La Inteligencia Artificial (IA) es más que una simple palabra de moda; es una tecnología que podemos utilizar en muchas áreas, particularmente en software empresarial. Fundamentalmente, la IA consiste en replicar o mejorar procesos con los que los humanos podríamos utilizar la ayuda de las computadoras.
Los modelos de IA se explican de forma sencilla
Nosotros, como seres humanos, construimos nuestros modelos del mundo en función de nuestras experiencias y sentidos. Estos modelos se vuelven más complejos a medida que aprendemos. Sin embargo, algunas decisiones basadas en estos modelos pueden simplificarse e implementarse en la informática. Hemos hecho esto antes con reglas y modelos en programación simple.
Pero con la IA, estamos tratando con software que aprende de las experiencias o, en el caso de SAP, de los datos. Los modelos que se desarrollan a través de estos algoritmos, creados por científicos de datos, probablemente solo capturarán una complejidad limitada de los modelos que tenemos en mente.
Los modelos que utiliza SAP en los procesos de negocio pueden no ser tan complejos como el pensamiento humano, pero pueden procesar grandes cantidades de datos que no podemos retener en nuestra cabeza. Pueden analizar y correlacionar eficazmente estos datos, utilizando algoritmos para tareas como agrupación o proyección. Esto nos permite comprender situaciones, como el estado de un cliente o un proceso de negocio, en base a un gran volumen de datos diversos.
Los modelos procesan rápidamente esta información y brindan información valiosa, ayudándonos a identificar problemas o decidir la acción adecuada en un momento dado. Funcionan como un cerebro que reúne todas las experiencias pasadas y las aplica a un modelo que, aunque no demasiado simple, es menos complejo que la cognición humana.
Los diferentes niveles de IA
La IA puede manejar problemas simplificados debido a su capacidad de procesar una inmensa cantidad de datos casi instantáneamente. Sin embargo, la IA no siempre es necesaria. ¿Cuáles son los diferentes niveles de IA y cuándo su uso resulta ventajoso?
Varios niveles de inteligencia están respaldados por el apoyo a las decisiones. Comprender qué constituye la inteligencia puede resultar complicado. Si algo se percibe como inteligente, entonces es inteligente. Por ejemplo, si tenemos un indicador clave de rendimiento (KPI) o un informe que proporciona una cifra oportuna útil para la interacción con el cliente o la toma de decisiones en un proceso de ventas, podría considerarse inteligente. Si bien es estático y no muestra cambios ni indicaciones, su relevancia en ese momento específico lo hace perfecto.
Si bien una figura o gráfico estático puede brindarle una representación visual de las tendencias y ayudarlo a tomar decisiones, está limitado a dos dimensiones debido a nuestros límites de percepción. La IA, por otro lado, puede analizar enormes cantidades de datos y sacar conclusiones que están más allá de las capacidades humanas. Sin embargo, esto conlleva gastos como la programación y la recopilación de datos.
Casos de uso en los que la IA añade el mayor valor
La IA es más valiosa cuando puede acelerar los procesos. Sin embargo, no siempre es rentable. Depende en gran medida de los datos, que son la parte más crucial de cualquier algoritmo. El tipo, la exactitud y la heterogeneidad de los datos son vitales para entrenar adecuadamente los algoritmos. A pesar de esto, aún es necesario determinar si la IA agrega suficiente valor a una decisión o proceso de negocio específico, considerando los costos asociados con el procesamiento de los datos.
Profundizando en la IA generativa, que se ha desarrollado rápidamente en los últimos años es válido preguntarse ¿Qué hace que Gen AI sea única e interesante? Los ejemplos son tangibles; por ejemplo, hace una pregunta y obtiene un resumen inmediato de una gran cantidad de datos. Está claro lo valioso que esto puede ser. Discutir su valor es mucho más fácil en comparación con, digamos, un algoritmo creado en el backend que sugiere recomendaciones basadas en ciertos datos. Si bien son útiles, son más abstractos. Con Gen AI, todos pueden comprender fácilmente su practicidad.
