Saltar al contenido principal Skip to footer

Resumen ejecutivo

Antes de que la IA generativa captara toda la atención a finales de 2022, la capacidad para crear nuevas cosas - un análisis competitivo, la presentación comercial o un código de software- se consideraba un rasgo exclusivamente humano. Ahora, con el debut de ChatGPT, la IA de Open, cualquiera con un ordenador puede presenciar cómo los sistemas de IA pueden responder a un mensaje con contenido nuevo e ideas a una gran velocidad.

A primer vista, esto puede parecer una amenaza. Pero, con el paso del tiempo, la promesa de la IA generativa se hará más clara: más que sustituir a las personas, esta tecnología mejorará y aumentará la inteligencia humana y su capacidad de tomar decisiones, haciéndonos mejores en lo que ya hacemos.

Las empresas pueden ya integrar herramientas de IA, de manera segura y responsable, en sus flujos de trabajo. Pero, en la medida que la IA generativa permeabilice más en el stack de tecnología, se extenderá más allá de la automatización de tareas sencillas. Los diferentes agentes de IA generativa colaborarán entre ellos para orquestar todos los procesos, los sistemas y el conocimiento necesarios para ejecutar una serie compleja de tareas conectadas, desde modificar el diseño de un producto hasta determinar su PTO en base a futuras cargas de trabajo. Y más que funcionar a través de sistemas, apps y datos diferentes, los trabajadores utilizarán una única interface de voz interactiva que realiza todas las conexiones necesarias.

En definitiva, la IA generativa cambiará cómo trabajamos al operar en el backend para reunir todos los aspectos del negocio y ofrecer un punto de acceso unificado tanto a los consumidores como a los empleados. A medida que la IA generativa madure, nuestros actuales niveles de productividad nos parecerán pintorescos. Al mismo tiempo cambiará sustancialmente la forma en la que las empresas innovan, toman decisiones y se estructuran.

Los riesgos de la IA generativa están bien documentados. Muchas organizaciones dudan si incurrir en una brecha de seguridad o comprometer la ética de la compañía, algo similar a lo que sucedió en los primeros años de los PCs, Internet y la informática móvil. A diferencia de estas tecnologías, la IA generativa pasará de la actual era de gran disrupción a convertirse en una parte incuestionable del tejido laboral. Con la debida diligencia, gobernanza y una implementación en fases, estas nuevas herramientas pueden o deberían ser implementadas de manera segura sin limitar los posibles beneficios en innovación, eficiencia y productividad.

Los líderes que entiendan la importancia de lo que hoy se está desarrollando e implementando en materia de IA generativa pueden obtener más que la habitual ventaja de ser los primeros. Con la IA generativa, los posibles beneficios por abrir camino son tan ilimitados como las posibilidades de la IA generativa en sí misma.

La IA generativa ya existe en el entorno profesional:

Desde escribir FAQs a código, la IA generativa ya está impulsando la productividad.

Imagen
Orquestación:

Aún más transformador es lo que sucede cuando los agentes de IA generativa empiezan a conectarse y hablar entre sí.

Imagen
Un motor para la innovación:

La IA generativa puede aumentar la capacidad humana no solo para hacer y crear, sino también para pensar.

Imagen
Un asistente de toma de decisiones:

Con la IA generativa integrada en los sistemas empresariales y combinada con los datos correctos, la toma de decisiones será más rápido y precisa.

Imagen
Un catalizador para mejorar las estructuras organizativas:

Para adoptar la IA generativa, las organizaciones necesitarán remodelar las estructuras organizativas.

Imagen
Riesgos y aversiones:

Comprender los riesgos potenciales de la IA generativa es fundamental para navegar con éxito esta nueva frontera.

Imagen
Cómo empezar:

De empezar poco a poco a elegir el modelo correcto, cinco consejos para tener éxito en la implementación.

Imagen
El camino a seguir

La IA generativa cumple la promesa de mejorar la forma en que funcionan las empresas y trabajan los humanos.

Imagen

La IA generativa: un gran avance en la automatización

Cuando el mundo conoció la generación de IA a través de ChatGPT, lo que se destacó inicialmente fue su interfaz de chat fluida con la que los usuarios podían hablar de forma natural. El modelo respondía con respuestas aparentemente reflexivas, desplazándose por la pantalla como si las hubiera escrito un amigo.

