general, nuevos conceptos arquitectónicos e incluso códigos de software.

Estos avances han abierto nuevas posibilidades en múltiples campos, desde el arte y el entretenimiento hasta la ingeniería y la ciencia de datos, marcando una nueva era en la creatividad asistida por la tecnología. Sin embargo, la implementación de la IAG en las empresas no es tan simple como la cada vez más acostumbrada práctica de realizar tareas escolares usando ChatGPT, herramienta desarrollada por la startup OpenAI que este 2023 ha acaparado al 72% de los usuarios que generan textos por IA.

De la novedad a la realidad

De acuerdo con el Líder de Práctica en Nube y DevOps de SoftServe México, las compañías interesadas en usar la inteligencia artificial generativa en sus procesos, deben tener en cuenta cuatro puntos básicos antes de subirse al tren de esta revolución tecnológica:

  1. Ser realistas. Sin una comprensión clara de lo que realmente logra la IAG, las organizaciones corren el riesgo de realizar inversiones equivocadas y asignar recursos a proyectos que pueden no alinearse con sus objetivos estratégicos. “Hay que superar la exageración de que la inteligencia artificial generativa es vital para un negocio, y así tomar decisiones realmente informadas con el apoyo de firmas especializadas. Al separar la realidad de la ficción, se pueden identificar los casos de uso específicos en los que la IAG puede generar un valor comercial genuino”.
  2. Considerar la competencia. Hay mucho en juego cuando se trata de inversiones en IA generativa. En el contexto acelerado de hoy, mantenerse a la vanguardia y obtener una ventaja competitiva no es un esfuerzo único sino una batalla constante. Ya sea mediante el desarrollo de productos superior, un análisis de datos más inteligente o interacciones más personalizadas con los clientes en el caso de los chatbots (asistentes digitales basados en IAG), entre otros usos, las empresas podrían capturan participación de mercado, aumentar los ingresos y asegurar una posición como líderes de su industria.
  3. Escalar la innovación. Para aprovechar todo el potencial de la IA generativa, las compañías deben ir más allá de los experimentos, asegurándose de encontrar y escalar casos de uso que les brinden un valor comercial duradero. Partiendo de que la IAG optimiza los procesos internos, automatiza tareas repetitivas y crea productos, servicios o experiencias de cliente innovadoras; la escalabilidad y versatilidad pueden generar ahorros de costos, mayor eficiencia y una respuesta más ágil a las condiciones cambiantes del mercado en cuestión.
  4. Mantener los resultados. Si bien esta tecnología presenta oportunidades interesantes, sus inversiones deben traducirse en beneficios tangibles. Al mejorar la eficiencia operativa, optimizar las experiencias de los clientes o crear nuevas fuentes de ingresos, por ejemplo, el objetivo final siempre tiene que ser obtener un retorno de inversión que contribuya a los resultados finales. “Hay que asegurarse de que las soluciones de IA generativa continúen brindando valor comercial a lo largo del tiempo, adaptándose a las circunstancias cambiantes y manteniendo su relevancia”.

La inteligencia artificial generativa es una innovación prometedora, cuyas potencialidades van más allá de crear canciones que se pongan de moda o redactar notas informativas para medios de comunicación, algo a lo que muchos ya han estado expuestos sin notarlo. Por ejemplo, un análisis de Gartner sugiere que para el año 2025 más del 30% de los nuevos medicamentos y materiales se descubrirán mediante técnicas de IA generativa. Y en el campo del desarrollo de sistemas, una investigación interna de SoftServe descubrió que la inteligencia artificial generativa puede aumentar la productividad hasta en un 45%.

Según estimaciones de Statista, se prevé que el tamaño del mercado de la IA generativa alcance los 44,890 millones de dólares en 2023, tras haberse valuado en 23,170 millones de dólares en 2022, casi duplicándose en tan sólo un año. En el periodo 2023-2030, su tasa de crecimiento anual sería del 24.40%, hasta alcanzar un volumen de 207,000 millones de dólares en 2030.