IA Gen: El cambio de las empresas de grandes marcas a soluciones de startups

La inteligencia artificial generativa y los chatbots no son algo que el mundo nunca haya visto antes de 2022. No se trata solo de Siri o Alexa, sino de la antigua ELIZA, uno de los primeros ejemplos de Procesamiento de Lenguaje Natural, que ahora tendría 57 años. Sin embargo, solo medio siglo después, cuando Chat GPT y otros modelos de lenguaje grande notables demostraron la viabilidad comercial de la tecnología en una amplia gama de industrias, las empresas entendieron que necesitaban soluciones de IA generativa lo antes posible.

Sin embargo, pocas de ellas saben para qué necesitan la IA generativa, y aún menos entienden la complejidad de la tarea y los recursos necesarios. Aquí es donde entramos en juego – aceleradoras y empresas de consultoría.

A medida o confeccionado

Un buen traje, confeccionado según las medidas individuales, con un tejido preferido, color y con una ocasión específica en mente, es una inversión valiosa. Las personas que llevan tales trajes no se preocupan por su apariencia. Saben que lucen perfectos y se sienten de acuerdo. Una solución tecnológica de IA personalizada, que se hace para alcanzar objetivos comerciales específicos, con seguridad mejorada y que se integra perfectamente en los sistemas corporativos, es un traje de James Bond.

Esta es una buena comparación que da una idea general. Pero vamos a profundizar un poco más en las razones por las que la mayoría de las empresas prefieren no implementar soluciones de IA listas para usar, incluso de los líderes del mercado:

En primer lugar, la integración efectiva de la IA generativa es imposible sin un trabajo altamente individualizado para cada empresa, lo que requiere un equipo separado, informado sobre los planes de desarrollo estratégico de la empresa, objetivos y disponibilidad de recursos. Una solución de IA generativa que resultó viable para una empresa probablemente resultará inútil para otra.

En segundo lugar, una startup más pequeña se sumergirá completamente en las particularidades de la empresa y ofrecerá una solución a medida de un equipo de expertos en IA, que pueden trabajar con modelos de código abierto, entrenarlos de manera segura con datos corporativos y colocarlos en los servidores del cliente. Esto permite crear una solución local y cumplir con los requisitos de despliegue y almacenamiento de datos seguros, que es una prioridad para las empresas.

¿Para qué necesitan las empresas la IA generativa?

Como la IA Gen es relativamente nueva en el mercado corporativo, la principal forma de ganar experiencia y progresar es a través de pruebas y errores, lo que significa lanzar pilotos. Hasta que tengamos suficientes puntos de referencia en varios sectores, esta es, con diferencia, la forma más productiva de encontrar una solución que se adapte perfectamente a las necesidades únicas de la empresa.

Sin embargo, hay ciertas tendencias en las solicitudes corporativas de soluciones de IA generativa:

1. Botones de texto y voz inteligentes basados en LLM para brindar asistencia de alta calidad a las consultas de servicio al cliente y soporte de diferentes niveles de complejidad.

2. Asistente de empleado de IA (es decir, asistente de gerente de ventas, que analiza una conversación en tiempo real con el cliente potencial y genera simultáneamente ideas y ofertas para el especialista)

3. Copilotos para desarrolladores

4. Soluciones de RRHH para la automatización de la contratación y la incorporación

5. Herramientas de marketing: generación de imágenes y avatares, redacción de artículos y reseñas de productos.

‘No se necesita IA Gen’ – esta es la conclusión a la que algunos clientes no esperan llegar, pero están de acuerdo después de analizar el estado actual de la empresa y los objetivos comerciales. La IA por la IA es un desperdicio de recursos, que la tecnología está llamada a eliminar.

Oportunidades del mercado de IA generativa

Según la estimación de PitchBook, el mercado de IA generativa alcanzará los $42,6 mil millones para finales de 2023 y se espera que crezca a una tasa de crecimiento anual compuesto del 32% para alcanzar los $98,1 mil millones para 2026. Estas predicciones no tienen en cuenta el potencial de la IA generativa para ampliar el mercado total de software de IA.

