Cómo gestionar dos tipos de inteligencia artificial generativa

Las empresas han identificado dos tipos de IA generativa: herramientas de amplia aplicación que impulsan la productividad personal y soluciones personalizadas para propósitos específicos.

A medida que las organizaciones continúan experimentando con la inteligencia artificial generativa y obteniendo valor comercial de ella, los líderes están implementando la tecnología de dos maneras distintas. La IA en acciónInvestigación y conocimientos que impulsan la intersección de la IA y los negocios, entregados mensualmente.Sí, también me gustaría suscribirme al boletín de Thinking ForwardCorreo electrónico

Según un nuevo informe de investigación elaborado por investigadoresNick van der MeulenyBarbara H. WixomEn el Centro de Investigación de Sistemas de Información del MIT, las organizaciones están distinguiendo entre dos tipos de implementaciones de IA generativa. Las primeras, herramientas de IA generativa de amplia aplicación, se utilizan para impulsar la productividad personal. Las segundas, soluciones de IA generativa personalizadas, están diseñadas para su uso por parte de grupos específicos de partes interesadas de la organización.

La investigación, que se basa en mesas redondas con miembros del Consejo Asesor de Investigación de Datos del MIT CISR y entrevistas con ejecutivos, describe los dos enfoques y destaca los desafíos y principios de gestión únicos para ambos.

Herramientas de IA generativa de amplia aplicación

Las herramientas de IA generativa, como los sistemas de IA conversacional y los asistentes digitales integrados en el software de productividad, tienen una amplia aplicación por diseño. Son versátiles y su uso suele estar definido y refinado por sus usuarios, escriben los investigadores. 

“Esto es inteligencia artificial para todos”, dijo JD Williams , vicepresidente y director de datos y análisis de la empresa global de salud animal Zoetis, que es miembro del comité de datos del MIT CISR. “Se trata de incorporar productos externos y privatizarlos dentro de la empresa para que los datos estén protegidos”.

Las herramientas de IA generativa plantean cuatro desafíos clave para las organizaciones, según los investigadores:

1. Dado que las herramientas de IA generativa se basan en grandes modelos de lenguaje entrenados para predecir la secuencia de palabras más probable en un contexto determinado, suelen producir resultados comunes. Como resultado, la calidad y la relevancia de los resultados dependen de la especificidad de las indicaciones que introduce el usuario.
2. Las herramientas de IA generativa pueden carecer de contexto, contener sesgos, presentar información falsa o engañosa como si fuera un hecho y fallar en los cálculos matemáticos. En consecuencia, los usuarios deben evaluar continuamente y de manera crítica el resultado de una herramienta para evitar aceptar sesgos o afirmaciones inexactas.
3. Las herramientas de inteligencia artificial generativa que no han sido aprobadas y están disponibles públicamente pueden presentar riesgos importantes, en particular cuando los empleados las utilizan para trabajar. Estos riesgos incluyen pérdida de datos, pérdida de propiedad intelectual, violaciones de derechos de autor y brechas de seguridad. 
4. Las herramientas de IA generativa son caras. Ofrecer a los usuarios licencias para herramientas de varios proveedores puede volverse costoso rápidamente una vez que caducan las pruebas gratuitas y los incentivos de adopción temprana.

Para contrarrestar estas preocupaciones, las empresas deberían proporcionar a los empleados un acceso autorizado a un número selecto de herramientas de IA generativa para crear un espacio seguro para la experimentación. Para permitir un uso seguro y exitoso de la IA generativa, los investigadores sugieren que los líderes hagan lo siguiente:

