La clave del éxito del GenAI
A diferencia de otras tecnologías, la IA Generativa no ha nacido como un framework o algoritmo, sino que ha nacido apoyada en un producto gratuito y diseñado para el público general: ChatGPT. Esto ha hecho que sea mucho más accesible para el público general, mucho más tangible, mucho más democratizada, que no haya fricciones a la hora de que un usuario no-técnico pueda usarla…
Es precisamente esto lo que ha propiciado la rápida adopción que está teniendo dentro de las empresas. Porque su iniciativa no hace que un técnico se lo explique al CEO / CIO, sino que es él el que lo ha tocado, ve todo el potencial que tiene y quiere incluirlo en el día a día de la compañía para cualquier tarea (escribir correos electrónicos, código, buscar información…
¿Existen barreras en la IA Generativa?
Sin embargo, aunque la curva de adopción tecnológica y organizativa no sean tan fuertes como otras tecnologías, la realidad es que las empresas se están encontrando otros problemas cuando empiezan a desarrollar casos de uso de IA Generativa que hacen que las iniciativas nazcan, pero que no tengan tracción.
Estos problemas suelen ser consecuencia de una falta de alineamiento entre expectativa vs realidad que hacen que el usuario final no tenga del todo claro cómo usar la IA ni cómo le puede ayudar. Precisamente por ello, nosotros vemos que es común que surjan algunos fenómenos recurrentes en los usuarios a la hora de usarla
“¿Y qué le pregunto?”
El primer día que le enseñé ChatGPT a mi padre le dije “puedes preguntarle lo que quieras” y él me respondió, “ya, pero qué le puedo preguntar?” Y le dije “lo que quieras”, y de nuevo “¿Pero qué es ‘lo que quiera’?” Y hasta que no le puse un ejemplo no pudo empezar a usarlo.
Los interfaces no solo nos ayudan a tener la tecnología más accesible, sino que también no limitan a un marco de uso de la tecnología. Cuando tenemos enfrente de nosotros un formulario, ya sabemos que tenemos que seleccionar opciones, cuando tenemos un índice sabemos que tenemos que explorar en un árbol de secciones…Un interfaz de cuadro de texto, sin más contexto, te da tantas opciones que realmente no te da ninguna.
“No me dice que no lo sabe”
El mismo hecho de que la IA generativa es un sistema diseñado para ser capaz de darte respuesta a cualquier pregunta hace que el problema también sea ese, que siempre te da respuesta. Es muy distinto que te responda a que esa sea la respuesta
¿Qué pasa cuando le preguntas algo que no tiene respuesta? Seguramente te responda aunque no la tenga ¿Qué pasa si le preguntas algo que no sabe? Seguramente te responda, en vez de decirte que no lo sabe.
“Me responde bien, pero no me sirve”
Es muy común que cuando le preguntes algo, sea lo que sea, te da una respuesta que es correcta. Esto genera la sensación de que funciona para cualquier cosa; sin embargo, te das cuenta de que no te sirve.
Ese email que le has pedido que redacte por ti no puedes “copiar y pegarlo” directamente. Este código que le has pedido que te genere no lo puedes añadir directamente a tu proyecto porque usa otras dependencias distintas, porque sigue otro estilo de programación. Ese resumen que le pedías es más extenso/corto de lo que querías…
Si intentamos analizar las causas que nos lleven a los efectos que comentábamos anteriormente, nos damos cuenta de que realmente no es la IA Generativa, es el interfaz. Más concretamente es el hecho de que estamos queriendo usar un “interfaz conversacional” para casos de uso que no son conversaciones (generación automática de código, buscador de información, imitación de estilo de escritura…)
El reto frente a la IA
En CONVOTIS Iberia llamamos “el problema de la última milla” a un problema que vemos frecuentemente en tecnología, crear soluciones que se despliegan, pero que realmente no resuelven el problema para el que fueron creadas ni son capaces de integrarse en procesos de negocio y mueren nada más nacer.
Justamente esto es lo que vemos que está pasando a muchas empresas que intentan construir estrategias de IA Generativa que se apoya en la tecnología (procesos de fine-tunining, etiquetado y versionado de datos, versionado de prompts, catálogo de modelos,…) y empiezan a crear casos de uso de PoCs que no llegan a activarse y sobre todo que no son usables para el usuario / problema que intentan resolver
A diferencia de los modelos tradicionales de IA, la carrera por la adopción de IA generativa, no es una carrera por conseguir el mejor modelo, ese modelo ya lo tenemos todos, es GPT. En este caso, la carrera consiste en quién consigue diseñar herramientas basadas en IA Generativa apoyadas en el propósito de negocio (“para qué van a servir”, “qué le van a preguntar”, “qué tiene que saber responder”, “cómo tiene que responderlo”,…) donde cuestiones como “¿y qué le pregunto?”, “no me dice que no lo sabe” o “me responde bien, pero no me sirve”, no tengan cabida.