Publicaciones

 

 

David López González, PhD, PMP, LSSYB

Gene AI Ambassador

Proyect Lead

CRG- Thermo Fisher Scientific

 

A la hora de considerar la incorporación de una herramienta de Inteligencia Artificial Generativa (en adelante IA generativa) en tu trabajo, o más correctamente expresado, en tu rutina laboral, puedes establecer una cadencia en base a las siguientes premisas. Esta cadencia deberá regularse en base a la disponibilidad futura de nuevas herramientas, lo que nos conmina a estar atentos a las novedades.  

 

En el caso de la IA generativa, vamos a hacer hincapié en varios puntos con respecto a la herramienta en sí misma. Primero su accesibilidad no está limitada por un extenso manual o un complicado lenguaje de programación, sino que se utiliza mediante el lenguaje natural humano. Segundo es que existe una variedad de IAs generativas, cada una con una finalidad y que trabaja mediante una especialización concreta. En tercer lugar, a pesar de la fama y de las promesas, se constata regularmente que aún tienen que mejorarse sus resultados, y por lo tanto se necesita la supervisión humana para validarlos.

Por ahora, el valor real de la IA generativa puede estar en su ayuda para acelerar ciertos procesos, mejorar la productividad y asumir tareas que consumen mucho tiempo, como la edición de vídeo y audio, el doblaje o la gestión de proyectos.

 

Elección de la IA generativa: 

La rutina laboral está compuesta por tareas que se podrían organizar en base a 3 niveles: las tareas básicas, monótonas o de preparación de otras tareas, las tareas en las que la IA generativa puede participar parcialmente y las tareas estratégicas de cada puesto. Estas tareas son las que determinan las herramientas, ya que por ahora no hay una solución que englobe a todas las actividades que realizan los individuos. 

Los resultados producidos por la inteligencia artificial generativa pueden variar desde texto coherente hasta vídeos, imágenes y música que parecen creadas por seres humanos. La principal ventaja de esta tecnología es su capacidad para generar contenido de forma rápida y en grandes cantidades. Los siguientes ejemplos de categorías de IAs generativas pueden darnos una idea de las diferentes posibilidades que ya existen: 

audio a audio

audio a texto 

imagen a texto

texto a 3D

texto a audio

texto a código

texto a imagen

texto a movimiento 

texto a NTF

texto a texto 

texto a vídeo

video a texto 

Ante esta situación, es necesario acudir a sitios web que recopilan y curan la información, como por ejemplo futurepedia.io.

 

Problemas de uso

La utilización de las IA generativas conlleva actualmente problemas de fiabilidad y de seguridad. Ya existen artículos colaborativos en LinkedIn que tratan en detalle sobre la confiabilidad de los modelos de IA. Para el usuario final, la fiabilidad se manifiesta como errores de consistencia o alucinaciones, y esto tiene importancia para el resultado de la tarea concreta a llevar a cabo. El gran problema actual, es el riesgo que existe con respecto a la protección de datos privados o confidenciales. Los datos que fueron utilizados para entrenar al algoritmo de las herramientas podrían estar protegidos por derechos de autor, y, en segundo lugar, los datos que nosotros mismos utilizamos con la herramienta podrían ser compartidos sin nuestro consentimiento. A este respecto, existen varias opciones para poder utilizar IA generativas: 

 - herramientas off-line, que trabajen de forma local en tu ordenador y que no requieran acceso a internet para llevar a cabo sus resultados. Unos de los ejemplos de estas herramientas es Jan AI, que permite utilizar diferentes modelos de lenguaje en la computadora o servidor local, manteniendo la privacidad. Otro ejemplo es GPT4All.

 

- herramientas que se utilicen información personalizada, propia y privada para generar las respuestas en base a librerías de datos que contengan vectores específicos (para generar las respuestas) sin que dicha información haya formado parte del entrenamiento del modelo.

 

Capacidad de comunicación

La comunicación se está convirtiendo en una habilidad técnica que se ha de aprender. Las IAs generativas son herramientas que no se usan mediante lenguajes de código, sino que están pensadas para ser utilizadas con el lenguaje natural humano. Para usarlas se precisa menos código y más conversación, pero esta conversación tiene que ser especial, tiene que tener unos matices muy concretos que sí han de aprenderse. Los usuarios de estas herramientas han de prepararse para comunicar eficazmente, es decir, aprender a explicar de manera clara lo que se necesita y por qué se necesita, de forma que los compañeros y las herramientas puedan colaborar para llevar a cabo las tareas con presteza.

Con el fin de llevar a cabo este tipo de comunicación, se utiliza un concepto similar al “comando” de los idiomas de codificación como VBA o Python. Un “prompt” es una instrucción, pregunta o un texto que se utiliza para interactuar con estas herramientas. Estos prompts se expresan como el lenguaje natural humano. La forma más certera de usar estos prompts es incluyendo toda la información que se necesite, repartida entre sus distintos componentes. Los componentes de un prompt son, en su modo más resumido, cuatro (instrucción, contexto, input y output) y mediante su uso preciso es como se consigue que la herramienta nos devuelva el resultado que esperamos. Los “token” son la unidad de medida de longitud de estos componentes, y es necesario considerarlos para construir una comunicación efectiva, ya que es importante expresarse de forma que la herramienta comprenda correctamente la instrucción. El PMI lanzó un curso de IA generativa para PMs en 2023, uno de cuyos capítulos se centró en la ingeniería de prompts.

 

En un nivel de automatización superior están los agentes de IA, que solemos conocer en forma de chatbots, como los Bot de chat de servicio al cliente o soporte técnico que se insertan en páginas web. Estos bots siguen siendo un modo de interactuar como una IA generativa mediante prompts, solo que en estos casos los bots tienen predefinidos y bien afinados algunos de los componentes del prompt, como pueden ser la persona de la IA, el formateado del output, etc.

 

En conclusión, no es sencillo incorporar la IA generativa a tu rutina laboral, y en este artículo se han desarrollado algunas consideraciones a tener en cuenta: elección de la herramienta respecto a la tarea a realizar, los problemas de uso y la habilidad blanda que ha de desarrollarse para obtener los resultados deseados. Es un camino intrincado, fascinante, pero, ojo que no somos los únicos que lo recorremos: en cualquier momento alguien puede haber desarrollado una herramienta que realiza la misma tarea en la que nosotros estamos trabajando.

Fuentes: 

1. María Fernanda Rocha Ángeles, 2024. 13 aplicaciones de IA generativa-
2. Futurepedia.io
3. Jan.ai
4. Albert Capdevila y Pablo Núñez Pölcher, 2023. IA Generativa con datos propios sin reentrenar | Innovando con AWS.
5. Charles Duhigg, 2024. Supercommunicators: How to unlock the secret language of connection. 
6. Alexander Aidun, 2024: Why Think About Tokens When Prompt Engineering
7. PMI, 2023. Generative AI Overview for Project Managers
8. Edrei Robles , 2024 ¿Qué son los agentes inteligentes y cómo se hacen?