#71 🥥 AI conviviendo con empleados, el impacto en la organización y el Chief of AI
#71 🥥 AI conviviendo con empleados, el impacto en la organización y el Chief of AI
3 conclusiones del último informe de BCG sobre inteligencia artificial
Hace unos días llegó a mis manos un interesantísimo informe de BCG sobre cómo fundadores y CEO de empresas están navegando por este Wild West en el que estamos viviendo con chatGPT, Midjourney y la AI en general.
Seguro que muchos habéis sido ya carne de clickbait y vivido concursos de dialéctica platónica, o de Camera Café, sobre nuestros roles peligrando por el advenimiento de la AI, de cómo será el futuro en el mundo laboral y productivo, de la necesaria reinvención de profesiones como los diseñadores o los creadores de contenido, de Elon Musk sacando su empresa para competir con Open AI: X.AI…
Mi conclusión es que ni el mismo Sam Altman tiene idea de lo que va a pasar, pero debemos estar cerca de la evolución para adaptarnos (por nosotros y por nuestra prole) en esta carrera darwiniana. Como ocurrió con el mundo cripto, hablar de AI con tu cuñado o con un taxista te pone en alerta por un lado, y por el otro te llena de esperanza sobre la capacidad de innovación del ser humano(ide).
Capturo a continuación algunas de las ideas del informe de BCG que más me hicieron reflexionar, y espero que a vosotros también:
El futuro del mercado LLM o qué podemos aprender de la guerra de los buscadores y de Google
AI conviviendo entre personas o cómo asegurar que la IA y las personas cooperan juntas para maximizar el rendimiento
Chief of AI y modelo operativo o cómo adaptar tu modelo de datos para sacar todo el potencial de la IA en tu organización
1. El futuro del mercado LLM
Hasta hace poco, la mayoría de la investigación en inteligencia artificial generativa era de acceso público. Pero muchas empresas han optado por dejar de publicar sus hallazgos de investigación y mantener las arquitecturas de sus modelos como conocimiento privado. Por ejemplo, GPT-2 era de código abierto pero GPT-3 dejó de serlo, y ahora incluso pagas por él.
Las próximas mejoras en los modelos generativos con una gran cantidad de usuarios probablemente provendrán de los registros de interacción de sus usuarios, lo que les dará una ventaja competitiva significativa sobre los nuevos participantes. Esta realidad, combinada con los altos costes de datos, infraestructura y talento necesarios para entrenar modelos de lenguaje natural, deriva en que el mercado de LLMs tiene tanto espacio como escala.
Los avances en inteligencia artificial generativa podrían, por lo tanto, estar limitados a grandes empresas, mientras que la democratización del desarrollo de inteligencia artificial para pequeñas y medianas empresas podría estar limitada a casos de uso no diferenciados.
Esta dinámica parece comparable a las "guerras de motores de búsqueda". Varias grandes empresas invirtieron fuertemente en soluciones de búsqueda, pero la facilidad de uso y precisión de Google ayudaron a destacarlo de sus competidores. Una vez que los usuarios prefirieron Google, el resto de motores (Yahoo, Bing y compañía) no pudieron mantenerse al día, ya que cada solicitud de búsqueda que Google recibía lo hacía mejor y más inteligente. Con el paso del tiempo, todas las demás soluciones B2C desaparecieron. Una situación similar de winner-takes-all podría desarrollarse en el mercado de LLM, con los grandes entrantes iniciales eventualmente poseyendo los modelos y teniendo un control total sobre el acceso.
Sin embargo, en el terreno B2B la cosa cambiar. Volviendo a Google, éste no logró el mismo nivel de éxito en el mercado de búsqueda B2B, que tiene requisitos y desafíos únicos en comparación con B2C. A nivel empresarial, los motores de búsqueda carecen de la escala necesaria para construir experiencia de dominio y la cantidad de datos de usuario para desarrollar esa capacidad. Del mismo modo, las empresas obtendrán el mayor valor de los LLM que se entrenen en sus datos exclusivos y que tengan modalidades que impulsen casos de uso únicos. Esto podría impedir que haya un winner-takes-all en el mercado B2B. También existe el potencial para que las empresas y los gobiernos financien modelos de código abierto para mantenerlos al día, similar a cuando IBM financió Linux.
Estas dinámicas de mercado tienen implicaciones clave para los CEO a medida que toman decisiones de personalización e implementación:
Es poco probable que cualquier proveedor de LLM único domine el mercado B2B; lo clave para las empresas es encontrar modelos grandes con la modalidad y la funcionalidad que coincidan con sus casos de uso dorados o casos de uso que requieran datos confidenciales.
