Evite la confusión sobre GenAI: ocho lecturas definitivas

A medida que la IA generativa se vuelve más capaz, se vuelve potencialmente más valioso tanto para las organizaciones como para cada uno de nosotros individualmente.

A pesar de su ubicuidad, la IA generativa es todavía joven.

MIT Sloan Management Review Los autores de este tema, incluidos académicos, investigadores y profesionales, informan desde el frente sobre las mejores preguntas sobre GenAI y cómo pensar en responderlas.

Tomemos como ejemplo a nuestra columnista Rama Ramakrishnan, profesora de práctica en la MIT Sloan School of Management.

"Si bien indicaciones cuidadosas y técnicas como RAG [generación aumentada de recuperación] pueden alentar a un modelo de inteligencia artificial a priorizar un conjunto de documentos proporcionados, no se puede obligar a los LLM estándar a usar solo ese contenido", explica Ramakrishnan.

Pregunta sencilla;

---

1. Cómo funcionan los LLM: 10 preguntas principales a nivel ejecutivo

Rama Ramakrishnan

“En mi trabajo en MIT Sloan School of Management, he enseñado los conceptos básicos de cómo funcionan los modelos de lenguaje grande (LLM) a muchos ejecutivos durante los últimos dos años.

“Algunas personas plantean que los líderes empresariales no quieren ni necesitan saber cómo funcionan los LLM y las herramientas de IA generativa que impulsan, y solo están interesados ​​en el resultados las herramientas pueden ofrecer.

“En esta columna, comparto preguntas sobre 10 temas que a menudo se malinterpretan y que a menudo me preguntan, junto con sus respuestas...

"[Por ejemplo,] ¿cuándo decide el LLM darle al usuario la respuesta final a una pregunta? La decisión de dejar de generar está determinada por una combinación de lo que predice el LLM y las reglas establecidas por el sistema de software que lo ejecuta. No es una elección hecha por el LLM solo". Leer el artículo completo »

2. Cómo escalar la GenAI en el lugar de trabajo

Michael Wade, Konstantinos Trantopoulos, Mark Navas y Anders Romare

"A medida que las empresas pasan de la experimentación a la adopción a nivel empresarial, muchas luchan no con las herramientas en sí mismas sino con la transformación organizacional necesaria para integrarlas de manera significativa en el trabajo diario de las personas. Las herramientas seguirán evolucionando: es el lado humano de la ecuación el que determina si las iniciativas GenAI realmente tienen éxito.

"Estudiamos una de las implementaciones de IA generativa en el mundo real más grandes hasta la fecha: en la compañía farmacéutica multinacional Novo Nordisk. Su experiencia muestra que el éxito depende no solo de la infraestructura sino de cómo las personas piensan, se adaptan y colaboran con la IA. Una lección fundamental: si bien la adopción de GenAI y las transformaciones digitales más amplias tienen raíces comunes, la IA generativa es excepcionalmente disruptiva y remodela la naturaleza del trabajo en sí de maneras sin precedentes...

"Cada empleado ahorró 2,17 horas por semana, en promedio, una vez que comenzó a usar la herramienta. Pero también sucedió algo inesperado: esas horas no eran lo que los empleados valoraban más. La satisfacción de los empleados con Copilot estaba tres veces más fuertemente correlacionada con las mejoras percibidas en la calidad del trabajo que con el tiempo ahorrado. Los empleados informaron mejoras en la calidad en el resumen de contenido, la creación de contenido y la ideación. Curiosamente, muchos empleados reinvirtieron el tiempo que ahorraron en interacciones con las personas, planificación estratégica y trabajo creativo". Leer el artículo completo »

3. Genere valor a partir de GenAI con transformaciones de 'pequeña t'

Melissa Webster y George Westerman

"Los líderes empresariales están encontrando maneras de obtener valor real de los grandes modelos lingüísticos (LLM, por sus siglas en inglés) sin reemplazar completamente los procesos de negocios existentes. Están persiguiendo una transformación 'pequeña t', incluso mientras sientan las bases para transformaciones más grandes por venir...

"Nuestro equipo de proyecto entrevistó a los altos directivos de diversas funciones, incluidas la inteligencia artificial, la ciencia de datos, la innovación, las operaciones y las ventas, en 21 grandes empresas. Nos centramos en comprender qué están haciendo las organizaciones con una adopción relativamente temprana y amplia de GenAI y por qué...

