rel consulting

La IA Generativa: ¿hype, promesa o realidad?

Temas relacionados

Sean las expectativas medias, altas o muy altas, tengamos presente: primero, que esta tecnología está evolucionando a un ritmo sin precedentes, y lo que hoy son limitaciones, pueden dejar de serlo muy pronto.

El pasado mes de noviembre hizo un año desde que OpenAI, la compañía detrás de ChatGPT, Dall·E o Whisper, lanzó ChatGPT al público, convirtiéndose en menos de en menos de 2 meses en la aplicación que más rápido ha alcanzado los 100 millones de usuarios activos, superando por mucho a otros fenómenos populares como TikTok, Google+ o Instagram.

España 2024. Un año por delante

Descubre más sobre nuestro informe.

Desde entonces, más del 90% de los artículos que hablan sobre IA se refieren al subconjunto de las Inteligencias Artificiales Generativas (IAG), aquellas capaces de crear contenido que no existía, ya sea en texto, música y audio, imágenes, video o código. Y casi todas hacen referencia a los llamados Large Language Models (LLM por sus siglas en inglés) o modelos de lenguaje de gran tamaño.

Este entusiasmo informativo contrasta con el tamaño de mercado de la IAG, que se espera que alcance 45 miles de millones de dólares a finales de 2023, apenas el 19% de los 242 del mercado total de inteligencia artificial. Y resulta también llamativo considerando que, dentro de la IAG, el mayor porcentaje del pastel lo representan aplicaciones y modelos relacionados con imágenes y video, seguidos de los mencionados LLM.  

Entonces, ¿por qué tanto revuelo? ¿Por qué vemos cada día noticias de LLM si no suponen ni el 10% del valor del mercado? Y ligado a esto, ¿por qué, con tanto entusiasmo, no vemos todavía una adopción a escala, con grandes proyectos de Generativa? ¿Estamos ante un hype o moda, una promesa o una realidad? Vayamos por partes.

Gran parte del entusiasmo actual se debe a las sorprendentes capacidades de los LLM en su corta vida pública y, sobre todo, a las expectativas que están generando. Se espera que el conjunto del mercado de IA crezca anualmente un 17%, pasando de los 242 miles de millones de dólares de hoy a 740 en 2030. Y la IAG, que alcance los 207 millones, un 24,4% más, incluso –según qué fuentes- un 35%. Son palabras mayores que hacen de la IAG la que más crecerá dentro de la gran familia de las IA.  

Un crecimiento que dependerá de muchos factores, pero sobre todo y aunque parezca evidente, del uso y aplicaciones que les demos, y a la velocidad a la que vayan mejorando. Viendo la aceleración de versiones y los saltos cualitativos entre éstas, es de esperar que mejoren, y mucho.  

Desde el punto de vista de su uso, los LLM han llevado a otro nivel servicios cognitivos como el reconocimiento y entendimiento del lenguaje - texto o voz- o la generación de respuestas. Son modelos que, a diferencia de los no generativos, entienden con mayor precisión y generan respuestas muchísimo más naturales. ¡Es que incluso entienden la ironía y el sarcasmo! Ello implica que pueden aplicarse a un número mayor de casos de uso, antes restringidos a personas, o que requerían mucho trabajo y entrenamiento.

Actualmente, creo que no hay empresa o institución que no haya experimentado con estas tecnologías, explorando su uso y aplicaciones. Sin embargo, todavía vemos un cierto decalaje entre ese interés inicial y la decisión de pasar a la acción, así como su velocidad de despliegue, y la mayoría optan por una aproximación más prudente y gradual. También hay empresas que tienen sus reticencias o no están aún preparadas para adoptarlas. Sin olvidarnos del cierto gap entre las expectativas iniciales –quizás desorbitadas o demasiado optimistas todavía-, y la realidad.

En este sentido, es importante aclarar la confusión y errores de concepto que lo propician. Por ejemplo, muchos usuarios piensan que estos modelos aprenden y se pueden entrenar, y no es exactamente así. Gran parte de ellos, especialmente los que no son open source o de código abierto-, son modelos pre-entrenados, que vienen como “cajas negras”, a los que hay que ayudar y guiar para que entiendan y respondan en tiempo y forma. Digamos, por simplificar, que su aprendizaje y entrenamiento depende más de los desarrolladores que los han creado y los algoritmos de auto-aprendizaje del propio modelo, que de nosotros, incluso para modelos de open-source. Además, conviene aclarar que los modelos de LLM, de los que se habla mayoritariamente, funcionan muy bien cuando se utilizan para trabajar con lenguaje: conversaciones o textos escritos en diversos formatos, ¡pero ojo! ¡No sirven para todo! Los LLM no son buenos para trabajar con números, y aún peores para operaciones de cálculo. E igualmente importante: si el acceso o calidad de los datos es malo, los resultados serán malos.

No obstante, sean las expectativas medias, altas o muy altas, tengamos presente: primero, que estas tecnologías están evolucionando a un ritmo sin precedentes, y lo que hoy son limitaciones, pueden dejar de serlo muy pronto. Y segundo, que apenas hemos empezado a entender cómo funcionan estos modelos y qué usos pueden tener. Más allá de los usos más evidentes, la combinación con otras disciplinas de IA –que se están viendo revitalizadas-, y con otras tecnologías como RPA, o incluso con librerías de código, puede llevar sus aplicaciones y usos a terrenos y casos que ahora ni concebimos. Como se suele decir, el camino se hace al andar, y dependerá mucho de todos nosotros, de nuestro ingenio, pericia y del uso que les demos.  

Publicado en Expansión

Resumen

En el 2024 hablar de que la IA generativa desarrollará un papel importante en el mundo de la moda no es ni algo novedoso ni que vaya a resultar extraño para los lectores, ya que numerosos estudios e informes de expertos así lo manifiestan de forma prolija.

Acerca de este artículo