Si bien entrenar LLM es una opción para grandes empresas, la calidad de escala podría hacer que la compra de soluciones sea más confiable (similar a la nube).
Si optan por capacitar internamente, deben tener cuidado de no depender demasiado de investigadores individuales. Si solo un pequeño número de personas tiene la experiencia para avanzar y mantener el modelo, esto causará un punto único de falla si esos investigadores deciden irse.
2. AI conviviendo con personas
Con el tiempo, es probable que la adopción de la Generative AI lleve a una mayor automatización y una mayor eficiencia en las empresas. Sin embargo, también es importante recordar que la implementación de la IA no puede tener lugar en un vacío: convivirá entre personas, entre nosotros. Los líderes deben ser conscientes de los impactos en la cultura laboral y la identidad profesional de los empleados, y trabajar con los equipos de RRHH para desarrollar un plan estratégico de personal que aborde los cambios en los roles y responsabilidades, y que fomente la aceptación y la colaboración entre la IA y los trabajadores humanos.
A medida que la adopción de la IA se acelera, los CEOs deben aprender a medida que avanzan y utilizar esas lecciones para desarrollar un plan estratégico para la fuerza laboral. De hecho, deberían comenzar a crear este plan ahora y adaptarlo a medida que la tecnología evoluciona. Se trata de algo más que determinar cómo cambiarán ciertas descripciones de trabajo: se trata de asegurar que la empresa tenga las personas y la gestión adecuadas en su lugar para mantenerse competitiva y sacar el máximo provecho de sus inversiones en IA. Entre las preguntas que los CEOs deben hacerse al evaluar las fortalezas, debilidades y prioridades de su empresa están:
¿Qué competencias necesitarán los PM o líderes de proyectos para asegurar que el trabajo de los individual contributors sea de calidad suficiente?
¿Cómo pueden los CEOs crear la curva de experiencia óptima asegurándose, por ejemplo, de que los empleados de un nivel más junior reciban capacitación en la mejora de la IA y de que los supervisores estén preparados para liderar una fuerza laboral guiada por la IA?
¿Cómo se deben ajustar la formación y el reclutamiento para construir una fuerza laboral de alto rendimiento ahora y en el futuro?
3. Chief of AI y modelo operativo
A medida que la IA se convierte en una parte cada vez más importante de la estrategia empresarial, también es importante que las empresas se adapten a un modelo operativo que facilite la adopción y el desarrollo continuo de la tecnología. Esto podría incluir la implementación de prácticas ágiles, la reorganización de equipos y procesos, y la inversión en herramientas y tecnologías que faciliten la colaboración entre humanos e IA.
En resumen, la IA generativa tiene el potencial de revolucionar la forma en que trabajamos, pero también presenta desafíos importantes para las empresas y los líderes empresariales. Al considerar la adopción de la IA generativa, es esencial que los líderes empresariales comprendan los beneficios y los riesgos, y trabajen de manera proactiva para abordar los desafíos culturales y operativos que la tecnología presenta. Al hacerlo, podrán capitalizar al máximo el potencial de la IA generativa para impulsar el crecimiento y la innovación en sus organizaciones.
Esperamos que los modelos ágiles (o biónicos) sigan siendo los más efectivos y escalables a largo plazo, pero con departamentos centralizados de TI e I+D que cuenten con expertos que puedan capacitar y personalizar LLMs. Esta centralización debería garantizar que los empleados que trabajan con tipos similares de datos tengan acceso a los mismos conjuntos de datos. Cuando los datos se aislan dentro de los departamentos individuales, lo que ocurre con demasiada frecuencia, las empresas tendrán dificultades para realizar el verdadero potencial de la IA generativa. Pero bajo las condiciones adecuadas, la IA generativa tiene el poder de eliminar el compromiso entre agilidad y escala.
Debido a la creciente importancia del data science y data mining, muchas empresas se beneficiarán de tener un rol ejecutivo senior (por ejemplo, un Chief of AI) que supervise los requisitos técnicos y empresariales para las iniciativas de IA. Este ejecutivo debería ubicar pequeños equipos de data science y data mining dentro de cada unidad de negocio para adaptar modelos a tareas o aplicaciones específicas. Los equipos técnicos tendrán así la experiencia de control y el contacto directo para apoyar a los colaboradores individuales, idealmente limitando la distancia entre los líderes de la plataforma o la tecnología y los colaboradores individuales a una capa. Estructuralmente, esto podría implicar equipos enfocados en los departamentos con miembros interfuncionales (por ejemplo, equipos de ventas con representantes de ventas y soporte técnico dedicado) o, preferiblemente, equipos interdepartamentales e interfuncionales alineados con las plataformas técnicas y empresariales.