Pero fue lo que la generación AI podía hacer y crear a partir de esas conversaciones fluidas lo que pronto se convirtió en lo más importante. A diferencia de los sistemas "tradicionales de IA”, que reaccionan a las entradas siguiendo reglas preestablecidas, los modelos de IA generativa pueden crear información. Si la IA tradicional en un servicio de streaming puede recomendar una película, la IA generativa puede, en segundos, escribir un guión de película original adaptado con precisión a los gustos y solicitudes individuales o una sinfonía o código de software.

En la empresa, esta nueva tecnología ya está funcionando de diferentes maneras:

Servicio al cliente

Algunas compañías utilizan la IA generativa para extraer datos útiles de sistemas de gestión del conocimiento, que luego se pueden utilizar para diseñar y crear nuevas FAQs y guías. Si la FAQ no resuelven el problema de un cliente, la IA generativa puede gestionar peticiones sin ayuda del personal humano, junto con bases de datos complejas para la info técnica e, incluso, sugerir soluciones basadas en casos pasados similares. Esto libera  agentes humanos que pueden trabajar en peticiones de cliente más complejas, dando como resultado un mayor nivel de servicio.

Imagen
Gestión del patrimonio

En Morgan Stanley,  los asesores de patrimonio han empezado a utilizar la IA generativa para ayudar a hacer recomendaciones de inversión y hacer preguntas generales sobre el negocio o proceso, basado en un repositorio enorme de informes, datos estructurados y no estructurados, que incluyen texto y vídeo.

Imagen
Ensayos clínicos

Las empresas farmacéuticas utilizan la IA generativa para ayudar a identificar datos que se han pasado por alto en datos históricos de ensayos clínicos. Esto podría acortar los tiempos de creación de fármacos, un avance con importantes implicaciones e impacto en la salud y la longevidad de las personas.

Imagen
Creación de código y SDLC

La IA generativa puede acortar significativamente el ciclo de vida de desarrollo del software (SDLC) mediante la creación de código y la realización de otras tareas asociadas. Junto con los amplios repositorios de código, los requisitos del usuario y los escenario de pruebas, la IA generativa puede crear fragmentos de código relevantes, construir historias de usuario que se alinean con los requisitos de negocio y diseñar casos de prueba que abarca una amplia gama de escenarios funcionales. Además, puede crear datos sintéticos, lo que ofrece una solución de valor para las cuestiones de privacidad, ya que permite pruebas sólidas sin confiar en datos confidenciales del mundo real.

Imagen

El aumento de la productividad generado por la IA generativa será significativo para los nuevos empleados o aquellos que se acaban de incorporar a la organización, ya que pueden rápidamente desarrollar conocimientos que, de otra manera, les llevaría meses de experiencia. Así se pone de manifiesto en un reciente estudio elaborado por Standford y el MIT, en el que los representantes de call center que habían utilizado la IA generativa eran un 14% más productivos que aquellos que no la utilizaron. Este aumento es incluso mayor entre los trabajadores que han estado apenas unos pocos meses en el puesto.

Aún más transformador es lo que sucede cuando los agentes de la IA generativa empiezan a conectarse y hablar entre sí. Si bien los primeros debates giraron en torno al uso de IA generativa para tareas específicas, como codificar o crear software, consideremos un futuro en el que esas tareas ya no sean necesarias porque, en su lugar, una indicación detallada reemplaza la necesidad de escribir extensas líneas de código.

Esta nueva forma de interactuar con un sistema digital obliga a replantearnos si las apps y websites tradicionales serán incluso necesarias en el futuro. A medida que la IA generativa se desarrolle más, podría marcar el comienzo de una era donde la interacción digital sea mucho más intuitiva, inmediata y adaptada a las necesidades de los individuos, yendo más allá de lo que las apps y websites tradicionales pueden ofrecer. La verdadera revolución de la IA generativa es abrir puertas a posibilidades que ni habíamos imaginado.

