Definir datos limpios y áreas potenciales de mejora, pasos para empezar en IA: AWS
El uso del lenguaje natural, sin tener que recurrir a grandes líneas de código para poder usar la Inteligencia Artificial (IA), ha ayudado a la democratización de la tecnología entre distintas áreas de una empresa, sin tener que recurrir a los departamentos de TI. Sin embargo, las empresas también deben considerar elementos en su estrategia de adopción como identificación de líderes, contar con los datos limpios requeridos y la identificación de casos de uso, señaló a DPL News Miriam McLemore, directora de Estrategia Empresarial en AWS.
En una entrevista reciente durante el pasado AWS Summit en la Ciudad de México, McLemore señaló que a diferencia de tecnologías anteriores, no requiere vastas cantidades de datos ni un poder computacional masivo para ser efectiva. Esto permite que las pequeñas empresas utilicen la IA para la creación de contenido, mejorar la productividad y otras aplicaciones de manera rápida y eficiente.
Mientras que las grandes organizaciones, que a menudo no han limpiado adecuadamente sus datos o no tienen presencia en la Nube, enfrentan mayores desafíos para encontrar el punto de partida adecuado.
“Hay algunas bases que deben establecerse. Porque es genial entusiasmar a tu negocio con las posibilidades de la IA Generativa, pero como líder tecnológico, los fundamentos tienen que estar funcionando o podrías poner a la organización en riesgo, porque ahora estás jugando en una caja de arena. Podrías estar gastando dinero si no has hecho algunas de las cosas básicas”, añadió.
La directiva enfatizó la importancia de encontrar un punto de inicio dentro de cada organización. Un ejemplo de esto es Ralph Lauren, que ha automatizado su catálogo de diseños icónicos para crear experiencias de compra virtuales personalizadas. Otras empresas pueden empezar con la automatización de procesos en áreas como finanzas, donde los datos suelen estar bien organizados, o en la creación de contenido para marketing a través de IA Generativa.
Explicó que no se trata de “sacar a los humanos del ciclo”, sino adoptar un enfoque que permita demostrar el impacto de la IA en una función específica y luego expandir su uso a otras áreas dentro de la empresa, con base en los problemas que cada una está intentando resolver.
Una de las mayores diferencias de la IA con tecnologías anteriores es su accesibilidad. A diferencia de los primeros lenguajes de programación como Fortran, que requerían conocimientos especializados, la IA Generativa se basa en el lenguaje inglés, lo que la hace accesible a un público mucho más amplio. Esto democratiza su uso y permite que más personas dentro de una organización puedan contribuir a su implementación y optimización.
Al respecto, consideró que esta facilidad de uso evita que su adopción pueda estar liderada exclusivamente por el equipo de TI. Según McLemore, los equipos de TI que intenten construir barreras perderán relevancia, ya que la nueva generación de líderes empresariales tiene una mayor competencia tecnológica y no se limitará a delegar toda la tecnología a un departamento aislado.
La directiva también advirtió sobre la correcta elección de un modelo de costos para la implementación de Inteligencia Artificial. Las empresas deben evaluar el costo de los modelos de IA en función de su consumo, el costo de entrenamiento, la afinación de los modelos, y la ingeniería de prompts. Agrega que, aunque es tentador elegir el modelo más avanzado y costoso, sólo tiene sentido si la empresa puede justificar ese gasto, como en el caso de industrias que requieren un alto nivel de transacciones.