"Nuestra investigación muestra que la mayoría de las empresas están siguiendo un enfoque más específico para la transformación con IA generativa. Si bien la GenAI puede potencialmente aumentar la velocidad y la calidad de muchas tareas, también conlleva una variedad de riesgos en torno a la precisión, la seguridad y la gestión de la propiedad intelectual. Los líderes que entrevistamos tienden a aplicar la lógica de una pendiente de riesgo al tomar sus decisiones, atribuyendo un mayor riesgo a los procesos de cara al cliente que a los internos". Leer el artículo completo »

4. El enfoque de GenAI cambia hacia la innovación en Colgate-Palmolive

Thomas H. Davenport y Randy Bean

"Los grandes modelos de lenguaje (LLM) que utilizan los equipos de Colgate-Palmolive se han ampliado con contenido de recuperación de generación aumentada (RAG) de varios tipos: investigaciones patentadas que realiza la empresa, tendencias de búsqueda en Google, fuentes de datos sindicadas y más. Los sistemas basados ​​en RAG se basan más en contenido específico de la empresa que en materiales públicos de Internet, por lo que hay una menor probabilidad de alucinaciones.

"La IA generativa puede analizar rápidamente dicho material y describir tendencias del mercado y necesidades no satisfechas de los consumidores. Eso significa que, en lugar de descargar, leer y anotar una amplia colección de informes de investigación de mercado cuando quieren información sobre los consumidores, los empleados pueden simplemente escribir la pregunta que desean responder en un mensaje y obtener una respuesta de inmediato...

"Los equipos de Colgate-Palmolive descubrieron que podían combinar un sistema de IA que surja necesidades no satisfechas de los consumidores con otro sistema de IA patentado que desarrolle nuevos conceptos de productos para satisfacer esas necesidades. En minutos, con guía humana, puede producir copias e imágenes para un nuevo concepto, como un nuevo sabor de pasta de dientes. Si bien siempre hay humanos en el circuito para guiar el flujo de trabajo, usar el sistema mejorado con GenAI es mucho más eficiente que tener humanos hojeando materiales de investigación de mercado. La amplitud de ideas generadas también crea un producto más amplio Leer el artículo completo »

5. Traiga su propia IA: cómo equilibrar los riesgos y la innovación

Nick van der Meulen y Barbara H. Wixom

“Con este auge de GenAI surge un nuevo desafío para los líderes organizacionales: el fenómeno Bring Your Own AI (BYOAI), que ocurre cuando los empleados utilizan herramientas GenAI no autorizadas y disponibles públicamente para trabajar.

“Si bien estas herramientas prometen una mayor productividad y potencial creativo, también conllevan riesgos de gobernanza y seguridad organizacional, incluida la pérdida de datos, la filtración de propiedad intelectual, violaciones de derechos de autor y violaciones de seguridad...

"Teniendo en cuenta los riesgos asociados con BYOAI, puede parecer lógico que los líderes consideren prohibir por completo las herramientas GenAI no autorizadas. La perspectiva del uso incontrolado de GenAI, combinada con la incertidumbre en torno a la exposición legal y regulatoria, puede hacer comprensiblemente que los líderes sean cautelosos. Sin embargo, los ejecutivos que entrevistamos dijeron que prohibir BYOAI no es práctico ni efectivo. Los empleados, especialmente aquellos que ya se sienten presionados, a menudo recurren a herramientas GenAI para mejorar su productividad personal. Restringir el acceso solo los empuja a encontrar soluciones alternativas no oficiales. Leer el artículo completo »

6. Deje de implementar IA.

Michael Schrage y David Kiron

“Como parte de nuestra exploración en curso de 'La filosofía se come a la IA' (la tesis de que la claridad filosófica fundamental es esencial para el valor futuro de los sistemas inteligentes) encontramos que los conocimientos fundamentales de [el físico convertido en empresario Stephen] Wolfram sobre la computación tienen usos claramente procesables, aunque subestimados, para los líderes abrumados por las capacidades de la IA pero decepcionados por los retornos de la IA...

"El trabajo de su vida ofrece ahora marcos cruciales para comprender y aplicar la IA en el mundo real. Sus ideas no son florituras académicas inteligentes; son imperativos para construir entornos de inteligencia que funcionen eficazmente a escala...