Desde la automatización a la orquestación

Piensa que una razón de peso para el éxito inmediato de ChatGPT fue su capacidad para funcionar como una interface única, una "ventanilla única", a un vasto caudal de conocimiento humano. Ese modelo de  ventanilla única continuará a medida que la IA generativa gane fuerza. En el momeno en que múltiples agentes de IA generativa empiecen a colaborar, funcionarán como una capa de orquestación, envolviendo sistemas empresariales, conjuntos de datos especializados, recursos y procesos en una unidad cohesiva. Tanto para los líderes como para los trabajadores, el principal punto de contacto con la organización será un asistente conversacional de IA que funciona de manera muy similar a un trabajador humano, excepto por que tiene acceso instantáneo y en tiempo real a la información y los recursos necesarios para hacer su trabajo.
Un flujo de trabajo típico puede ser el siguiente: necesitas modificar un producto existente para habilitar prestaciones para las personas con discapacidad visual. Pregunta al agente de IA generativa para analizar el producto

existente y sugiere algunas alternativas. Ninguna de estas sugerencias da en el blanco, de manera que puedes facilitarle más detalles de lo que estás buscando. A medida que la creatividad comienza a fluir y las modificaciones del producto toman forma, el agente de IA generativa continúa ayudando a perfeccionar el producto, comparándolo con los requisitos regulatorios, generando planos y prototipos, y manteniendo informados a otros miembros del equipo, durante todo el proceso, desde el marketing y la promoción hasta el día del lanzamiento.

Las primeras versiones de este concepto ya están en desarrollo, con proyectos de gestión de tareas impulsados por IA como AutoGPT y Baby AGI a la cabeza. Aunque no están exentos de fallos, estos proyectos permiten vislumbrar el futuro de la asistencia de la IA generativa.

Una vez madura, este único punto de modelo de contacto será más que una simple conveniencia o cambio operativo. Transformará radicalmente cómo innovamos, tomamos decisiones y estructuramos las organizaciones.

Los agentes de IA generativa completan la solicitud tanto si se trata de refinir código, modificar el diseño de un producto, o cualquier otra cosa respondiendo así a la petición del cliente. Tarea completada Varios agentes de IA generativa trabajan conjuntamente para acceder a todos los datos, el conocimiento, los sistemas empresariales, la información externa y los flujos de trabajo necesarios para hacer el trabajo. Orquestación Un usuario envía una petición a través de un agente de IA de voz. Petición

 

Innovación sin límites

Tradicionalmente, los aumentos en la productividad han surgido de la automatización de procesos. Con la IA generativa, la innovación también generará este aumento, ya que esta nueva tecnología no solo aumenta la capacidad de los humanos para hacer y crear, sino también para pensar. Por ejemplo, utilizando los grandes modelos de lenguaje los asistentes de la IA generativa pueden resumir, condensar y comparar libros e informes, aumentando significativamente el suministro de "materia prima" intelectual que alimente nuevas ideas que se puedan convertir en realidad por cualquiera que sea capaz de articular estas ideas a través de indicaciones y conversaciones con su asistente de IA generativa.

Hoy en día, cuando innovamos, a menudo tenemos que lidiar con sistemas rígidos. Debemos dar forma a ideas y productos para que se ajusten al panorama de TI existente, con sistemas legacy que no respaldan las innovación. En muchos casos, tenemos que centrarnos en los que es técnicamente posible o en lo que podemos hacer más que en lo que realmente cumpliría nuestros objetivos.

La IA generativa supera todas estas restricciones tecnológicas. Introduce una flexibilidad que nunca se ha visto antes, ya que no depende de estrictos requisitos de sistema y puede gestionar datos no estructurados. En este entorno, la innovación provocará aumentos en la productividad, no solo haciendo las mismas tareas más rápido gracias a la automatización.

La flexibilidad de la IA generativa es ya evidente. El proyecto CAMEL, por ejemplo, tiene múltiples agentes de IA generativa que adoptan personajes distintos para abordar un problema, como si tuvieras a tu disposición un mini grupo de expertos para pensar a una solución.  

En última instancia, la IA generativa promete ser una catalizador para la creatividad humana y no un sustituto. Al extraer y utilizar de forma efectiva el conocimiento generado por la IA, los individuos pueden redefinir e implementar estrategias que maximizan su propio pensamiento innovador, impulsando los límites de la creatividad humana.

 

De la innovación al impacto:
un nuevo nivel de toma de decisiones estratégica

El pensamiento innovador abre nuevos horizontes. La toma de decisiones condiciona el resultado. Una vez que una organización incorpora la IA generativa en sus sistemas empresariales y establece un backend unificado para el acceso a los datos, puede aumentar significativamente la velocidad y afinar los procesos estratégicos de toma de decisiones.

