A pesar del interés que están despertando, la Inteligencia Artificial y el Machine Learning presentan diferentes desafíos. Para hablar sobre esto, y dar respuesta al reto que supone la implementación de la IA y el ML, Byte TI organizó un webinar que contó con la participación de Matías Sosa, Product Marketing Manager de OVHcloud; José Ventura, Data&AI Sales Specialist de IBM; Rafael Valdés, Solution Advisory Manager Business Technology Platform de SAP; Carlos Polo, Director Line of Business Advanced Tech de Seidor y José González, Senior Manager Solution Engineering de Salesforce que analizaron dónde están los principales retos.
Desde la aparición de ChatGPT, la inteligencia artificial ha despertado un interés sin precedentes entre todas las organizaciones. A pesar de que su desarrollo está todavía en unas primeras etapas, gran parte de lo que actualmente se ofrece en el mercado son soluciones de Machine Learning. La combinación de ambas tecnologías ofrece a las empresas ventajas como la automatización de tareas, la optimización de procesos y la capacidad de tomar decisiones más rápidas y precisas. Pero no se puede negar que la inteligencia artificial se ha convertido en una herramienta esencial en el portfolio empresarial. En este contexto, las organizaciones están integrando cada vez más soluciones de IA para optimizar sus estrategias y mejorar la eficiencia operativa.
Un ejemplo de ello es OVHcloud. Matías Sosa, su Product Marketing Manager explica que desde la compañía están integrando la IA Generativa, “al ser una empresa cloud, ofrecemos un conjunto completo de soluciones de plataforma como servicio para las empresas. En lo que respecta a ventajas, trabajamos sobre todo con soluciones de open source para mejorar toda la parte de reversibilidad que los clientes puedan traer y llevar sus soluciones, sus modelos y ofreciendo, por supuesto, capacidades de cálculo importantes, que es justamente lo que hoy se está demandando en el apartado de IA”.
Gran parte de lo que actualmente se ofrece en el mercado de IA son soluciones de Machine Learning
Siguiendo este punto, José Ventura, Data&AI Sales Specialist de IBM incide en la empresa, “nosotros nos basamos en las necesidades de las organizaciones a la hora de utilizar esta tecnología. Tratamos de cubrir el end-to-end del ciclo de vida de la IA. Tenemos un modelo open source. Y es que, al final lo que buscamos es la posibilidad de elegir el mejor modelo en cada uno de los casos, pues, al final para cada caso de uso no hay un modelo bueno para todo. Hay que ir jugando con eso”.
Por su parte, Rafael Valdés, Solution Advisory Manager Business Technology Platform de SAP incide en que para la compañía esta tecnología no es algo nuevo, “desde hace casi 25, 30 años ya aplicábamos IA a nuestros procesos de negocio. Conocemos, casi mejor que nadie en el mercado: un software como el nuestro que es capaz o es líder en cubrir todos los procesos de negocio o áreas de negocio en una empresa, lo que SAP está centralizado es en ofrecer lo que nosotros llamamos nuestra pieza central de IA, que es Joule, que va a ser nuestro Copilot Cross a través de todas las soluciones”.
Mientras que Carlos Polo, Director Line of Business Advanced Tech de Seidor y José González, Senior Manager Solution Engineering de Salesforce, especifica que su apuesta por la IA va encaminada hacia el departamento de RR.HH, “hemos hecho un modelo de IA generativa para simplemente a través de un canal de Teams, poder resolver problemas online y descargar el trabajo administrativo, en este caso, al departamento de RR.HH. Además, hemos hecho 50 formaciones de tres horas, 50 workshops, con empresas IBEX 35 y cercanas. Porque una de las cosas que veíamos es que había unas expectativas muy reales de la IA”.
El customer experience
A través de tecnologías como chatbots, análisis de datos y recomendaciones automatizadas, las organizaciones pueden anticipar y satisfacer las necesidades de sus clientes de manera más precisa, como es el caso de Salesforce. González explica que la empresa busca acercar la IA a los usuarios de negocio para aumentar su productividad y eficiencia. “Esto se realiza en tres niveles: primero, mediante funcionalidades «out of the box» que los usuarios pueden activar directamente, como la asistencia en tiempo real a agentes de contact centers. En segundo lugar, proporcionando herramientas para que las empresas definan sus propios casos de uso de IA de manera segura. Finalmente, a través del CRM conversacional, que incluye un Copilot capaz de entender y ejecutar tareas en la plataforma de Salesforce”.