Teniendo en cuenta casos de uso como resúmenes automáticos, conversiones de idiomas y análisis de sentimientos, la IA afecta nuestras vidas a diario. Sin embargo, no todas las tareas empresariales pueden preverse desde una perspectiva privada. Lo que resulta intrigante es la generación de nueva información, no sólo el procesamiento de datos y la obtención de un resultado. Este proceso de creación puede ser fascinante e incluso un poco desalentador. Pero si lo mantenemos dentro de los parámetros correctos dentro de nuestro software, no hay por qué temer.
La IA generativa explicada bajo la alfombra
Desde una perspectiva de proceso, tienes una solicitud o lo que llamamos un mensaje. En base a esto, el sistema genera resultados a partir de los datos existentes. No solo resume cortando, sino que crea información más clara y nítida. Los grandes modelos de lenguaje que utilizamos también pueden modificar las solicitudes, traduciendo o reformulando el mensaje en palabras que el sistema comprenda mejor. Esto da como resultado preguntas más precisas que ayudan al algoritmo a funcionar y generar resultados más precisos.
La IA generativa es muy eficaz para tareas como resumir artículos o limpiar transcripciones de podcasts. Simplifica muchos aspectos del trabajo diario. También encuentro fascinante su potencial para la traducción y la democratización de la comprensión del lenguaje. Es sorprendente que ahora podamos recrear automáticamente un podcast en un idioma en otro utilizando la voz del hablante original. Esto no sólo globaliza la información sino que también mejora la accesibilidad. Puede ayudar a refinar las preguntas basadas en la interacción del usuario y comprender diferentes dialectos o tipos de idiomas, lo que permite que más personas participen en este campo.
¿Cómo funcionan los modelos de IA generativa?
El primer paso implica recopilar un conjunto de datos amplio y diverso. Esto podría provenir de fuentes públicas o comerciales e incluso podría incluir experiencias de clientes o datos patentados. Los modelos se entrenan con estos datos, lo que les permite procesarlos y extraer nuevos conocimientos de ellos.
Por ejemplo, si le proporciona un texto, lo compara con otros datos similares, como estructuras de podcast. Al comparar y combinar estos diferentes modelos, puede crear contenido nuevo. En nuestro ejemplo, se podría crear un nuevo podcast a partir del contenido de su pregunta y las experiencias de otros podcasts. Las capacidades del sistema mejoran cuanta más información diversa recibe, ya que puede generar, comparar y crear el mejor resultado a partir de estos datos.
¿Por qué GenAI ahora?
Es fundamental que los datos introducidos en este modelo sean relevantes y buenos. ¿Por qué la IA generativa está ganando terreno ahora?
Se debe al impacto de la primera versión de ChatGPT, que generó fascinación por su aplicabilidad a gran escala más allá de los dominios científicos. Desde entonces, han surgido muchas tecnologías. SAP siempre ha sido una empresa que adopta y adapta la tecnología, pero siempre en el contexto de los procesos de negocio, ya que ese siempre es el propósito principal.
El objetivo es mejorar la accesibilidad a sistemas como el ERP. La transición de ordenadores de gran tamaño a otros más compactos, y ahora al cliente-servidor, ha incrementado notablemente esta accesibilidad. No es que SAP haya inventado todas estas tecnologías, pero se han integrado con éxito en los procesos comerciales. Si bien SAP ha demostrado el valor de estas tecnologías, ahora se está centrando en la implementación de grandes modelos de lenguaje y capacidades de IA generativa. Tienen casos de uso probados y ofrecen un valor real, por lo que es el momento adecuado para utilizarlos.
Sin embargo, la implementación debe considerar cuidadosamente los costos asociados. SAP necesita asegurarse de que los procesos que respaldan valgan la pena la inversión. También es fundamental comprender que no todas estas tecnologías funcionan igual ni ofrecen la misma calidad. Es por eso que SAP también está integrando grandes modelos de lenguaje y capacidades de IA generativa en su arquitectura técnica, SAP BTP.