Más conocimiento basado en los datos: la IA generativa habilitará el acceso a un conjunto de datos estable y confiable mientras añade capas de profundidad y usabilidad. El aumento de los datos basados en LLM enriquecerá los conjuntos de datos haciendo los modelos de IA más inteligentes. La IA generativa puede procesar datos estructurados y no estructurados, así como datos legacy, donde puede identificar datos de valor que antes se pasaban por alto. Esto transforma los datos que pasan de estar disponibles a ser accesible y útiles.

La consistencia es crucial:  con la IA generativa como la interface a los sistemas empresariales, todos en la organización trabajan con la misma información, las discrepancias desaparecen de los conjuntos de datos o entre departamentos. Este uso consistente de los datos mejora significativamente el rendimiento de la organización y reduce la probabilidad de errores, dando como resultado procesos optimizados y eficientes.

Diferenciarse a través de la toma de decisiones: los líderes que buscan la diferencia competitiva adoptarán la IA generativa para identificar y cumplir la mayoría de los indicadores clave de rendimiento (KPIs). Al identificar los KPIs que les diferencian- considerando los flujos de trabajo, las políticas, los datos legacy y el análisis asociado-, los líderes pueden utilizar la IA generativapara tomar decisiones que les permitan cumplir sus objetivos.

Nuevas estructuras organizativas

La IA generativa podría remodelar fundamentalmente las inflexibles estructuras organizativas basadas en departamentos que han existido durante casi cien años. Del mismo modo que la electrificación y la industrialización nos 'forzó' a reimaginar cómo las organizaciones están estructuradas y operan, un asistente de IA que puede asumir y conectar muchas de las tareas de funciones, como marketing, legal, abastecimiento, operaciones, I+D y ventas, estimulará a las organizaciones a reconsiderar si las configuraciones tradicionales o en silos todavía funcionan.

Esto no significa tener menos empleados, sino repensar cómo los actuales trabajan. Al aprovechar flujos de trabajo, aplicaciones y bases de conocimiento previamente desconectados con asistentes de IA, los equipos pueden dejar de trabajar en silos y colaborar para alcanzar objetivos y realizar contribuciones significativas. Más que desaparecer, los trabajos se centrarán más en los resultados y dependerán de la IA para acceder a las habilidades y al conocimiento.   

La IA generativa también cambiará nuestra forma de pensar sobre los roles dentro de la organizaciones, algunas habilidades técnicas serán menos necesarias y otras, más especializadas, crecerán en importancia. Piensa en la ciberseguridad. A medida que los malos se vuelven creativos con las indicaciones de la IA para extraer información confidencial, las empresas necesitarán profesionales que puedan anticipar estos intentos de engaño. Esto se traduce en roles que, antes se centraban en la parte técnica de la seguridad, y que ahora demandan un alto grado de creatividad y pensamiento innovador.

Además, a medida que la IA generativa se vuelve cada vez más experta en la resolución de problemas, los trabajadores humanos tendrán que mejorar en la búsqueda de problemas, ya que serán ellos quienes impulsen a la IA generativa a encontrar soluciones y oportunidades innovadoras a los mismos. Se demandarán nuevas habilidades, incluyendo una comprensión de la naturaleza humana (sociología, psicología, antropología), diseño de proceso y optimización de proceso (design thinking, Six Sigma, conocimiento especifico del sector) y la participación de la audiencia, tanto intelectual como emocionalmente, a través del storytelling y el diseño.

Asimismo, la colaboración, entre empleados con diferentes habilidades y entre empleados y la tecnología, será fundamental para aprovechar eficazmente este conocimiento. Las organizaciones necesitarán experimentar con estructuras organizativas más horizontales e idear frameworks flexibles que favorezcan y recompensen la colaboración.

Riesgos

Como cualquier otra tecnología emergente, la IA generativa no está exenta de dificultades. Entender los potenciales problemas es clave para navegar con éxito en esta nueva tecnología.

