La generación de insights valiosos mediante la Inteligencia Artificial (IA) es inmensamente poderosa, pero lo verdaderamente crucial no reside solo en lo que la IA puede producir, sino en qué hacen las empresas con esos hallazgos. Ese es el tipo de logro que marca la diferencia y en lo que las organizaciones deberían concentrar sus esfuerzos. En su conferencia principal en el Open Source Summit, Ryan Waite, Director de Open Source Ecosystems and Incubations en Microsoft, expone un mensaje fundamental: la IA debe ser una palanca para mejorar procesos, pero el verdadero crédito pertenece a la capacidad de las empresas para aprender y actuar sobre ese aprendizaje.
Waite describe la interacción entre IA y experiencia humana como un bucle de aprendizaje, una especie de máquina de escalada que ayuda a las empresas a mejorar y a seguir mejorando. Este enfoque resalta dos ideas clave: el conocimiento pertenece a la empresa y la soberanía sobre ese conocimiento es esencial.
El conocimiento pertenece a la empresa. Las modelos de IA pueden procesar volúmenes enormes de información y generar insights a una escala imposible para las personas. Sin embargo, lo que aporta un valor diferencial es el contexto y el juicio humano. Insertar los insights en un marco más amplio y utilizar ese contexto para extraer conclusiones permite convertir información en conocimiento, y ese conocimiento se integra con la experiencia colectiva de la organización. Cada iteración fortalece ese conocimiento, impulsando a la empresa a escalar su “montaña” de aprendizaje.
La soberanía y la propiedad emergen como tema transversal en las charlas del foro. A medida que la IA genera insights y los humanos los transforman en conocimiento, se vuelve vital asegurar ese conocimiento y mantenerlo bajo el control de la organización. Como señala Waite: “Se basa en tus datos. Se basa en tu gente. No debería entregarse a un modelo de IA externo. Por eso creemos que, para que las organizaciones construyan sus propias máquinas de escalada y sus propios grupos de aprendizaje, deben construir un control con bucles de aprendizaje y no depender de un único proveedor de IA.”
Todo lo que la IA genera debe basarse, o al menos aspirar a basarse, en información empresarial propietaria, y las decisiones que se tomen a partir de esos insights dependerán del entendimiento de la empresa por parte de su gente. Por ello, las empresas deben garantizar que la propiedad del conocimiento acumulado no se entregue a un proveedor externo de IA, un reto que probablemente crecerá a medida que aumente la dependencia de herramientas basadas en IA.
El conocimiento generado mediante estas herramientas podría quedar vinculado a un modelo o proveedor concreto. ¿Qué sucede cuando las empresas quieren adoptar tecnologías más modernas a medida que surgen? Para asegurar la continuidad futura de estos procesos, Waite propone que las empresas construyan sus propios bucles de aprendizaje y mantengan el control sobre la información, los procesos y las tecnologías que les permiten operar.
Elegir el modelo de IA adecuado. Una forma de mantener ese control es no quedar atado a un único modelo de IA. Muchas organizaciones inician su viaje con modelos fronterizos propietarios, especialmente cuando abordan problemas que aún no entienden completamente. Con el tiempo, a medida que adquieren dominio sobre sus tareas, pueden prescindir de modelos costosos y evolucionar hacia modelos especializados, que podrían ser más pequeños o económicos. Incluso pueden migrar hacia modelos de pesos abiertos que puedan gestionar internamente.
“Poder moverse entre diferentes modelos es crucial, especialmente cuando se diseñan algoritmos. ¿Qué modelos van a utilizar? No deberían quedar atrapados por un tipo de modelo solo porque contiene su conocimiento.” Esta libertad de elegir y cambiar modelos es central en la estrategia de IA empresarial.
En última instancia, lo importante es conservar la autonomía para cambiar y avanzar a lo largo del camino. Esto implica también controlar dónde se ejecutan las cargas de trabajo de IA, ya sea en infraestructuras soberanas reguladas por normativas locales, en sistemas on-premises o en entornos de nube pública, donde se pueden aprovechar beneficios de escalabilidad y costos. Las tecnologías de código abierto (open source) proporcionan la base para esta flexibilidad, concluye Waite.
Este marco propone una visión pragmática: combinar el poder de la IA para extraer insights con una gobernanza robusta, conocimiento propietario y libertad tecnológica para moverse entre modelos y plataformas. En un panorama donde la IA continúa evolucionando rápidamente, la capacidad de las organizaciones para aprender, mantener el control y adaptarse será el diferenciador clave entre la mera generación de datos y la generación de valor sostenible.
from Latest from TechRadar https://ift.tt/PeOWQF6
via IFTTT IA