Esto se compara con un crecimiento anual compuesto del 22,6% para la industria de la IA en general, lo que significa que la IA Gen seguirá superando al sector más grande.

Si las estimaciones no son lo suficientemente convincentes, aquí hay un hecho ilustrativo de nuestra experiencia como aceleradora. Después de 2022 turbulento, asociado con la recesión económica y un declive rápido de las inversiones de riesgo, los programas de aceleración de Intema cambiaron su enfoque de la recaudación de fondos a la lanzamiento de pilotos con corporaciones.

En 2023, Intema llevó a cabo dos programas de aceleración con tecnologías dominantes absolutamente diferentes: Metaverso y IA generativa. A lo largo del programa, conectamos a las startups con clientes corporativos para discutir soluciones tecnológicas potenciales, organizar demos y, si es exitoso, hacer acuerdos sobre pilotos potenciales. El programa de aceleración de Metaverso resultó en 4 pilotos con clientes corporativos, lo que es genial considerando la especificidad y la complejidad de la tecnología.

El programa de IA generativa, incluso varias semanas antes de su terminación, tenía 7 pilotos en discusión con una serie de corporaciones. ¿Es esto solo el efecto de la histeria que solía rodear a Blockchain y Metaverso antes? ¿O es porque la IA Gen es un verdadero juego cambiad

Todo se reduce a la pregunta: ¿Vale la pena la IA Gen la histeria?

Primero, no es inusual que una nueva tecnología prometedora o una idea se sobrevalúe a corto plazo, quizás en detrimento de sus perspectivas a largo plazo. Si seguimos dibujando paralelos entre la IA Gen y Blockchain, en su etapa preliminar de madurez, Blockchain ha sido descrito por muchos como una revolución tecnológica que cambiará el mundo, al igual que la IA Gen es elogiada hoy. Sin embargo, años después, en 2018, Gartner anunció que Blockchain ha entrado en la Fosa de la desilusión, lo que también se corresponde con una caída del 30% en el interés del consumidor desde los niveles máximos y una disminución del 45% en la inversión de capital de riesgo de 2018 a 2019.

En contraste con Blockchain, en su etapa temprana de madurez, la IA Gen ya tiene muchos casos de uso en una amplia gama de industrias que son comercialmente viables. Su número se espera que crezca a medida que más industrias adopten soluciones de IA Gen. En su publicación reciente, Gartner colocó la tecnología de IA generativa en la cima de la llamada “curva de histeria”, lo que indica que puede haber una corrección en las expectativas y algún tipo de desilusión en el futuro cercano.

Conclusión

¿Significa esto que después de una demanda masiva de soluciones de IA generativa, la tecnología está condenada a desaparecer? Este escenario es poco probable, ya que la IA Gen ya ha demostrado su viabilidad fundamental y flexibilidad en diversas esferas de la actividad humana, desde la ciencia hasta el arte y la cadena de suministro.

Sin embargo, un freno en el desarrollo de la tecnología es inevitable, con la principal causa aquí siendo la necesidad urgente de controlar y regular el uso de la IA Gen. Hasta ahora, este instrumento se ha utilizado relativamente libre, sin restricciones legales. La regulación legal establecerá una nueva trayectoria en la evolución de la tecnología, y es difícil predecir hacia dónde irá, ya que la IA Gen con sus capacidades actuales es completamente sin precedentes en la historia humana.

El otro factor, que se espera que limite la IA generativa en el futuro, es irónicamente el tamaño creciente de los grandes modelos de lenguaje. Tarde o temprano, las capacidades de los chips de IA no podrán seguir el ritmo del desarrollo de la tecnología, y la aspiración a construir la Inteligencia Artificial General y el crecimiento de los volúmenes de datos requieren una ingeniería altamente compleja y mucha más potencia de cálculo.

Sin embargo, estas limitaciones abren un vasto campo para la investigación, los experimentos y los enfoques no estándar para la compresión sin pérdida de los LLM, el crecimiento de la potencia de cálculo, el almacenamiento de datos, etc.