Pasa lo mismo con el retail, “en todos los sectores, estamos observando que las empresas necesitan ayuda para responder en tiempo real a los clientes. No es lo mismo preparar una campaña con tiempo que reaccionar rápidamente a las posibles consultas. La capacidad de reaccionar de manera rápida y eficiente mejora la experiencia del cliente, lo que a su vez aumenta la fidelidad a la marca y las ventas. Y sin duda, la IA juega un papel crucial en este sentido”, incide González.
En la aviación, o en los puestos de función pública, Polo explica que tener un call center que hable 256 idiomas sería insostenible en términos de costos. Sin embargo, una IA generativa que entienda idiomas no estándar, como el euskera o el chino, puede interceptar y traducir llamadas, ofreciendo respuestas en el idioma del cliente. También menciona cómo la IA puede ayudar en procesos burocráticos, como la revisión de 2000 candidaturas para una oferta pública de empleo. “En lugar de revisar manualmente cada expediente, una IA generativa puede filtrar los candidatos que no cumplen con los requisitos, facilitando el trabajo de los funcionarios y optimizando el proceso”, resume.
Desafíos en la implementación
Matías Sosa de OVHcloud y José Ventura de IBM analizaron en detalle los principales desafíos en la implementación de IA. Sosa destaca varios problemas críticos: “A veces muchas organizaciones, enfrentan diferentes desafíos relacionados a lo que es toda la parte de recopilación, limpieza, la organización de los datos y, por supuesto, todo lo que es la parte de privacidad y cumplimiento normativo. La seguridad en los modelos de IA y los datos ahora mismo es crucial y deben abordarse”.
José Ventura amplía que “productivizar la IA no es sencillo, o sea, es un reto y hay que ver cómo abordarlo”, comenta, señalando la complejidad de integrar IA en los sistemas existentes. Ventura resalta la herencia de la cultura DevOps en la gestión de flujos de trabajo de IA, ahora denominada MLOps o AIOps: “Es todas las operaciones necesarias para automatizar todos los flujos de inteligencia artificial para una vez más, que pueda ser productiva en la empresa”.
Desde una perspectiva diferente, Rafael Valdés se enfoca en la velocidad del cambio tecnológico y la necesidad de comprensión profunda por parte de los departamentos de TI. “Lo que nos encontramos es que, muchas veces esos departamentos se están encontrando con tecnologías que avanzan muy rápidos, que son muy dinámicas y que cambian cada día. Y es difícil que tengan la comprensión profunda realmente de lo que se puede, o no se puede hacer”, explica.
Proteger los datos y asegurar la integración
Sosa destaca la importancia del anonimato de los datos para proteger la privacidad: “En muchas ocasiones lo que se está haciendo es anonimizar los datos, incluso crear pseudónimos de los mismos para garantizar y proteger a las personas o empresas que hay detrás de esos datos”. Además, resalta el compromiso de OVH con el cumplimiento de regulaciones como GDPR y la necesidad de validar continuamente los datos y modelos para evitar sesgos y errores.
José Ventura, de IBM, enfatiza la importancia de la seguridad de los datos antes de cualquier análisis: “Los datos son el mayor valor que tiene una empresa, entonces, hay que asegurarse de que esos datos no se utilizan para entrenar otros modelos”. Ventura también menciona que la tecnología de IBM está diseñada para una integración fluida con otros sistemas, utilizando estándares abiertos como API-res.
Desde una perspectiva de apertura, Rafael Valdés comenta que, “nuestra IA generativa ofrece una arquitectura completamente abierta que puede integrarse con LLM de terceros o tecnologías de terceros”. Valdés asegura que el contexto de los datos no saldrá del negocio del cliente y que SAP cuenta con comités dedicados a revisar continuamente la seguridad y la ética de la IA.
Por su parte, Carlos Polo refuerza la importancia de utilizar datos no confidenciales y enmascarados para garantizar la seguridad. “El enmascaramiento de datos es importante porque hace que no se pueda ligar ese dato a una persona o a una entidad jurídica determinada”. Polo también destaca la disponibilidad de soluciones on-premises y de código abierto que permiten un mayor control sobre los datos.
Para concluir, José González subraya la filosofía de la empresa respecto a la confianza y la protección de datos. “Para nosotros, la confianza es el valor número uno de Salesforce desde que nació. Salesforce garantiza que los datos de los clientes no se utilizan para entrenar futuros modelos sin permiso y que cualquier dato sensible se enmascara antes de ser enviado a los LLMs con los que tienen acuerdos”.
