La exagerada publicidad que rodea a la IA generativa en los últimos meses ha venido acompañada de una angustia igualmente intensa por los supuestos peligros, basta con mirar la carta abierta que pide una pausa en los experimentos de IA. Este tumulto corre el riesgo de cegarnos ante riesgos más inmediatos, como la sostenibilidad y el sesgo, y nubla nuestra capacidad para apreciar el verdadero valor de estos sistemas: no como chatbots generalistas, sino como una clase de herramientas que pueden aplicarse a dominios especializados y ofrecer formas novedosas de encontrar y explorar información altamente específica.
Esto no debería ser una sorpresa. La noticia de que varias empresas han desarrollado complementos para ChatGPT es una clara demostración de la dirección probable que tomará. No le pedirás a un chatbot "generalizado" que haga todo por ti, pero si, por ejemplo, eres Expedia, poder ofrecer a los clientes una forma sencilla de organizar sus planes de viaje sin duda te dará una ventaja en un mercado donde el descubrimiento de información es tan importante.
Si esto realmente se traduce en un "momento iPhone" o una amenaza seria para la búsqueda de Google no está claro en este momento; aunque probablemente cambiará los comportamientos y expectativas de los usuarios, en primera instancia serán las organizaciones las que impulsarán la adopción de herramientas entrenadas en modelos grandes de lenguaje (MLG) para aprender de sus propios datos y servicios.
Y esto, en última instancia, es clave: la importancia y el valor de la IA generativa hoy en día no es realmente una cuestión de transformación societal o a nivel de la industria, sino más bien una cuestión de cómo puede abrir nuevas formas de interactuar con grandes cantidades de datos e información complicada.
OpenAI está claramente atento a este hecho y percibe una oportunidad comercial: aunque la lista de organizaciones que participan en la iniciativa de complementos para ChatGPT es pequeña, OpenAI ha abierto una lista de espera donde las empresas pueden inscribirse para obtener acceso a los complementos. En los próximos meses, sin duda veremos muchos nuevos productos e interfaces respaldados por los sistemas de IA generativa de OpenAI.
Si bien es fácil caer en la trampa de ver a OpenAI como el único custodio de esta tecnología, y a ChatGPT como la herramienta de IA generativa por excelencia, afortunadamente esto está lejos de ser cierto. No necesitas inscribirte en una lista de espera ni tener grandes cantidades de dinero disponibles para entregar a Sam Altman; en cambio, es posible alojar los MLG por ti mismo.
Esto es algo que estamos empezando a ver en Thoughtworks. En el último volumen del Radar Tecnológico, que describimos como una guía con opiniones sobre las técnicas, plataformas, lenguajes y herramientas que se utilizan en la industria en la actualidad, hemos identificado una serie de herramientas y prácticas interrelacionadas que indican que el futuro de la IA generativa es especializado y especializado, contrario a lo que se podría creer según la conversación generalizada.
Desafortunadamente, creemos que esto no es algo que muchos líderes empresariales y tecnológicos hayan reconocido aún. La atención de la industria se ha centrado en OpenAI, lo que significa que el ecosistema emergente de herramientas más allá, ejemplificado por proyectos como GPT-J y GPT Neo, y el enfoque más "hazlo tú mismo" que pueden facilitar, han sido en cierta medida descuidados hasta ahora. Esto es una lástima porque hay muchos beneficios aquí. Por ejemplo, se evitan los problemas de privacidad muy reales que pueden surgir al conectar datos con un producto de OpenAI. En otras palabras, si quieres implementar un MLG en tus propios datos empresariales, puedes hacerlo tú mismo; no necesitas recurrir a otro lugar. Este beneficio no puede ser exagerado. Dadas las preocupaciones tanto de la industria como del público en cuanto a la privacidad y la gestión de datos, es sensato ser cauteloso en lugar de dejarse seducir por los esfuerzos de marketing de las grandes empresas de tecnología.
Una tendencia relacionada que hemos observado son los modelos de lenguaje específicos de dominio. Aunque esto también está empezando a emerger, ajustar los MLG de propósito general disponibles públicamente a tus propios datos podría sentar las bases para desarrollar herramientas de recuperación de información increíblemente útiles. Por ejemplo, se podría utilizar en información de productos, contenido o documentación interna. En los próximos meses, creemos que veremos más ejemplos de su uso para ayudar al personal de atención al cliente o permitir que los creadores de contenido experimenten de manera más libre y productiva.
Si la IA generativa se vuelve más específica para cada dominio, la pregunta sobre lo que esto significa realmente para los seres humanos sigue en pie. Sin embargo, sugeriría que esta visión del futuro a medio plazo de la IA es mucho menos amenazante y aterradora que muchas de las visiones catastrofistas actuales. Al establecer una mejor conexión entre la IA generativa y conjuntos de datos más específicos y especializados, con el tiempo las personas deberían desarrollar una relación sutilmente diferente con ella. Perderá su misticismo como algo que supuestamente lo sabe todo y en su lugar estará integrada en nuestro contexto.
De hecho, esto no es tan novedoso. GitHub Copilot es un gran ejemplo de cómo los desarrolladores de software utilizan la IA en contextos muy específicos para resolver problemas. Aunque se le presenta como "tu compañero de programación de IA", no diríamos que lo que hace es "trabajar en pareja", es mucho mejor describirlo como un Stack Overflow supercargado y sensible al contexto.
Por ejemplo, una de mis colegas usa Copilot no para hacer el trabajo, sino como una forma de apoyarlo mientras explora un nuevo lenguaje de programación; le ayuda a comprender la sintaxis o estructura de un lenguaje de una manera que tenga sentido en el contexto de sus conocimientos y experiencia previa.
Sabremos que la IA generativa está teniendo éxito cuando dejemos de notarla y las declaraciones sobre lo que podría hacer disminuyan. De hecho, deberíamos estar dispuestos a aceptar que su éxito podría verse bastante prosaico. Esto no debería importar, por supuesto; una vez que nos demos cuenta de que no lo sabe todo, y nunca lo sabrá, ahí es cuando comenzará a ser realmente útil.
Aviso legal: Las declaraciones y opiniones expresadas en este artículo son las del autor/a o autores y no reflejan necesariamente las posiciones de Thoughtworks.