Si quieres integrar la inteligencia artificial generativa (GenAI) en las operaciones de tu negocio, probablemente necesites replantear tu estrategia para implementar esta tecnología.
Tu modelo operativo de Tecnologías de la Información (TI) actual, con toda probabilidad, no está diseñado para aprovechar la velocidad y la escala que ofrece la IA. Un enfoque de AI Factory te permite empezar a usar un solo modelo de GenAI para múltiples funciones y tareas, con resultados que podrían ser inmediatos en aspectos como productividad, eficiencias, y nuevos modelos de negocio en el corto plazo.
En PwC tenemos experiencia en implementar GenAI a gran escala y gestionar sus riesgos. Esta tecnología aporta beneficios significativos a toda la organización y es más efectiva como capacidad transversal que como proyectos aislados.
Materializamos esta visión a través del AI Factory, a continuación, te compartimos los aspectos clave para establecer una propia:
1. No le des vueltas a la adopción de GenAI: arranca rápido y a escala
Hay una vía directa para obtener retorno de inversión rápido con GenAI y es el de aprovechar un único patrón replicable de entrenamiento e implementación a lo largo de toda tu cadena de valor.
Con la inteligencia artificial convencional, cada caso de uso exigía construir un modelo a la medida, pero con GenAI, un solo patrón de implementación puede ayudarte a producir o depurar código de software en múltiples funciones y líneas de negocio.
Los modelos de GenAI vienen pre-entrenados y solo requieren adaptación y personalización, lo que te permite hacer una prueba de concepto rápida o incluso ir directo a un piloto. No vas a implementar GenAI en todas las áreas al mismo tiempo. Vas a empezar con algunos casos de uso y aprender tanto de los aciertos como de los errores, pero con la preparación adecuada, puedes avanzar mucho más rápido que con la IA convencional. Un sprint de 90 días suele bastar para poner en marcha los primeros casos de uso y dejarlos listos para escalar.
Para trazar la hoja de ruta de implementación, podrías reunir a los líderes de tecnología y de negocio con el fin de identificar casos de uso, evaluar su valor y detectar patrones replicables que generen beneficios en otras áreas de la organización.
“Un caso de uso de valor moderado pero replicable suele generar mayor ROI que uno de alto valor aplicado una sola vez.”
También es clave identificar las brechas en datos, tecnología y talento, y determinar el costo y los plazos necesarios para cerrarlas. Entre las más comunes están:
- Conjuntos de datos insuficientes, mal organizados o de difícil acceso
- Necesidad de mayor capacidad de cómputo en la nube
- Capacidades de ingeniería en la nube y nuevas API
- Escasez de habilidades especializadas en ciencia de datos y de conocimiento amplio en prácticas de IA responsable
La hoja de ruta también debe incorporar un enfoque de confianza por diseño (trust-by-design), es decir, un plan para integrar la IA responsable desde el primer día en la tecnología y los procesos necesarios para validar resultados, monitorear el retorno de inversión y gestionar riesgos tanto en el corto como en el largo plazo.
2. Elige tu modelo y prepara tus datos
Diversas compañías tecnológicas incluidos los principales proveedores de plataformas en la nube como AWS y Microsoft ofrecen modelos fundacionales de IA generativa como algoritmos de aprendizaje profundo pre-entrenados con volúmenes masivos de datos públicos. Una vez seleccionado el modelo, se trabaja con el proveedor de nube para establecer una versión privada dentro del firewall de la organización.
Una versión privada del modelo fundacional permite incrementar el valor de la IA generativa al personalizarla con datos propios, definición de contexto, propiedad intelectual y experiencia en el sector e industria, manteniendo en todo momento los estándares de seguridad adecuados.
Puedes, por ejemplo, involucrar a tus especialistas más experimentados para que integren los datos y la propiedad intelectual de tu organización en el modelo de GenAI. El resultado: todos en tu equipo tendrán acceso a ese conocimiento experto, como si la inteligencia artificial les diera la orientación personalizada de un mentor.
Al momento de actualizar la infraestructura tecnológica interna y las capacidades en la nube, es fundamental prestar especial atención a los datos. Si bien la IA generativa puede interpretar datos no estructurados, es probable que aún sea necesario depurar y organizar al menos una parte de ellos, mitigando los riesgos de sesgo en los conjuntos de datos.
También será necesario crear pipelines de datos, complementados con nuevas API, para garantizar que la IA generativa tenga acceso continuo a la información más actualizada. Para salvaguardar los datos y la propiedad intelectual, también podría ser necesario fortalecer la gobernanza de datos y la ciberseguridad frente a los riesgos que esta tecnología puede representar.
3. Construyamos un AI Factory para obtener resultados rápidos y replicables
Para que la implementación y la ejecución sean rápidas y replicables, construye un AI Factory, es decir, un modelo operativo basado en pods que identifican y evalúan casos de uso en un dominio o línea de negocio específica, y después adaptan el modelo fundacional para generar valor. Cada pod tiene seis roles:
Es importante destacar que integrar el equipo de un AI Factory podría implicar la contratación de algunos especialistas y la capacitación de un número significativo de personas en roles de negocio y tecnología que ya existen en tu organización.
Sin embargo, la escalabilidad de la GenAI también puede ayudar a aliviar la carga sobre los equipos. Los especialistas técnicos, como los mecánicos de modelos y los científicos de datos, generalmente pueden participar en múltiples pods de manera simultánea.
Nuestra experiencia en PwC, tanto con clientes como interna, nos ha demostrado que apoyarse en toolkits prediseñados con código y prompts listos para implementar reduce tiempos y costos de GenAI en dos frentes. El primero, experiencias orientadas al cliente (p. ej., personalización, contenido, soporte). El segundo, operaciones internas (p. ej., desarrollo ágil de software, reporteo, recuperación de información e investigación).
4. Mantén tus modelos seguros y el ROI en crecimiento
Con la AI Factory en modo de producción, la atención se centra en la confianza y la evaluación continua del rendimiento, los riesgos y los resultados. Por ello, para abordar los riesgos más relevantes de la IA generativa, el marco de IA responsable de PwC cubre estrategia, controles, prácticas responsables y prácticas fundamentales.
Nuestro marco puede adaptarse específicamente para hacer frente a los mayores riesgos de la GenAI, incluyendo contenido sesgado, ofensivo o engañoso, nuevos desafíos en materia de interpretabilidad, amenazas emergentes de ciberseguridad y privacidad, y alucinaciones que pueden comprometer el rendimiento.
Pero la supervisión va mucho más allá de la gestión de riesgos, también permite seguir controlando los costos e incrementando el valor generado. Un marco de supervisión bien diseñado que incluya comparaciones con conjuntos de datos históricos y auditorías periódicas realizadas tanto por expertos del dominio como por científicos de datos permite monitorear de manera continua la efectividad, los costos, la alineación con los objetivos de negocio y el ROI general. A partir de ahí, se pueden realizar los ajustes necesarios, respaldados por datos verificables, para impulsar ese retorno de inversión de forma sostenida.
¿Qué puede hacer la GenAI por nosotros?
La GenAI ya está transformando los negocios. Descubre más sobre esta tecnología en rápida evolución y cómo podemos comenzar a implementarla de manera responsable.
Ponte en contacto
