Desde el lanzamiento de GPT-4 de OpenAI el año pasado, la proliferación de herramientas de IA ha sido exponencial, y se prevé que la adopción de IA generativa aumente a 77,8 millones de usuarios dentro de los dos próximos años al lanzamiento de ChatGPT. Sin embargo, la tecnología no está exenta de riesgos, ya que empresas como Apple, Samsung o la BBC han prohibido su uso en sus organizaciones, citando problemas de privacidad y cumplimiento. Mientras tanto, los gobiernos están introduciendo legislación para regular su uso.
Todavía estamos en las primeras etapas para comprender el impacto total de la IA generativa. Un informe reciente de McKinsey estima que la IA generativa y otras tecnologías podrían automatizar suficientes actividades laborales para liberar entre el 60 y el 70% del tiempo de los empleados. Sin embargo, existen muchas preocupaciones legítimas en torno a la privacidad de los datos y las implicaciones éticas de la IA generativa, incluidos el sesgo y la equidad, los derechos de propiedad intelectual y el desplazamiento laboral.
En relación con estas preocupaciones, existe un debate en curso sobre si la IA generativa debería estar abiertamente disponible para los usuarios a través de herramientas de IA open source. Algunos expertos creen que es fundamental mejorar nuestra comprensión de la IA antes de hacer que el código fuente esté disponible públicamente.
Sin embargo, en este sentido el genio ya parece haber salido de la lámpara. El potente modelo de IA LLaMA2 de Meta, lanzado en julio, es open source. Para las empresas españolas, la IA de open source podría ser enormemente beneficiosa al permitir a los desarrolladores crear, experimentar y colaborar en modelos de IA generativa, evitando al mismo tiempo las típicas barreras financieras. Sin embargo, es vital que las organizaciones reconozcan los riesgos e implementen las medidas correctas desde el principio para utilizar la tecnología de manera responsable y evitar que datos críticos caigan en manos equivocadas.
El modelo de IA privada
Es comprensible que las organizaciones se muestren reacias a compartir sus datos con proveedores de IA en la nube pública que podrían utilizarlos para entrenar sus propios modelos. La IA privada ofrece una alternativa que permite a las empresas aprovechar los beneficios transformadores de la IA para la eficiencia de los procesos y, al mismo tiempo, mantener la propiedad de sus datos.
Con la IA privada, los usuarios pueden crear un modelo de IA específicamente para ofrecer los resultados que necesitan, entrenarse con los datos que tienen y ser capaces de realizar los comportamientos que desean, todo ello garantizando que sus datos nunca escapen de su control. Los usuarios obtienen modelos únicos y la garantía de que sus datos solo los benefician a ellos y a sus clientes, no a sus competidores ni a un proveedor de nube pública.
La privacidad de los datos es una razón fundamental para elegir la IA privada, especialmente para las empresas cuyos datos suponen una ventaja competitiva o son altamente confidenciales, como las organizaciones médicas, sanitarias, de servicios financieros, de seguros y del sector público. Los datos son uno de los activos más valiosos que puede tener una organización. Por lo tanto, es vital que permanezca seguro. Con la IA privada, las empresas pueden mantener los datos críticos seguros y protegidos contra la explotación por parte de competidores y ciberdelincuentes.
El control que se conserva con la IA privada es otra parte del atractivo. Las empresas y organizaciones que adoptan un enfoque privado de IA pueden adaptar y ajustar su modelo de IA a sus necesidades. Esto les permite generar información mucho más relevante y precisa con sus soluciones de inteligencia artificial. Por el contrario, el conjunto más amplio de fuentes de datos dispares utilizadas por los algoritmos públicos de IA puede generar resultados vagos, lo que genera ineficiencia y la necesidad de una mayor intervención humana para evitar la interpretación errónea de los datos.
Si bien la IA pública puede parecer inicialmente más rentable, los beneficios a largo plazo de la IA privada superan significativamente la inversión inicial.
