La revolución de la inteligencia artificial (IA) ha llegado a un punto clave. Hemos visto un crecimiento impresionante, y ahora entramos en una fase de estabilización. Vamos a explorar la famosa curva en S en el contexto de la IA y descubrir las oportunidades que se avecinan para el mundo empresarial.
El ciclo de la curva en S
El ciclo de innovación sigue un patrón conocido como la curva en S: el progreso arranca lento, luego explota y finalmente se estabiliza. Este ciclo ha sido evidente en varias tecnologías a lo largo de los años:
- Internet: Desde las ideas iniciales de los años 60, el protocolo TCP/IP se aceleró tras su RFC en 1974 y se estabilizó con la versión 4 en 1981, que aún es la base de Internet.
- Telefonía móvil: Desde los primeros teléfonos celulares en los 80, la tecnología avanzó rápidamente con la llegada de los smartphones en los 2000. Hoy en día, las mejoras son más incrementales.
- Redes sociales: Facebook, Twitter e Instagram tuvieron un crecimiento explosivo en sus primeros años. Ahora, la innovación se centra más en funcionalidades adicionales que en cambios radicales.
- Automóviles eléctricos: Con Tesla liderando la carga a principios de los 2010, la industria ha visto avances rápidos. Actualmente, la evolución se enfoca en la autonomía y eficiencia.
- Videojuegos: Desde los juegos de arcade de los 70 hasta la realidad virtual de hoy, la tecnología ha avanzado rápidamente, pero ahora las mejoras son más detalladas y específicas.
La meseta de la IA
La evolución de la IA ha seguido esta curva. Desde el famoso artículo de Alan Turing en 1950, pasando por el innovador documento «Attention Is All You Need» de 2017, hasta el desarrollo de ChatGPT por OpenAI, la IA ha crecido rápidamente. Sin embargo, hemos llegado a una meseta. Los modelos de lenguaje actuales, como los de OpenAI, se enfrentan a un estancamiento debido a la falta de datos de alta calidad.
Los desafíos actuales
Los modelos de IA han dependido en gran medida de datos públicos disponibles en Internet, lo que ha llevado a un estancamiento. Métodos como la transcripción de videos de YouTube y el uso de etiquetadores humanos muestran rendimientos decrecientes.
La próxima curva: Datos empresariales
Creemos que el próximo gran avance en la IA vendrá del uso de datos generados en el entorno laboral. Estos datos, como especificaciones de productos, presentaciones de ventas e interacciones de soporte al cliente, son de mucha mayor calidad que los datos públicos. Las empresas que logren desbloquear y utilizar estos datos tendrán una ventaja significativa.
La oportunidad en los datos empresariales
Los trabajadores del conocimiento generan datos empresariales a un ritmo increíble. Por ejemplo:
- Zoom: En 2020, Zoom capturó 3.3 billones de minutos de reuniones, superando con creces las horas de contenido en YouTube.
- Ironclad: Procesa más de mil millones de documentos anualmente.
- Slack: Entrega más de mil millones de mensajes por semana.
- Microsoft Teams: En 2021, registró 250 millones de usuarios activos mensuales, generando un volumen masivo de datos empresariales.
- Salesforce: Maneja millones de transacciones diarias, capturando datos críticos para la gestión empresarial.
Estos datos representan una oportunidad para startups que puedan ayudar a las empresas a preparar estos datos para su uso en IA.
Desafíos y precauciones
Aunque hay grandes oportunidades, las empresas deben ser cautelosas al trabajar con proveedores de modelos de lenguaje que manejen datos empresariales. Empresas como OpenAI y Anthropic han prometido no entrenar sus modelos con datos empresariales, pero la presión por crecer podría hacer que estas promesas se tambaleen. Ejemplos de empresas como Meta y Salesforce muestran que los compromisos de privacidad no siempre se cumplen.
La solución: Control y propiedad de modelos propietarios
Las empresas deben ser dueñas y controladoras de sus propios modelos de IA para proteger sus datos sensibles y asegurar que no se utilicen de manera indebida. Al igual que el New York Times defiende su propiedad intelectual, las empresas deben resistir que las grandes compañías de IA exploten sus datos.
Cinco oportunidades para startups
Aunque las grandes empresas de IA dominan el mercado, hay áreas de oportunidad para nuevas startups que puedan resolver el estancamiento de la IA de manera compatible con las necesidades empresariales:
- Involucrar a expertos: Los datos de alta calidad provienen de expertos en el campo, no de etiquetadores multitudinarios. Startups como Centaur Labs y Turing aprovechan redes de profesionales para mejorar la calidad de los datos.
- Aprovechar datos latentes: Existe un tesoro de datos valiosos en aplicaciones empresariales como Salesforce y Slack. Startups como Unstructured y Reducto pueden ayudar a las empresas a preparar estos datos para su uso en IA.
- Capturar en contexto: Capturar nuevos datos sin interrumpir los flujos de trabajo es crucial. Aplicaciones como Zoominfo y Textio permiten a las organizaciones guiar a los trabajadores para que realicen mejor sus tareas y tomen mejores decisiones.
- Asegurar la fórmula secreta: Las empresas deben desarrollar y desplegar modelos personalizados para mantenerse en control y proteger su propiedad intelectual. Técnicas como el aprendizaje federado permiten el entrenamiento de modelos sin que los datos sensibles salgan del dispositivo del usuario. Startups como Flower y FedML ayudan a las organizaciones a utilizar estas técnicas.
- Monetizar la innovación: Startups que pueden transformar estos datos empresariales en insights valiosos tendrán una ventaja competitiva. Empresas como Databricks y Snowflake ya están liderando el camino en la monetización de big data.
¿Cuál es nuestra opinión al respecto?
Estamos en una nueva fase de la evolución tecnológica, donde la próxima ola de innovación en IA dependerá de datos empresariales de alta calidad. Las startups que puedan aprovechar esta oportunidad no solo resolverán el estancamiento actual, sino que también impulsarán un nuevo salto en el rendimiento de la IA.
La historia de la tecnología está llena de capítulos de descubrimientos y avances humanos. La IA debe basarse en el conocimiento y descubrimientos humanos, con atributos centrados en la privacidad y calidad. En esta danza de co-creación con la IA, los humanos siempre deben llevar la delantera.
En IA Actual, creemos firmemente que la siguiente fase de la inteligencia artificial no solo se basará en la calidad de los datos, sino también en la ética y la transparencia con las que se manejen. Es crucial que las empresas mantengan el control de sus datos para evitar usos indebidos y proteger la privacidad de los usuarios. Las startups que entiendan y prioricen estos aspectos tendrán una ventaja competitiva significativa en el mercado.
Además, es fundamental que las organizaciones inviertan en desarrollar sus propios modelos de IA, adaptados a sus necesidades específicas. Esto no solo garantizará mejores resultados, sino que también fomentará la innovación continua y el crecimiento sostenible. En un mundo donde los datos son el nuevo oro, saber cómo gestionarlos y protegerlos es más importante que nunca.
