Blog

Del 13 al 15 de noviembre de 2024 tuvo lugar IBERAMIA 2024, el XVIII Congreso Iberoamericano sobre Inteligencia Artificial, celebrado en Montevideo (Uruguay), organizado por la Facultad de Ingeniería de la Universidad de la República. 

IBERAMIA es la principal conferencia internacional donde la comunidad iberoamericana de IA se reúne para compartir resultados de investigación y experiencias con investigadores en Inteligencia Artificial de todo el mundo. Ayer tuve el honor de realizar una ponencia en el track de “Industria” de IBERAMIA, cuyo contenido procuraré reproducir en este artículo.

El título de mi charla fue “IAG: casuística útil al negocio”, pero perfectamente pudo haber sido “¿Por qué solamente el 15% de los proyectos de IAG alcanzan el éxito?” o “¿Cómo lograr que sus proyectos de IAG de verdad mejoren sus procesos clave y produzcan el ROI y Payback esperados?”, pero nuestro equipo de Marketing jamás nos hubiese permitido recurrir a títulos tan extensos y descriptivos. En todo caso, está claro que el objetivo es analizar con base en experiencias recientes las principales recomendaciones para que la IAG no sea una moda más en su organización, sino que realmente agregue valor, optimice procesos, ayude a captar clientes, a reducir costos y a desarrollar nuevos productos, todo ello en perfecta alineación con su estrategia.

Boom y confusión de la IA/IAG

Es imposible ignorar el impacto sin precedentes que la IA/IAG está teniendo a nivel mundial en todos los aspectos de la economía, de la sociedad y de la vida personal. Veamos algunos números divulgados por prestigiosas empresas especializadas y analistas de mercado con vigencia a comienzos del presente año: 

• La adopción de IA se multiplicó 2,5 veces desde 2017 (Gartner).
• 80% de las organizaciones habrán incorporado IA a sus procesos en 2026 (PWC).
• La IA es la mayor oportunidad económica de la historia, esperándose que contribuya con USD 16 trillones al PIB mundial hacia 2030 (McKinsey).
• La IA produce aumentos de productividad superiores al 45% (McKinsey).

Hace casi dos años el anuncio de ChatGPT inició el boom de la IAG popularizándola a niveles comparables a los del buscador Google. Pero el entusiasmo inmediato contrastó con la falta de verdadero sustento de las iniciativas de IAG, lo que llevó a algunos analistas a alertar sobre un exagerado optimismo del mercado con relación a la inteligencia artificial, especialmente por las enormes inversiones en infraestructura de data centers, que después de más de un año no estaban teniendo su correspondiente retorno de la inversión (ROI).

Algunos periodistas especializados llegaron a comentar con desenfado que el boom de la IAG estaba transformando a los CIO con relación a la IAG en algo parecido a adolescentes con relación al sexo, porque “todo el mundo habla; todo el mundo quiere hacerlo; pero muy pocos saben mucho” del tema.

La dificultad para identificar casos de uso verdaderamente alineados a la estrategia, capaces de generar el ROI esperado hizo que algunos analistas de Goldman Sachs y de Sequoia anunciaran la existencia de algunas evidencias de una burbuja de la IA, que la memoria colectiva rápidamente asoció con la burbuja de Internet de hace algunos años.

En una reciente entrevista de CNBC, el 08/07/2024, Roger McNamee, CEO de la firma de venture capital Elevation Partners y experimentado inversor en tecnología, dijo que el CAPEX en IA se está realizando en base a proyecciones difíciles de ser evaluadas y con grandes chances de no confirmarse. “A los Estados Unidos le encantan las manías financieras” afirmó el ejecutivo de Elevation Partners, una de las primeras firmas en colocar dinero en Facebook.

Roger Mc Namee también hizo otras afirmaciones “provocadoras”:

·       “Hay evidencias de la formación de una burbuja en la inteligencia artificial, y, si ese fuera el caso, más temprano o más tarde habrá un ajuste.”.

·       “Cuando empresas como Sequoia y Goldman Sachs me dicen que existe una burbuja, yo presto atención.”.

Rápidamente los analistas de Goldman Sachs “recogieron el guante” apresurándose a rectificar la visión apocalíptica enfatizando las diferencias con la burbuja de Internet, protagonizada por startups de reciente existencia y escasísimos recursos, contrastando con las “espaldas financieras”  las Big Tech y los Hyper Scalers, protagonistas y principales inversores en infraestructura requerida para alojar LLM’s, grandes consumidores de capacidad de almacenamiento y de costosos procesadores gráficos.

En todo caso, la rápida evolución de la oferta tecnológica agravó la confusión, enfrentando a los decisores a supuestos dilemas sobre un amplio abanico de posibilidades en cuanto al tipo de modelo y plataforma a utilizar. En primer lugar, los cuestionados elevados costos de los grandes modelos fundacionales y LLM’s (Large Language Models), dieron lugar al surgimiento de los SLM’s (Small Language Models), de menor tamaño y costo, aunque cubriendo la mayor parte del perímetro de alcance de los LLM’s. Se creó así la posibilidad (¿necesidad?) de optar por un LLM o un SLM.

