Subscribe to our YouTube channel
La inteligencia artificial (IA) y los datos son dos caras de la misma moneda. Chet Kapoor, CEO de la compañía de gestión de datos DataStax, dejó claro en la reciente conferencia TechCrunch Disrupt 2024 que no hay IA sin datos, ni sin datos no estructurados, y mucho menos sin datos no estructurados a gran escala. Sin embargo, en la era actual de la IA generativa, las empresas enfrentan un dilema: cómo manejar la sobrecarga de datos y enfocarse en objetivos específicos que realmente agreguen valor.
Durante el panel, junto a Vanessa Larco, socia de la firma de capital de riesgo NEA, y George Fraser, CEO de la plataforma de integración de datos Fivetran, se discutió la importancia de la calidad de los datos y el papel de los datos en tiempo real en aplicaciones de IA generativa. Uno de los mensajes clave fue que las empresas deben priorizar la adecuación del producto al mercado sobre la escala, especialmente en lo que todavía son los primeros días de la IA.
Enfoque Práctico: Metas Pequeñas pero Impactantes
El consejo para las empresas que buscan adentrarse en el mundo de la IA generativa es claro: no sean demasiado ambiciosas al principio. Kapoor enfatizó que «las personas son lo más importante para la IA generativa». Las «SWAT teams» que construyen los primeros proyectos no están leyendo un manual; están escribiendo uno. Esto implica que las empresas deben aprender sobre la marcha y construir una base sólida antes de escalar.
Larco propone un enfoque pragmático y sencillo para desbloquear el verdadero valor de los datos en esta etapa inicial: «Trabaja hacia atrás desde lo que intentas lograr. ¿Qué estás tratando de resolver y cuáles son los datos que necesitas?» Este método implica localizar y utilizar los datos necesarios para objetivos específicos, en lugar de intentar implementar la IA generativa en toda la empresa de inmediato.
Evitar el Caos: Comienza Pequeño
Larco advierte que intentar arrojar todos los datos de una empresa a un modelo de lenguaje grande (LLM) con la esperanza de que produzca resultados precisos podría generar un desastre costoso e inexacto. En cambio, sugiere comenzar con aplicaciones internas y objetivos concretos, buscando datos que coincidan con esas metas. Este enfoque permite a las empresas trabajar de manera más eficiente y evitar errores costosos.
Fraser, con más de una década de experiencia en la dirección de Fivetran, respalda esta estrategia, afirmando que las empresas deben centrarse en resolver problemas reales que enfrentan hoy. «Solo resuelve los problemas que tienes ahora; ese es el mantra», dice. La clave es concentrarse en lo que realmente importa, en lugar de tratar de planificar la escalabilidad desde el principio.
El Futuro de la IA Generativa
Aunque los primeros usos de la IA generativa han mostrado destellos de un futuro poderoso, Kapoor los compara con la era de «Angry Birds» de la IA generativa, señalando que, aunque prometedora, esta tecnología aún no ha revolucionado la vida cotidiana. Sin embargo, este año, cada empresa con la que trabaja está implementando algo en producción, aunque sea en pequeña escala, lo que les permite trabajar en los detalles y formar equipos eficaces.
Kapoor predice que el próximo año será el «año de la transformación», cuando las aplicaciones de IA comiencen a cambiar verdaderamente la trayectoria de las empresas. La adaptación y la innovación gradual serán clave para navegar por el camino de la IA generativa, asegurando que las empresas no solo sobrevivan, sino que prosperen en este nuevo entorno.
Conclusión
La sobrecarga de datos no es un obstáculo insuperable, sino un desafío que puede abordarse mediante enfoques estratégicos y realistas. Al enfocarse en metas específicas y mantener la calidad de los datos en el centro de sus esfuerzos, las empresas pueden aprovechar al máximo la IA generativa y abrirse camino hacia un futuro de innovación continua.
Si te gustó este análisis y quieres más consejos sobre cómo implementar la IA en tu negocio, ¡suscríbete y activa la campanita para no perderte nuestras actualizaciones!
