La IA generativa se ha convertido en la tendencia de moda en el mundo de la tecnología. El impacto ha sido de tal magnitud, que los departamentos de TI de las organizaciones se han visto obligados a desarrollar o contratar soluciones, aplicaciones o servicios a instancias del comité de dirección, que ha visto en la IA una oportunidad para incrementar la productividad y reducir los costes.
Poco a poco la IA generativa está incorporándose al día a día de una amplia variedad de empresas de todo tipo de sectores. Fundamentalmente se está empleando para el desarrollo de aplicaciones de atención al cliente, pero también en otros departamentos como el de recursos humanos o el de marketing o en sectores como el industrial, para la optimización de procesos o el sanitario, para la generación de imágenes médicas o la creación de modelos complejos de enfermedades.
Implementando la IA generativa
El problema más general surge en el momento de implementar la IA generativa. Es un error habitual no diseñar una estrategia que analice para qué se quiere emplear, en qué casos de uso puede beneficiar a una organización y cuál es la plataforma o el modelo de desarrollo más conveniente. No realizar ese análisis previo, va a suponer que el proyecto o bien no salga adelante, o bien tenga déficits que hagan que no se cumpla el objetivo para el que estaba diseñado.
Además de ello, las empresas suelen encontrarse con diferentes dificultades en el momento en el que se pasa de una prueba de concepto o piloto a un entorno productivo. La escalabilidad o la dificultad de integrar la Inteligencia Artificial con otras aplicaciones existente suelen ser algunas de ellas, pero los más importantes tienen que ver con un incremento de los costes, principalmente en aquellos casos en los que intervienen los «pagos por uso», puesto que es difícil estimar cuánto uso se va a tener.
Es fundamental determinar quién posee los datos utilizados para entrenar modelos de IA generativa
Además, el otro aspecto que se suele pasar por alto, es el de la propiedad de los datos. En este sentido, es fundamental determinar quién posee los datos utilizados para entrenar modelos de IA generativa y quién tiene derecho a utilizar los modelos resultantes, sobre todo cuando se están empleando para “alimentar” a la IA datos de terceros o que contienen información confidencial o sensible.
En realidad, todos ellos, son errores que se producen porque la IA generativa no está plenamente desarrollada a día de hoy. Se trata de una tecnología emergente. Como afirma Sergio Rodríguez de Guzmán, CTO de PUE, “a día de hoy, la IA generativa sigue siendo experimental, y por lo tanto es complicado tratarla como un proyecto de datos tradicional. Requiere de una fase importante de investigación y desarrollo, así como de metodologías iterativas de ensayo/error. También es importante tener unas expectativas adecuadas. La IA Generativa no resuelve todos los casos de uso, pero ayuda en la gran mayoría de ellos. Y seguirán apareciendo posibilidades que aún ni imaginamos”.
La apuesta por el Open Source
Al tratarse de una tecnología que se encuentra en desarrollo, las empresas tienden a apostar por soluciones de IA generativa comerciales, desechando otras propuestas que pueden solventar mejor las problemáticas que se quieren resolver. En este caso, la apuesta por el Open Source en el desarrollo de proyectos de IA generativa, puede emerger como una solución más apropiada para determinados casos de uso. Y es que, aunque las alternativas comerciales pueden ofrecer ventajas, como un soporte técnico dedicado o determinadas funcionalidades, la IA generativa basada en código abierto presenta una serie de beneficios distintivos. La principal de ellas es la que tiene que ver con los costes. Las soluciones de IA generativa de código abierto suelen tener un importe significativamente menor que las soluciones propietarias, lo que puede representar un ahorro considerable para las empresas, algo a tener en cuenta, sobre todos para aquellas organizaciones que cuentan con presupuestos más limitados. “Apostar por un modelo Open Source nos permite tener una «tarifa plana» de uso de los modelos así como experimentar todo lo que sea necesario con un coste siempre contenido”, afirma Rodríguez de Guzmán. Al final, y como señala el directivo, “hay que tener en cuenta que en los modelos open source, tan sólo tendremos el coste del hardware necesario para ejecutar nuestro modelo, ya sea onprem o en cloud».
El CTO de PUE, señala que “este tipo de IA generativa basada en Open Source permite otorgar también la posibilidad de elegir diferentes modelos especializados en diferentes tareas. Los modelos comerciales están más orientados al propósito general, mientras que aquellos basados en código abierto permiten una mayor especialización”. Esto es posible porque en este caso, las empresas siempre podrán acceder al código fuente y realizar modificaciones según sus necesidades específicas, de tal forma que puedan adaptar la tecnología a sus procesos comerciales y a sus objetivos.
Finalmente, otra de las ventajas más importantes radica en la protección y el control de los datos. Las soluciones de IA generativa basadas en Open Source permiten que las empresas puedan tener un mayor control sobre sus datos. De esta forma, los departamentos de TI pueden decidir dónde se almacenan los datos, quién tiene acceso a ellos y cómo se utilizan para entrenar los modelos, lo que permite mitigar el riesgo de fuga de datos o que se produzca un uso indebido de la información sensible. “Trabajar con modelos Open Source permite que las empresas garanticen la soberanía y protección de los datos con los que trabajan”, afirma Rodríguez de Guzmán.
Puedes conocer más sobre IA generativa y todas las ventajas que le proporciona el Open Source, inscribiéndote AQUÍ en el DATA & AI Connect Summer Camp.