También puede optarse por una implantación en la nube, cloud, o en servidores o en un data center propio, on premises. En caso de utilizarse un LLM la opción tendrá que ser cloud, pues los grandes modelos fundacionales y los LLM’s solamente se ponen a disposición en modalidad SaaS en la nube. Los SLM en cambio pueden considerarse para una implantación on premises dado su menor tamaño.

Se trate de un LLM o un SLM, a utilizarse en la nube u on premises, también podrá optarse por la utilización de modelos propietarios (en general de las Big Tech) como por modelos abiertos, open source. Los benchmarks más difundidos relatan performances cada vez más parecidas entre una y otra opción, siendo conveniente realizar un análisis técnico más detallado a la luz de los tipos de funcionalidades más utilizadas en cada caso para adoptar esta decisión.

Otro posible dilema consiste en optar por modelos probabilísticos o por modelos determinísticos. Un caso real y reciente de un Cliente de Quanam trabajó con nosotros en una POC utilizando un LLM (modelo probabilístico) y los Usuarios del Área de Negocios del Cliente detectaron que, en momentos diferentes, ante la misma pregunta, las respuestas generadas en lenguaje natural no coincidían con exactitud entre sí con exactamente las mismas palabras, aunque la respuesta conceptual en todos los casos era la misma. Curiosamente ese factor, propio de cualquier modelo probabilístico (como también sucede con los seres humanos) llevó a estos Usuarios a pedirnos la evaluación de utilizar un modelo determinístico, basado en un árbol de decisión, que ante la misma pregunta siempre produciría exactamente la misma respuesta incluyendo las mismas palabras.

En nuestra experiencia, sin perjuicio de analizar las características de cada caso, es muy frecuente que estos supuestos dilemas LLM vs. SLM, cloud vs on premises, propietario vs. open source, modelo probabilístico vs. modelo determinístico, sean en realidad falsos dilemas, siendo posible optar por combinaciones híbridas de estas características, haciendo colaborar funcionalidades de cualquiera de los orígenes citados.

Consejos para el éxito

Aunque no hay fórmulas exactas para el éxito de las iniciativas innovadoras usando IAG, nuestra rica experiencia de los últimos dos años nos ha permitido identificar algunos factores determinantes del éxito o fracaso. Resumimos aquí sucintamente cinco áreas a considerar:

1.      Una trilogía clave para el éxito: trabajar con una firma de Consultoría verdaderamente especializada que ayude a definir el Fabricante de la plataforma y el LLM/SLM/Modelo Fundacional a utilizar, así como para definir en conjunto con los Usuarios de las Áreas de Negocio, los casos de uso a implantarse y su forma y objetivos.

2.      Tal vez lo más importante sea definir casos de uso que realmente agreguen valor a los procesos de negocio: optimizando el “core business”, alineados con la estrategia general y con las estrategias de datos, capaces de producir el ROI esperado y ejecutables en plazos y con presupuesto adecuado al bolsillo de la organización.

La Universidad de Stanford listó recientemente las principales áreas de aplicación eficaz de la IAG:

a. Contact Center: 26%

b.      Personalización: 23%

c.      Adquisición de clientes: 22%

d.      Mejora de productos/servicios basados en AI: 22%

e.      Creación de productos/servicios basados en AI: 19%

Nuestra experiencia muestra la especial relevancia de trabajar en equipo con las áreas usuarias del Cliente, incluso después de elegido el caso de uso. Por ejemplo, en la IMM (Intendencia Municipal de Montevideo) originalmente pensábamos en desarrollar un chatbot para responder preguntas de usuarios especializados (arquitectos y técnicos habilitados) sobre las disposiciones regulatorias relativas a Permisos de Construcción y nos dimos cuenta de que además de las respuestas en lenguaje natural era imprescindible proporcionar en forma jerárquica de pertinencia, los artículos del Digesto Municipal aplicables.

3.      Definir la arquitectura más adecuada para el caso de uso es importante, resolviendo los dilemas señalados anteriormente: LLM o SLM, modelos probabilísticos y determinísticos (o ambos), “on premises” o “cloud”, propietario u “open source” (o ambos).

4.      El cuarto consejo consiste en integrar diferentes tecnologías, colaborando entre sí en una misma solución o caso de uso, es decir, no limitarse al uso de tecnología IA-IAG, considerando otras tecnologías avanzadas, como Modelos Estadísticos de Análisis Predictivo, BPM (Business Process Management) y RPA (Robot Process Automation) especialmente en casos de automatización de procesos inteligentes. Preferentemente aprovechando productos tecnológicos ya existentes en el Cliente.

Citamos el caso de un proyecto implementado por Quanam con y para la Dirección Nacional de Industrias de Uruguay con el objetivo de revisar la viabilidad de incorporar inteligencia artificial en los procesos existentes. Se seleccionó el proceso de importación de autopartes provenientes de Brasil, en el marco del Acuerdo de Complementación Económica en vigor, teniendo en cuenta la cantidad de trámites realizados anualmente, en el entorno de las 3.000 instancias.

