Desde que surgiera la inteligencia artificial generativa, hemos pasado por diferentes fases, como ocurre cuando tratamos de asumir grandes cambios: expectativas, miedo, desilusión… Y es ahora cuando parece estamos poniendo el foco en la utilidad real de esta tecnología.

En sus últimas ponencias para el Observatorio BIDA y PlaNET25, Álvaro Barbero, Chief Data Scientist y director de inteligencia artificial en el IIC, ha intentado racionalizar la aplicación de la IA y ha puesto realidad a lo que se está haciendo en las organizaciones y a nivel usuario. En este post tratamos de recopilar estas ideas relacionadas con el uso de modelos más especializados y ad hoc a los casos de uso que se presenten.

Cómo se está aplicando la IA generativa

Hace poco más de dos años que el famoso ChatGPT llegó a nuestras vidas. Desde entonces, las organizaciones han probado esta y otras herramientas de IA generativa en sus tareas y procesos, a veces de una manera forzada y un tanto superficial.

Para Álvaro Barbero, es ahora cuando empezamos a ver aproximaciones más maduras para implantarla. “Todavía se están haciendo muchos experimentos, muchas pruebas de concepto, pero creo que ya hemos pasado la fase en la que se ha visto que en algunos casos de uso esto tiene sentido, y ya se están empezando a llevar estos sistemas a producción”, explica.

Esto supone que hablemos de sistemas de IA generativa más sólidos y confiables, más resilientes, integrándolos de una forma más profesional. En este aprendizaje, las organizaciones están viendo que una de las aplicaciones más útiles son los sistemas de RAG y que no hay que utilizar la IA generativa porque sí. Como veremos, la IA no generativa sigue teniendo su lugar.

IA generativa como asistente: sistemas de RAG

Una de las aplicaciones de IA generativa más demandadas en el ámbito empresarial es el uso de los sistemas de RAG (Retrieval Augmented Generation). Estos sistemas han cobrado gran relevancia por su capacidad para realizar búsquedas avanzadas en formato conversacional, ofreciendo soluciones personalizadas para acceder y aprovechar los repositorios y, en general, el conocimiento acumulado en las organizaciones. “Al final, lo que se está viendo es que la IA generativa no suele ser una solución directa a un problema, sino que funciona muy bien como asistente a una persona que está trabajando en ese problema”, destaca Álvaro Barbero.

Además de aportar a la eficiencia, los sistemas de RAG pueden presentar ventajas en términos de seguridad y privacidad. En el IIC apostamos por desplegar este tipo de soluciones 100% en local, para que los datos se mantengan dentro del entorno empresarial y que se procesen de manera controlada.

IA generativa especializada y en local

La IA generativa es solo un tipo de inteligencia artificial, no una solución universal. Por ello, aunque ofrecen grandes ventajas en muchos casos, los modelos de lenguaje generalistas no son siempre la opción más adecuada según las necesidades de las organizaciones.

En muchos escenarios, alternativas más pequeñas y especializadas pueden atender mejor a los requisitos de cada caso de uso, que hay que evaluar individualmente.

• Modelos especializados. Un modelo más pequeño y no necesariamente generativo puede ser la opción más eficiente en tareas concretas como clasificar documentos o extraer información y detectar entidades en los mismos. Se generan resultados más rápidos, precisos y con menos recursos.

• Modelos de código abierto. El uso de modelos open source está ganando terreno cuando las empresas buscan flexibilidad y seguridad. Son suficientes para tareas específicas y pueden ser desplegados dentro de la infraestructura de la organización, lo que protege los datos y su privacidad.

Además, en algunos casos de uso, la IA generativa es complementaria de la IA más tradicional. Desde el IIC, creemos que es importante considerar cuál tiene más sentido aplicar y utilizarla siempre con cierto criterio profesional.

Claves para usar la IA generativa

Mientras la inteligencia artificial generativa se integra de una manera más específica en las organizaciones, dentro y fuera seguimos utilizando sus aplicaciones como usuarios. En este sentido, ya es sabido que existen riesgos como el de la desinformación, al basarse muchas veces en datos incompletos, sesgados o desactualizados, como apuntaba en una entrevista para la OCU Pablo Haya, director del área de Business & Language Analytics en el IIC.

En esta entrevista, daba una serie de recomendaciones prácticas para aprovechar los beneficios de esta tecnología de una forma más segura:

• Entrenar nuestro pensamiento crítico. Frente a la confianza que muestra siempre la IA generativa, es importante contrastar y verificar la información que proporciona con fuentes reconocidas.
• Informarse sobre las políticas de privacidad de las aplicaciones de IA para entender cómo manejan los datos que les damos y ajustar su configuración para limitar la recopilación.
• Optar por herramientas éticas y sostenibles que prioricen la transparencia, por ejemplo, en la generación de contenido, con etiquetas que indiquen si fue creado por IA y en qué datos y fuentes se basa.

Actualmente, los sistemas de IA están en proceso de complementarse con la supervisión humana y estándares éticos claros. Mientras esto evoluciona, como apunta Pablo Haya, “los consumidores tienen el poder de reducir su vulnerabilidad informándose, siendo críticos y selectivos con las fuentes que eligen”.