“Con Wolfram, exploramos la idea de que el liderazgo de la IA debe pasar de Mejor adopción e integración de herramientas de IA. a Diseñar entornos de inteligencia., arquitecturas organizacionales en las que agentes humanos y artificiales interactúan proactivamente para crear valor estratégico. Leer el artículo completo »

7. Los costos ocultos de codificar con IA generativa

Edward Anderson, Geoffrey Parker y Burcu Tan

"Las organizaciones que adoptan estas herramientas anticipan importantes beneficios. Y las primeras investigaciones respaldan su optimismo: GitHub ha informado que los programadores que utilizan Copilot son hasta un 55 % más productivos, y McKinsey ha descubierto que los desarrolladores pueden completar tareas hasta el doble de rápido con asistencia de IA generativa.

"Pero estos indicadores positivos vienen con una advertencia importante. Los estudios se realizaron en entornos controlados donde los programadores completaron tareas aisladas, no en entornos del mundo real, donde el software debe construirse sobre sistemas complejos existentes. Cuando el uso del código generado por IA se amplía rápidamente o se aplica a entornos antiguos (heredados), los riesgos son mucho mayores y mucho más difíciles de gestionar...

“Cuando una organización introduce rápidamente nuevo software en los sistemas existentes, sin darse cuenta puede crear una maraña de dependencias que agravan sus problemas. deuda técnica – es decir, el costo del trabajo tecnológico adicional que será necesario en el futuro para abordar los atajos tomados y las soluciones rápidas realizadas durante el desarrollo.

"Las organizaciones deben tratar la tendencia de las herramientas de IA a aumentar la deuda técnica como un riesgo estratégico, no sólo como una molestia operativa". Leer el artículo completo »

8. Cuándo utilizar GenAI frente a IA predictiva

Rama Ramakrishnan

"Si bien la IA generativa promete revolucionar todo, desde el servicio al cliente hasta el desarrollo de productos, su papel óptimo junto con las herramientas de IA predictivas (es decir, el aprendizaje automático y las herramientas de aprendizaje profundo) sigue siendo un trabajo en progreso. Eso a menudo deja a los líderes preguntándose cuál es el enfoque correcto para abordar un problema en particular...

“Para utilizar eficazmente el aprendizaje automático tradicional con datos no estructurados, los datos deben ser a mano estructurado: una tarea costosa que hace que el aprendizaje automático sea poco atractivo para casos de uso empresarial donde los datos de entrada no son tabulares.

"Las entradas y salidas de los sistemas de IA generativa, como los LLM, generalmente no están estructuradas. Por lo general, comprenden texto y/o datos de imágenes y, más recientemente, videos. Tenga en cuenta que el texto que se analiza y se crea a partir de herramientas de IA generativa abarca una asombrosa variedad de tipos, como código de software, secuencias de proteínas, notación musical, expresiones matemáticas y fórmulas químicas...

"Comencemos con el caso fácil. Si tiene un problema de generación que resolver, solo hay un juego en la ciudad: la IA generativa. Dependiendo del tipo de resultado que desee generar, es posible que necesite usar LLM multimodales, como GPT-4 de OpenAI, Claude 3.7 Sonnet de Anthropic o Gemini 1.5 de Google; modelos de texto a imagen, como Dall-E; o modelos de propósito especial que se han creado para audio y otros.

"Sin embargo, si tienes un problema de predicción, las cosas se vuelven más complicadas". Leer el artículo completo »

Recursos adicionales: aplique lecciones de IA con su equipo

GenAI: el conjunto de herramientas de estrategia y gobernanza

MIT Sloan Management Review desarrolló su conjunto de herramientas de gobernanza y estrategia de IA generativa con cinco de los principales expertos del mundo en liderazgo de IA generativa: Ethan Mollick (Wharton School de la Universidad de Pensilvania), John Sviokla (Harvard Business School y GAI Insights), John K. Thompson (Hackett Group y la Universidad de Michigan), George Westerman (MIT Sloan School of Management) y David A. Wood (Marriot School of Business de la Universidad Brigham Young).

El kit incluye una lección en video con Westerman, un planificador de estrategias GenAI, una lista de verificación de estrategias GenAI, un planificador de gobernanza GenAI, artículos y más.