Explorar la IA generativa para maximizar las experiencias, la toma de decisiones y el valor empresarial

En la primera parte de esta serie de tres partes, se describió la IA generativa y cómo funciona.

IBM Consulting ve un valor tangible para el negocio al aumentar los despliegues existentes de IA empresarial con IA generativa para mejorar el rendimiento y acelerar el tiempo de creación de valor. Hay cuatro categorías de capacidades drásticamente mejoradas que estos modelos ofrecen:

• Resumen como se ve en ejemplos como interacciones del centro de atención telefónica, documentos como informes financieros, artículos de analistas, correos electrónicos, noticias y tendencias de los medios.
• Búsqueda semántica como se ve en ejemplos como comentarios, bases de conocimiento y descripciones de productos.
• Creación de contenido como se ve en ejemplos como documentación técnica, historias de usuarios, casos de prueba, datos, generación de imágenes, interfaz de usuario (IU) personalizada, personas y copia de marketing.
• Creación de código como se ve en ejemplos como copiloto de código, pipelines, archivos docker, scripts de terraformación, conversión de historias de usuario al formato Gherkin, diagramas como código, artefactos arquitectónicos, modelos de amenazas y código para aplicaciones.

Con estas mejoras, es fácil ver cómo cada industria puede reimaginar sus procesos centrales con IA generativa.

Los principales casos de uso hacen más que simplemente reducir costos. Contribuyen a la satisfacción de los empleados, la confianza de los clientes y el crecimiento del negocio. Estas no son posibilidades prospectivas porque las empresas están utilizando la IA generativa hoy en día para obtener valor comercial rápido, lo que incluye cosas como mejorar la precisión e insights casi en tiempo real sobre las quejas de los clientes para reducir el tiempo de descubrimiento de insights, reducción del tiempo para que las auditorías internas mantener el cumplimiento normativo y las ganancias de eficiencia para las pruebas y la clasificación.

Si bien estos primeros casos y los resultados que han tenido son emocionantes, el trabajo involucrado en la construcción de soluciones de IA generativa debe desarrollarse cuidadosamente y con atención crítico a los riesgos potenciales involucrados, incluidos:

Sesgo: al igual que con cualquier modelos de IA, los datos de entrenamiento tienen un impacto en los resultados que produce el modelo. Los modelos fundacionales se entrenan en grandes porciones de datos extraídos de Internet. En consecuencia, los sesgos que existen inherentemente en los datos de Internet son detectados por los modelos entrenados y pueden aparecer en los resultados que producen los modelos. Aunque existen formas de mitigar este efecto, las empresas deben contar con mecanismos de gobernanza para comprender y abordar este riesgo.
    Opacidad: los modelos fundacionales tampoco son totalmente auditables o transparentes debido a la naturaleza “autosupervisada” del entrenamiento del algoritmo.
    Alucinación: los LLM pueden producir "alucinaciones", resultados que satisfacen una instrucción sintácticamente pero que son incorrectos desde el punto de vista fáctico. Nuevamente, las empresas deben contar con mecanismos de gobernanza sólidos para mitigar este riesgo.
    Propiedad intelectual: hay preguntas sin respuesta sobre las implicaciones legales y quién puede poseer los derechos del contenido generado por modelos que se entrenan con material potencialmente redactado.
    Seguridad: estos modelos son susceptibles a riesgos de datos y seguridad, incluyendo ataques de inyección de instrucciones.

Al participar en proyectos de IA generativa, los líderes empresariales deben asegurarse de poner en marcha sólidos mecanismos de ética y gobernanza de IA para mitigar los riesgos involucrados. Aprovechando la metodología IBM Garage, IBM puede ayudar a los líderes empresariales a evaluar cada iniciativa de IA generativa sobre cuán arriesgada y precisa debe ser la salida. En la primera ola, los clientes pueden priorizar los casos de uso internos orientados a los empleados donde los resultados son revisados por humanos y no requieren un alto grado de precisión.

La IA generativa y los LLM introducen nuevos peligros en el campo de la IA, y no pretendemos tener todas las respuestas a las preguntas que plantean estas nuevas soluciones. IBM Consulting se compromete a aplicar una introspección mesurada durante las interacciones con compañías, gobiernos y la sociedad en general y a garantizar una representación diversa de perspectivas a medida que encontramos respuestas a esas preguntas.

Aprenda más sobre esta serie de tres partes leyendo la primera o tercera entrega, y consulte a un experto para iniciar una conversación sobre sus necesidades.