Imprecisiones y "alucinaciones"

La IA generativa se basa en los datos que recibe para hacer predicciones y generar resultados. Sin embargo, algunas veces crea resultados que son imprecisos o completamente inventados, calificados como "alucinaciones". Estas alucinaciones podrían conducir a decisiones no informadas o acciones, que potencialmente pueden causar problemas al negocio.

interactuando
Sesgos y ética

La IA es tan imparcial como los datos con los que ha sido entrenada. Si esos datos contienen sesgos, la IA puede replicar y amplificar estos sesgos en los resultados. También pueden surgir cuestiones relacionadas con la intimidad, la ausencia de consentimiento o acuerdo en el uso de los datos protegidos con derechos de autor utilizados para la formación y el uso indebido de contenido generado. Las organizaciones necesitan considerar todos estos aspectos.

interactuando
Redundancias

La adopción de la IA generativa podría hacer que algunos puestos fueran redundantes, sobre todo, los relacionados con tareas repetitivas o intensivas en datos. Si bien esto generaría una mayor eficiencia, también plantea interrogantes sobre estos puestos y la necesidad de actualización de las habilidades. No obstante, es importante recordar que la nueva tecnología también crea nuevos puestos y nuevas responsabilidades que previamente no existían, contribuyendo así a un mayor ingreso per cápita, más prosperidad y movilidad social.

Un reciente estudio confirma la idea de que la IA no se traduce en pérdida de puestos de trabajo. Economistas del National Bureau of Economic Research encontraron un incremento del 5% en el número de vacantes para trabajos de alta cualificación que se habían considerado vulnerables con la IA, como el trabajo de oficina. El periodo en que se realiza el estudio es de 2011 a 2019, momento en el que las organizaciones empiezan a utilizar el aprendizaje profundo para automatizar tareas. Los investigadores concluyen que la nueva tecnología puede incrementar la demanda de trabajadores más cualificados, incluso, cuando ésta reemplace a aquellos que hacen el trabajo rutinario.

Sam Altman, CEO de OpenAI, explica que, mientras la IA generativa es buena para realizar determinadas "partes" del trabajo, no es buena para hacer "todo" el trabajo. En el corto y medio plazo, siempre habrá un ser humano por medio.

interactuando
Seguridad

Como con cualquier herramienta digital, los sistemas de IA son vulnerables a las ciberamenazas. Como hemos señalado anteriormente, existe el riesgo de que estos sistemas de IA puedan ser engañados para obtener información confidencial. Es evidente la necesidad de un protocolo de ciberseguridad robusto.

Otra amenaza emergente es la inyección de palabra clave, una técnica que utiliza las palabras claves para convencer a los modelos de IA a que proporcionen la información que no deberían. Es más, no siempre se necesita un conocimiento especializado para realizar este tipo de acción.

Es clave que los responsables de seguridad comprendan completamente todas las formas en las que la IA generativa puede verse comprometida. Solo entendiendo todas las posibles vías de ataque pueden salvaguardar realmente sus sistemas y mantener sus defensas sólidas.

interactuando
Regulación

El floreciente y heterogéneo escenario normativo alrededor de la IA generativa, con medidas como la propuesta de ley europea sobre IA, presentan un factor importante que las organizaciones necesitan entender y navegar. Si bien estas regulaciones, que limitan potencialmente el uso de determinados conjuntos de datos, como las marcas de agua para el contenido generado por la IA, pueden parecer desafiantes, no son obstáculos insuperables. Junto con normas estrictas de privacidad de los datos similares a la RGPD, estas regulacione, más que frenar el progreso, exigen a las organizaciones que se adapten e innoven. Las organizaciones que abren el camino necesitarán estar en comunicación con los organismos reguladores para garantizar que tienen voz y un profundo conocimiento de las barreras regulatorias.

interactuando
Sostenibilidad

La IA generativa tiene el potencial de contribuir positivamente a la sostenibilidad, desde ayudar con la creación de informes a analizar los datos para crear soluciones innovadoras. Sin embargo, es importante reconocer el impacto negativo de sus necesidades de energía y computación. Al igual que la tecnología blockchain, las demandas de energía de la IA generativa podrían provocar una respuesta negativa, por lo que es crucial considerar cómo se obtiene la energía y la aplicación inteligente de la tecnología para garantizar que los beneficios superen las preocupaciones ambientales. Mediante la priorización de las fuentes de energía sostenible y las aplicaciones inteligentes, la IA generativa pueden ser utilizada de forma eficaz para generar resultados positivos.

interactuando

Cómo empezar:

No es prudente ignorar los riesgos que conlleva la IA generativa. En vez de fingir que los riesgos no existen, es crucial establecer las salvaguardias necesarias para gestionarlos de forma eficaz. Esto significa comprender dónde se necesita precaución y dónde deben implementarse las medidas de seguridad. Todo al tiempo que se aprovecha el potencial de la tecnología. Para hacer esto de forma eficaz, necesitas:

1. Empezar ahora

Los 'early adopters' de la IA generativa obtendrán la ventaja de gestionar mejor los datos y conseguir las habilidades necesarias para utilizar con éxito la tecnología. Comprender los datos y modelos de IA lleva tiempo y este tiempo perdido por los 'late adopters' no se puede recuperar, lo que significa que existe una clara ventaja para los primeros.