Los principales beneficios para DNI son que la solución permite acelerar la validación de solicitudes y liberar recursos humanos. Para ello se integraron procesos de BPM aprovechando la herramienta APIA BPM que la DNI ya poseía, con un BOT desarrollado con la herramienta de RPA Microsoft Power Automate Desktop que la DNI también poseía, y funcionalidades de las herramientas Microsoft Power Automate Flow y Microsoft AI Builder de Power Platform.

5. Finalmente, nuestro quinto consejo se refiere a adoptar un abordaje basado en riesgos en sus iniciativas innovadoras, evaluando y mitigando riesgos específicos asociados a los proyectos de IAG, como las violaciones de la privacidad de los datos, los sesgos de los modelos, sus alucinaciones e inexactitudes y la infracción de disposiciones de la propiedad intelectual.

Recomendamos incorporar a sus políticas, normas y orientaciones de compliance y ética los aspectos específicos vinculados al uso responsable de servicios y soluciones basadas en IA/IAG, y contratar los servicios de firmas de consultoría que, como Quanam, también tengan ese perfil ético y utilicen en el día a día buenas prácticas de transparencia, ética, integridad y cumplimiento.

Ampliando sobre la firma Consultora

Enfatizamos nuevamente la importancia de preocuparse por la trilogía clave para el éxito, comenzando por una firma Consultora con conocimientos profundos desde el punto de vista tecnológico y metodológico en relación con proyectos de IA/IAG, pero también con verdadera experiencia en ese tipo de proyectos. La contratación de una firma Consultora con esas credenciales ayudará al Cliente a seleccionar de manera fundada la(s) plataforma(s) y las tecnologías a emplear, incluyendo la elección del(los) Fabricante(s) y su interacción con los Usuarios del Cliente, incluyendo el personal de TIC y de las áreas de negocios involucradas, para escoger y “dar forma” a casos de uso realmente adaptados a los requerimientos, necesidades y posibilidades del Cliente, aumentando así significativamente la probabilidad de éxito de la implantación, logrando sus objetivos y produciendo el retorno de la inversión esperado.

Quanam es una firma de consultoría “agnóstica”: sin perjuicio de aconsejar cuáles plataformas, servicios y herramientas TIC se adaptan mejor a cada caso, “no nos casamos” con ninguna marca, estamos abiertos a todas y tenemos experiencia con la mayoría. Trabajamos con los principales modelos fundacionales / LLM’s, en orden alfabético:

· Bedrock de Amazon
· Gemini de Google
· Granite y watsonx.ai de IBM
· Llama de Meta
· Mistral LLM de Mistral AI
· OpenAI ChatGPT de Microsoft

En Uruguay tenemos el privilegio de contar con dos laboratorios de clase mundial, ambos instalados en el campus del LATU (Laboratorio Tecnológico del Uruguay): el Laboratorio de Co Innovación de Microsoft y el Build Labs de IBM en el Uruguay Innovation Hub. Se trata de laboratorios que cuentan con recursos de nivel mundial, y que, aunque están en Montevideo, fueron creados para realizar proyectos originarios de todos los países de la región, desde el Río Grande hasta la Patagonia. El conocimiento y la experiencia de Quanam están al servicio de las empresas privadas e instituciones públicas del Uruguay y de América Latina para ayudarlos a identificar proyectos que implanten casos de uso verdaderamente útiles al objeto de la organización, integrando con ellos y con el(los) Fabricante(s) que se seleccionen la trilogía adecuada para garantizar le éxito de sus proyectos innovadores.

Quanam viene trabajando en IA hace más de quince años, y en los últimos dos años hemos liderado las iniciativas de IAG en Uruguay y en la región, habiendo creado numerosos proyectos exitosos, entre los que mencionamos los siguientes:

· OUC – Orlando Utilities Commission (agua y electricidad): Genera IA, aplicativo/producto de IAG creado por Quanam para generar automáticamente pliegos de condiciones / RFP / RFQ en procesos de compra. Numerosas instituciones públicas uruguayas están evaluando este producto.

· BROU (Banco de la República Oriental del Uruguay): Desarrollo e implantación de Asistentes Virtuales para Procesos Internos del banco.

· IMC (Intendencia Municipal de Canelones): Desarrollo e implantación de Asistente Virtual para información y trámites de Tránsito del Departamento de Canelones, Uruguay.

· ANTEL (Administración Nacional de Telecomunicaciones): Desarrollo e implantación de Asistentes Virtuales para Ejecutivos de Cuenta y para Análisis de Encuestas de Marketing del principal operador de telefonía y telecomunicaciones de Uruguay.

· Hospital de Clínicas: Desarrollo e implantación de Resúmenes de Historias Clínicas para pacientes de CTI (Centro de Tratamiento Intensivo) del mayor Hospital Universitario del Uruguay, optimizando el tiempo de atención de pacientes.

· Xn: Desarrollo e implantación de Asistente Virtual para acceso a bases de conocimiento incluyendo videos / documentos. “X a la n” es una consultoría especializada en estrategia, gestión, liderazgo y desarrollo organizacional y personal.

José C. Nordmann
Chief Compliance Officer en Quanam