Por Insight UK / 8 Nov 2023 / Temas: Inteligencia Artificial (AI)
Hablo con innumerables líderes empresariales que están entusiasmados (pero también desconcertados) ante la promesa de tecnologías disruptivas como la IA. Recientemente, he visto cómo surgían grandes ideas durante conversaciones en las que hablábamos de dividir la adopción de la IA en dos campos principales: "hacer IA" y "usar IA".
Cada método responde a necesidades y recursos específicos. Y ambos ofrecen ventajas y casos de uso únicos. Echemos un vistazo a las diferencias fundamentales entre estos dos campos y exploremos cómo su organización puede aprovechar cualquiera de los dos enfoques en su beneficio
El enfoque de "hacer IA" implica un desarrollo más exhaustivo de un sistema de IA. Este método se centra en la creación de una infraestructura interna de IA, que se perfecciona y elabora meticulosamente para satisfacer las necesidades de toda la organización.
He aquí algunas características clave del enfoque "hacer IA":
Grandes conjuntos de datos bien elaborados: Para implantar con éxito la IA es necesario tener acceso a conjuntos de datos amplios y fiables. En el ámbito de "hacer IA", las organizaciones invierten esfuerzos significativos en recopilar, limpiar y conservar datos para entrenar eficazmente sus modelos de IA.
Equipo de expertos: El proceso de creación de modelos de IA desde cero exige un equipo que puede incluir científicos de datos altamente cualificados, arquitectos de datos, investigadores de posgrado y otros expertos en la materia. Su experiencia colectiva garantiza que el sistema de IA sea sólido y esté optimizado para el dominio en cuestión.
Recursos considerables: Implantar la IA desde cero exige muchos recursos. Las organizaciones necesitan inversiones financieras considerables para financiar la infraestructura, los recursos informáticos y el personal necesarios para el proyecto.
Mucho tiempo: La IA suele requerir una amplia experimentación, ajuste y optimización para alcanzar el nivel de rendimiento deseado. La convergencia con un modelo ideal se mide a menudo en meses, si no en años.
Por otro lado, el enfoque de "usar la IA" se centra en incorporar soluciones o servicios de IA preexistentes a un flujo de trabajo. Podría considerar a actores clave como Microsoft, Anthropic y OpenAI, aprovechando sus capacidades como una característica para impulsar la mejora dentro de su organización.
Dicho esto, no tiene por qué recurrir necesariamente a un proveedor que sólo se dedique a la IA generativa: puede tratarse de un proveedor de seguridad que haya integrado un modelo de IA en su solución. Hay varios productos que utilizan modelos de IA internamente para obtener mejores resultados en sus ofertas. Por ejemplo, existe toda una categoría de herramientas de AIOps que mejoran las operaciones utilizando tecnologías de IA para predecir fallos, correlacionar eventos e incluso optimizar el entorno.
La mentalidad de un enfoque de "usar IA" incluye lo siguiente:
IA como características: La integración de las capacidades de IA en los productos, soluciones y flujos de trabajo existentes le ayuda a añadir funcionalidades de IA sin problemas.
Modelos preentrenados: El bando de "usar IA" se beneficia de modelos de IA preentrenados que ya son capaces de realizar tareas específicas. Estos modelos pueden aprovecharse para la inferencia, la generación u otros fines pertinentes.
Ajuste fino para la personalización: Las organizaciones pueden modificar los modelos preentrenados según sea necesario con sus propios datos para adaptar el sistema de IA a sus necesidades específicas. Esto les permite lograr una mayor precisión y relevancia dentro de su dominio específico.
Es importante señalar que ambos enfoques pueden existir dentro de la misma organización. Pensemos, por ejemplo, en una empresa de petróleo y gas. Supongamos que la empresa está trabajando con sus extensos datos geosísmicos que ha recopilado mediante costosos procesos. En este caso, es probable que la empresa prefiera el enfoque de "hacer IA" para desarrollar su propio sistema de IA, asegurándose el control total de sus datos. Es la ventaja competitiva de la organización.
Dentro de esa misma empresa, puede que su rama de desarrollo tenga como objetivo mejorar la eficiencia de la codificación; en este caso, probablemente debería optar por el enfoque de "usar IA", aprovechando un servicio como Microsoft Copilot que integraría la IA para ayudar en el desarrollo del código. La organización podría mejorar sus capacidades de codificación sin tener que invertir en una amplia formación y creación de modelos de IA.
No hay vuelta de hoja: Racionalizar la adopción es una parte importante del éxito de su organización a la hora de adaptarse a las nuevas tecnologías. A un alto nivel, estos enfoques de "hacer y usar" la IA han sido una forma muy eficaz de racionalizar la adopción de la IA para los clientes de Insight.
Mientras piensa en todos los factores que pueden guiar su viaje – sensibilidad de los datos, experiencia, recursos disponibles y nivel de personalización deseado – recuerde que adoptar el enfoque adecuado puede cambiar las reglas del juego de su organización.
Para saber más sobre cómo la IA puede ayudar a su organización hoy y mañana, póngase en contacto con nosotros ahora