2. Comenzar poco a poco

Identifica áreas en tu organización donde el potencial de riesgo es más bajo. De esta forma, puedes ejecutar de manera simultánea nuevos métodos junto con los procesos existentes. Esto ayuda a aprender de forma gradual sobre la IA generativa mientras minimizas las posibles disrupciones. Tu foco debe ser crear un entorno que favorezca la experimentación y la innovación. La clave es crear una cultura que no tenga miedo de probar cosas nuevas.

3. Elegir tus modelos

Los diferentes modelos de IA generativa destacan en diferentes tipos de tareas y ocupan diferentes puntos en un espectro de apertura y riesgo. Es importante decidir qué necesita utilizar la organización para proporcionar el máximo valor y mitigar los riesgos concretos para la empresa. Algunos modelos están disponibles de manera pública, aunque los datos que se han utilizado para crearlos son opacos, mientras que otros son más pequeños y más de nicho, basados en una industria o materia en concreto, y los datos pueden ser analizados y entendidos completamente. La toma de decisiones informará de los riesgos presentes.

Modelos públicos

Habrá de dos a cinco modelos públicos "generales" amplios, entrenados con datos públicos, privados limitados y algunas veces indiscriminados.

Modelos expertos

Las organizaciones crearán sus propios modelos utilizando propiedad intelectual privada, para servir a un propósito específico o de nicho.

Modelos de la industria

Las grandes actores, como Microsoft, Google, AWS y OpenAI, ofrecerán modelos como servicio personalizables y adaptados a un propósito.

4. Priorizar la trazabilidad

Es clave entender los datos que utilizamos para entrenar los modelos de IA generativa. Esto significa conocer la calidad de los datos y cualquier riesgo posible al que se pueda exponer tanto externa como internamente.

5. Supervisar la IA generativa con la IA generativa

Los propios sistemas de IA generativa se pueden utilizar para evlauar los posibles riesgos. Por ejemplo, puedes utilizarlos para comprobar si un nuevo resultado tiene algún sesgo ético o si hay un riesgo para la reputación, asociado a la publicación de un contenido.

El camino a seguir

La idea de Ernest Hemingway de que la bancarrota se produce de “dos maneras: gradualmente y luego de repente” es también la forma en que la historia probablemente recordará el nacimiento de la IA generativa. El llamativo debut de ChatGPT en noviembre pasado fue la parte "repentina". En apenas unos días y semanas, el mundo no tecnológico y no empresarial se sometió a un curso intensivo sobre la IA generativa, dominando nueva terminología (“grandes modelos de lenguaje", “conjunto de entrenamiento”) y especulando, a menudo de manera desenfrenada, sobre el impacto de esta nueva tecnología en la sociedad. El único punto de acuerdo entre utópicos y catastrofistas fue la velocidad y la escala del cambio: la IA generativa, para bien o para mal, representa al menos un “punto de inflexión”, si no una “disrupción” total, en la historia de la humanidad.

El desarrollo de la IA generativa probablemente será un proceso incremental de décadas de continua perfección y mejora. El impacto de la IA generativa en el mundo empresarial y los cambios descritos anteriormente serán revolucionarios e irán en una dirección: hacia una mayor eficiencia, productividad y los más importante, armonía. Sí, como se describió en anteriores líneas, la IA generativa acabará con los muros entre departamentos y funciones en la empresa ayudándoles a trabajar juntos por un objetivo común. Esta armonía corporativa es consecuencia de una mejor y mayor armonía entre los seres humanos y el mundo que les rodea, un mundo que la IA generativa hace más fácil de controlar y navegar.