Elegir una estrategia de adopción de IA
Hay dos enfoques para adoptar un modelo de IA privada: desarrollar y entrenar algoritmos de IA internamente o adoptar un enfoque basado en plataforma. Por ejemplo, la plataforma de Appian cuenta con capacidades privadas y generativas de IA que se pueden utilizar para entrenar rápidamente modelos con datos de negocio propios sin compartirlos con terceros, incluido el proveedor de la plataforma. Además, el enfoque basado en plataforma ofrece un conjunto de servicios que respaldan el ciclo de vida completo de la gestión de la IA: desde reunir datos de múltiples fuentes hasta entrenar algoritmos de IA, integrarlos en procesos y flujos de trabajo y escalar las aplicaciones de IA en toda la empresa. Esto tiene importantes ventajas para mejorar la eficiencia e impulsar la adopción de la IA.
Al decidir qué enfoque adoptar, la inversión siempre es una consideración. El desarrollo interno de modelos privados de IA suele implicar una mayor inversión que las opciones de plataforma o nube pública, ya que requiere que las empresas financien y creen un equipo de expertos, incluidos ingenieros y científicos de datos e ingenieros de software. Por otro lado, adoptar un enfoque de plataforma para la IA privada no requiere un equipo de expertos, lo que reduce significativamente la complejidad y el coste asociados con la implementación de la IA privada.
La velocidad de implementación es otra consideración. Existe la idea errónea de que entrenar modelos privados de IA requiere mucho tiempo, pero no siempre es así. Por ejemplo, las organizaciones que utilizan un enfoque basado en plataformas para la IA privada pueden entrenar un nuevo modelo de IA en tan solo unas pocas horas o días, lo que acelera significativamente la implementación de la IA privada. Por el contrario, entrenar completamente los modelos de IA internamente tiende a ser más lento, ya que normalmente requiere más tiempo y recursos humanos para recopilar y preparar datos e integrar información de múltiples fuentes para alimentar los algoritmos de IA.
IA open source VS IA cerrada
Otro factor importante a considerar al elegir una estrategia de IA es si se debe entrenar la IA utilizando una IA open source o un modelo de IA cerrado. Si bien la IA open source está previamente entrenada en enormes conjuntos de datos disponibles públicamente, los riesgos de seguridad y cumplimiento asociados con este enfoque son significativos. Para mitigar los riesgos, las organizaciones pueden adoptar un modelo híbrido de IA open source, donde sus datos se mantienen privados pero el código, los algoritmos de entrenamiento y la arquitectura del modelo de IA están disponibles públicamente.
Por otro lado, las organizaciones que los desarrollan mantienen privados los modelos cerrados de IA, incluidos los datos de entrenamiento, la base del código de IA y la arquitectura subyacente. Este enfoque proporciona control total sobre toda la infraestructura de IA y al mismo tiempo permite a las empresas utilizar su propiedad intelectual de IA como una ventaja competitiva.
Fomentar una cultura de adopción de la IA
La implementación de IA privada ayuda a fomentar una cultura de adopción de IA entre los empleados. Al saber que las herramientas de IA son seguras, confiables y están construidas utilizando datos internos seguros, es probable que los empleados estén más abiertos a adoptar la IA, lo que puede mejorar la eficiencia operativa y liberar su tiempo para tareas más creativas y estratégicas. Esta democratización de la IA permite a todos los empleados, no sólo a unos pocos selectos (quizás curiosos), acceder y beneficiarse de la misma fuente de información.
Los datos son uno de sus activos más valiosos. Y los modelos de IA generativa dependen inherentemente de los datos. Por lo tanto, quienes poseen sus datos son los que más tienen que ganar. Existe un inmenso potencial para que las organizaciones descubran conocimientos, optimicen operaciones y se mantengan por delante de sus competidores utilizando la IA. Sin embargo, no se debe pasar por alto la importancia de la privacidad de los datos, el control y el retorno de la inversión a largo plazo. La IA privada es una solución lógica y segura para organizaciones que buscan salvaguardar sus datos y obtener una ventaja competitiva en esta nueva era de la tecnología de inteligencia artificial.
Alejandro Rueda
Senior manager, Solution Consulting, Appian España