En el marco del Techtegia Latam Summit Data Explote 2024, que tuvo lugar el 11 de julio de 2024 en Ciudad de México, y que congregó a más de 30 sponsors y speakers, conferencias, casos de éxito y paneles especializados con las últimas tendencias que están moviendo el mercado B2B (Cloud, Inteligencia Artificial, SaaS, Innovación, 5G,
Destacó que una de las manifestaciones más importantes de la inteligencia artificial generativa y que, de manera exponencial y acelerada se ha manifestado, es el uso masificado del ChatGPT. Indicó que algunos analistas pronostican que para el 2030 sea totalmente embebido, así como lo es hoy el internet, en todo tipo de aplicaciones, tanto de negocios como empresariales.
Jiménez comenzó con una pregunta que hizo al ChatGPT y que dio pie a su conferencia: Si tuviera que decirlo en una palabra, ¿cuál es el factor más importante que previene el colapso del sistema financiero? Esto en el marco de la realidad actual, donde las transacciones son meramente digitales y en donde los sistemas contienen todo lo que tiene que ver con el comportamiento del sistema financiero global.
La respuesta que dio el ChatGPT a esta interrogante fue la palabra «confianza»: «Todos participamos del sistema financiero haciendo inversiones, solicitando créditos y, con base en ello, es que precisamente se mantiene operando. Si todos quisiéramos retirar nuestras inversiones al mismo tiempo en todo el mundo no sería posible».
Jiménez consideró que así como esa palabra funciona para el tema financiero también aplica para el capital humano y el capital de datos. En lo que respecta al primer punto, se espera que un empleado se desempeñe de acuerdo a sus capacidades profesionales, dé los resultados esperados y que proteja la propiedad privada de la organización. Para los datos no debería ser distinto y para que su valor se manifieste en las organizaciones «deben ser datos confiables, y para ello, hay una serie de tareas que hay que llevar a cabo previamente».
La promesa de valor de la IA generativa
El expositor consideró que la gran promesa de valor de la IA generativa en la actualidad es su extensa cobertura, ya que eventualmente estará en todos los sistemas con los que interactuamos.
«Alrededor de 85% o 90% de la información que se generará para el 2030 se generará por inteligencia artificial. Y para que esa promesa de valor se materialice es justamente importante ser muy cuidadosos en muchos aspectos», remarcó.
Entre los puntos críticos en esta materia señaló:
- Pocos datos: generadores de contenido cada vez son más restringidos en la generación de información a nivel público para evitar que a través de IA se haga un uso demasiado extensivo de esos contenidos que están bajo propiedad intelectual.
- Exceso de datos: esto incluye la recreación de datos sintéticos a través de la inteligencia artificial. Circula mucha información pública o contenido del cual no tenemos control y certeza.
- Alto nivel de cómputo que se requiere para poder mantener la capacidad requerida de la IA para seguirse comportando como se comporta
- Panorama regulador: la IA está enfrentando diversas restricciones, por ejemplo, el gobierno italiano impuso un bloqueo al uso del ChatGPT, el presidente de EEUU liberó acciones para regular el uso de la información personal en la IA, y la Unión Europea está desarrollando gradualmente el control del manejo de la información de la IA.
- Dependencia humana: el nivel de respuesta y sensibilidad sigue siendo altamente dependiente del factor humano
- Inadecuada adopción a nivel corporativo: lo que puede traer un resultado adverso. en las organizaciones.
¿Quiénes están siguiendo el camino de la IA generativa?
De acuerdo con Arturo Jiménez, enterprise sales manager de Qlik, 98% de los ejecutivos tomadores de decisiones coinciden en que los modelos de base de la IA desempeñarán un papel importante en las estrategias de sus organizaciones en los próximos tres a cinco años, de acuerdo con una encuesta aplicada a las 2 000 empresas públicas más grandes en el ámbito mundial. Solo 39% de ellos está siguiendo una estrategia formal para salir adelante con temas de IA, según admitieron.