 

El trabajo de los líderes en los próximos años será tener presente esa armonía y utilizarla como estrella polar a la hora de tomar decisiones y asumir los riesgos que la IA generativa ya presenta. El entusiasmo en torno a esta nueva tecnología surge de su potencial para forjar una relación nueva, casi sin fricciones, entre los seres humanos y las máquinas. En última instancia, lo más importante, cuando recordemos estos años de cambios, es cómo la IA generativa ayuda a los seres humanos a trabajar con otros seres humanos.

Acerca de los autores

Duncan Roberts
Cognizant Research

Duncan Roberts, que actualmente trabaja en Cognizant Research, se incorporó a la compañía en 2019 como consultor de estrategia y transformación digital en un amplio espectro de industrias, desde las comunicaciones por satélite al sector educativo. Asesoró a clientes en el uso de tecnología para cumplir sus objetivos estratégicos y descubrir el arte de lo posible a través de la innovación.

Antes de trabajar en Cognizant, Duncan formó parte de una de las editoriales más importantes de Europa, liderando la revolución de la publicación digital, ayudando a transformar sus operaciones y lanzando productos innovadores. Tiene un máster en Filosofía y Lenguas Clásicas por la Universidad de St. Andrews.

EmailDuncan.Roberts@cognizant.com
Linkedinhttps://linkedin.com/in/duncan-roberts-16586022/

Naveen Sharma
Vice President and Global Practice Head, AI & Analytics, Cognizant

Naveen Sharma es Vice President AI & Analytics business en Cognizant. Es un consumado ejecutivo de servicios de tecnología que destaca por su visión estratégica y su ejecución táctica para conseguir los objetivos del negocio. Se centra en impulsar el crecimiento a través del liderazgo, la innovación, la pre-venta, el desarrollo de la oferta y la gestión del portfolio.

Lleva más de 25 años trabajando con marcas de primer nivel, como BMS, Sapient e IQVIA, en servicios y tecnología, y en el área de consultoría ofreciendo asesoría a empresas de la lista Fortune 500 en todo el proceso de datos y análisis.

En Cognizant, ha ocupado viarios puestos, como el de responsable de la práctica de Enterprise Data Management, líder de la práctica de AI&A para sector farmacéutico y responsable de ventas de línea de servicios para sector farma.

EmailNaveen.Sharma@cognizant.com
Linkedinhttps://www.linkedin.com/in/4naveen/

Babak Hodjat
Vice President of Evolutionary AI, Cognizant

Babak Hodjat es Vice President of Evolutionary AI de Cognizant, y ex-cofundador y CEO de Sentient. Es responsable de la tecnología que está detrás de los sistemas distribuidos más importantes de inteligencia artificial. Babak también fue fundador del primer fondo de cobertura del mundo basado en IA, Sentient Investment Management. Es un emprendedor nato, ha creado varias empresas de Silicon Valley como inventor y tecnólogo.

Antes de fundar Sentient, Babak fue director senior de ingeniería en Sybase iAnywhere, donde lideró la ingeniería de soluciones móviles. También fue co-fundador, CTOP y miembro de la junta directiva de Dejima Inc. Babak es el principal inventor de la tecnología propietaria orientada a agente de Dejima aplicada a las interfaces inteligentes para la informática móvil y empresarial, la tecnología detrás de Siri de Apple.

Babak ha realizado publicaciones académicas en las áreas de la vida artificial, ingeniería de software orientada a agente e inteligencia artificial distribuida. Babak tiene 31 patentes concedidas o pendientes de aprobación. Es experto en numerosas área de la IA, entre las que se incluyen procesamiento del lenguaje natural, aprendizaje automático, algoritmos genéticos e IA distribuida, y ha fundado numerosas compañías en estas áreas. Babak es doctor en inteligencia automática por la Universidad Kyushu, en Fukuoka, Japón.

EmailBabak.Hodjat@cognizant.com
Linkedinhttps://linkedin.com/in/babakhodjat

Reconocimientos

Los autores agradecen la colaboración de Catrinel Bartolomeu, Director of Storytelling & Content, Cognizant, Mary Brandel, Editor, Mykola Hayvanovych, AVP of AI, Cognitive Computing & Data Science, Cognizant, y Matthew Smith, AVP & Conversational AI Practice Leader, Cognizant, por sus aportaciones a este informe.

Recursos

Impulsa la toma de decisiones con los datos y la IA
Redefine la posibilidad con el poder transformador de la IA generativa
Perspectiva del CEO: El potencial ilimitado de la IA generativa