• Desarrollar pautas de uso claras. Estas pautas deben ser desarrolladas por equipos de liderazgo interfuncionales con representantes de los intereses tecnológicos, legales, de privacidad y de gobernanza. Las pautas deben especificar qué herramientas están permitidas y bajo qué condiciones, y articular los riesgos asociados y las posibles consecuencias. Williams dijo que mitigar el riesgo, proteger los datos y garantizar el cumplimiento normativo son fundamentales para cualquier marco de gobernanza de la IA. «Quieres ser innovador y rápido, pero también quieres ser consciente de los riesgos, proteger los datos y cumplir con las normas», dijo.
• Invertir en capacitación.  Las organizaciones deben establecer prácticas de evaluación y dirección de la IA, que incluyan la capacitación de los empleados para que puedan instruir y utilizar de manera eficaz las herramientas de IA generativa, comprender los modelos subyacentes y utilizar las herramientas de manera responsable.
• Estandarice con un grupo selecto de proveedores.  Forme un equipo interdisciplinario de posibles usuarios de herramientas de IA generativa para ayudar a determinar qué herramientas tienen el mayor potencial para su organización. 

La IA generativa como solución a medida

Las soluciones de IA generativa son iniciativas de desarrollo basadas en casos de negocio que abordan objetivos comerciales estratégicos y crean valor para grupos específicos de partes interesadas de la organización, idealmente a gran escala, escriben los investigadores. Las organizaciones financian estas soluciones después de que cumplen con los criterios de innovación relacionados con la conveniencia para el usuario final, la viabilidad técnica y la viabilidad comercial.

“Las empresas implementan estas soluciones en funciones específicas que realizan tareas específicas”, dijo Williams. “En la industria manufacturera, por ejemplo, podría tratarse de monitorear procesos y productos para asegurarse de que avanzan en la dirección correcta a medida que se fabrican. Hay muchas aplicaciones excelentes en este ámbito”.

Si bien las soluciones de IA generativa comparten algunas similitudes con otras iniciativas de IA, presentan tres desafíos únicos, según los investigadores:

1. A medida que más empleados comienzan a darse cuenta del potencial de la IA generativa, las organizaciones corren el riesgo de desarrollar una “ IA generativa en la sombra ”, en la que grupos de partes interesadas buscan de forma independiente soluciones no autorizadas con la ayuda de proveedores entusiastas.
2. Unos pocos proveedores poseen y controlan la mayoría de los modelos básicos que respaldan las soluciones de IA generativa. Esto complica la comprensión de los modelos por parte de las organizaciones y su propia capacidad para evaluar sesgos y predecir el comportamiento de los modelos, lo que puede generar diversos riesgos, como fugas de datos y resultados inexactos. La incertidumbre en torno al uso futuro, el rendimiento del modelo y los precios también dificulta que las empresas calculen los costos operativos a largo plazo de las soluciones de IA generativa.
3. El valor que las organizaciones obtienen de las soluciones de IA generativa depende de si la organización compra una solución, mejora el modelo de un proveedor o crea su propia solución. Según el enfoque, existen compensaciones en cuanto a transparencia, conocimiento del contexto y costo. 

Las organizaciones pueden obtener valor de las soluciones de IA generativa si las convierten en iniciativas multifuncionales. Para tener éxito con soluciones de IA generativa específicas, las organizaciones también pueden hacer lo siguiente, escriben los investigadores:

• Establecer un proceso formal y transparente de innovación generativa en materia de IA.  Las organizaciones necesitan estructuras de gobernanza claras, una participación temprana y constante de las partes interesadas y un enfoque en soluciones escalables. 
• Formular pautas para las decisiones de desarrollo de IA generativa.  Los líderes deben diferenciar entre los diversos enfoques de desarrollo de IA generativa para ayudar a los equipos a tomar decisiones informadas, dado que existen diferentes beneficios y desventajas al comprar, construir o mejorar modelos de IA generativa. 
• Cree una estrategia de asociación con proveedores de IA generativa.  Las asociaciones eficaces con proveedores de IA generativa se basan en el entendimiento mutuo y la colaboración a largo plazo. Esto fomenta la adaptabilidad y la mejora continua, lo que beneficia a ambas partes.
   

MIT Management Sloan. K. B. Traducido al español