Los ejecutivos de negocios y de TI entrevistados para una encuesta reciente de Deloitte desconfían de los costos asociados con los proyectos de inteligencia artificial generativa (GenAI), y el tiempo corre para que las organizaciones creen un valor significativo y sostenido a través de sus iniciativas GenAI.
Según Deloitte, el coste se convertirá cada vez más en un factor clave en la toma de decisiones sobre GenAI. La encuesta realizada a 2.770 líderes empresariales y de TI informó que sólo el 16% de las organizaciones dijeron que producen informes periódicos para el director financiero sobre el valor que se crea con la tecnología.
Sin embargo, Deloitte dijo que a medida que GenAI se convierta en una parte integral de la forma en que se hacen negocios, sus iniciativas se medirán cada vez más con métricas financieras tradicionales a medida que las organizaciones comiencen a exigir resultados más tangibles y mensurables de sus inversiones en GenAI.
En el Estado de la IA generativa en la empresa En el informe que acompaña a la encuesta, Deloitte predijo que las empresas adoptarán un conjunto integral de medidas financieras y no financieras para presentar una imagen completa del valor creado a partir de las inversiones en iniciativas GenAI.
“En el futuro, es posible que veamos surgir nuevas métricas que reflejen sus características y capacidades únicas”, escribieron los autores del informe. “Por ejemplo, podría haber una métrica que cuantifique el desempeño de los trabajadores humanos y los sistemas GenAI (juntos o por separado) en tareas creativas y relacionadas con la innovación”.
Deloitte instó a los líderes empresariales y de TI a descubrir cómo medir y comunicar el valor de la tecnología, lo que, según dijo, es fundamental para establecer expectativas y mantener el interés, el apoyo y la inversión de la alta dirección y la sala de juntas. Cita a un director senior y jefe de un acelerador GenAI en la industria farmacéutica que cree que el rendimiento de los grandes modelos de lenguaje (LLM) aún debe mejorarse junto con la preparación de los datos. “Los datos serán un problema para siempre”, dijeron. “También una comprensión profunda de la IA generativa. No hay suficientes personas que comprendan y puedan impulsar la transformación”.
Deloitte dijo que el valor de las iniciativas GenAI provendrá cada vez más de organizaciones que hagan uso de datos diferenciados de nuevas formas, como para ajustar los LLM, crear un LLM desde cero o desarrollar aplicaciones empresariales de IA. “Para que la IA generativa produzca el tipo de impacto que esperan los ejecutivos, las empresas probablemente necesitarán aumentar su comodidad con el uso de sus datos patentados, que pueden estar sujetos a regulaciones existentes y emergentes”, dijeron los autores del informe.
Acceso a datos públicos para formación
Hay muchos casos en los que las organizaciones pueden mejorar los LLM capacitados en datos de Internet con datos internos para personalizar los sistemas públicos basados en IA según sus requisitos comerciales particulares. Sin embargo, las investigaciones han descubierto que el uso de datos públicos de LLM como fuente para capacitar a otro LLM puede generar imprecisiones.
En un artículo publicado en Naturaleza El mes pasado, los investigadores Ilia Shumailov, Zakhar Shumaylov, Yiren Zhao, Nicolas Papernot, Ross Anderson y Yarin Ga afirmaron que había una “ventaja de ser el primero en actuar” cuando se trata de entrenar modelos de IA.
“En nuestro trabajo, demostramos que el entrenamiento con muestras de otro modelo generativo puede inducir un cambio de distribución que, con el tiempo, provoca el colapso del modelo”, dijeron.
Los investigadores recomendaron que los desarrolladores del modelo de IA se aseguraran de que se preservara el acceso a la fuente de datos original y que los datos adicionales no generados por los LLM permanecieran disponibles con el tiempo. También advirtieron sobre la dificultad para identificar los datos creados por los LLM en Internet.
“La necesidad de distinguir los datos generados por los LLM de otros datos plantea dudas sobre la procedencia del contenido que se rastrea desde Internet”, señalaron.
Los investigadores también predijeron que podría resultar cada vez más difícil capacitar versiones más nuevas de LLM sin acceso a los datos obtenidos de Internet antes de la adopción masiva de la tecnología o acceso directo a los datos generados por humanos a escala.
Una posible solución sugerida por los investigadores es que las diferentes partes involucradas en la creación e implementación de LLM podrían compartir la información necesaria para determinar la fuente original de los datos.