«Más allá de la IA, los cimientos son los datos. Típicamente, hablábamos de big data, de LLM (large lenguaje models) como ingesta de altos volúmenes de datos (…) Pero realmente factores claves son la validez y el valor, es adonde debemos voltear. Debo asegurarme que los datos son válidos para mi organización, que son confiables, sé sus orígenes y qué tratamiento han tenido (…) El verdadero valor está en que realmente la toma de decisiones que yo haga a través de IA generativa, alimentada con datos de valor, me traiga un retorno: una mejor ejecución, un mayor margen, un mayor de nivel de ventas, más crecimiento respecto a mi competencia «, abundó el enterprise sales manager de Qlik, líder en el camino hacia la empresa impulsada por IA, con potentes capacidades de integración de datos, calidad y análisis y que permite a las organizaciones obtener más provecho de sus datos para mejores resultados comerciales.
El experto agregó que, en términos de análisis de información, hay que enfatizar en la necesidad del aumento del DSML (data science mahcine learning). Eso se traduce en empezar a tener una convergencia entre roles en la organización para, potencialmente, tener la capacidad de automatizar y tomar acciones sobre los resultados que proporcione la IA generativa.
Tendencia en datos y BI para 2024
Para el enterprise sales manager de Qlik, estas son las tendencias en análisis y datos que se plantean en el presente y futuro inmediato.
- La IA híbrida cierra la brecha de la madurez: el concepto implica responder a la disyuntiva de si madurará por fin la IA tradicional -que tiene alrededor de 40 años gestándose en análisis de datos- o si será superada por la generativa.
- La IA generativa, un análisis más profundo: mejorar la experiencia del consumidor de datos será el norte y debe mantenerse de manera transparente. La IA generativa puede jugar un rol muy importante en todo lo que se puede concretar en un tablero automatizado.
- La era de los datos no estructurales es ahora: la IA generativa puede ser la clave para el análisis de datos no estructurados. El porcentaje de este tipo de datos en una organización es de 80% según los analistas. El poder hacer de esos elementos digitales que son ininteligibles algo potencialmente utilizable es clave en materia de analítica.
- Del BI a la IA y viceversa, el análisis empresarial está cambiando: la inteligencia artificial generativa puede servir para mejorar el análisis empresarial, la inteligencia de negocios y facilitar la toma de decisiones.
- El origen de los datos importa: es esencial entender el ADN de los datos, pues si no sabemos de dónde provienen, no se puede confiar en ellos. Hay que desarrollar la capacidad de linaje y de trazabilidad de la información.
- El aumento de desarrolladores nativos exige alfabetización en IA: acá se habla del desafío que implica poner en manos de desarrolladores un gran poder. El experto recomienda que no se restrinja, pero que se haga de manera articulada y se facilite el acceso a la creación de aplicaciones para tener un modelo consistente en cada organización.
- La ingeniería de datos, la analítica y la ciencia de datos se fusionan: el término convergencia juega un papel relevante en este punto. Se crearán puentes entre los roles como los conocemos hoy, en donde ingenieros de datos y analistas de datos tendrán un alcance similar en los roles. Los roles se van extendiendo y las plataformas cada vez se integran más.
- Automatización e IA crean un círculo virtuoso: para la automatización es crucial mantener en esta misma secuencia el entendimiento de la información, insights y hallazgos, decisiones y acciones. Esto se traduce en datos confiables, análisis robustos y decisiones que se tornan en acciones efectivas y validadas.
- La personalización de la IA en el último paso se convierte en factor crítico para las empresas: la economía de los datos o cómo desarrollar herramientas GenAI específicas para las necesidades empresariales será un importante reto en cada organización.
- Los datos como un producto comercializable: se tiene que tener la certeza de resguardar los datos y emplearlos para la validez y valor dentro de la empresa, pero también ir generando esos activos que sean capaces de monetizarse hacia el exterior.
En conclusión, a través de la IA híbrida se van a generar volumen no de datos, sino de decisiones y modelos. A través de la velocidad se podrá tener datos estructurados y no estructurados como un insumo fundamental para la toma de decisiones. Y a través del linaje y la confiabilidad de la información vamos a tener variedad y validez. Como consecuencia natural, vendrá el valor.
«Hay que cruzar la ruta del abismo y pasar de tener muchos datos a tener mejores datos para poder tomar mejores decisiones con elementos claves como la IA», finalizó expresando Jiménez.
Para más información de Qlik, visite sus perfiles oficiales
