Desbloqueando Verdaderas Perspectivas: Lecciones Clave de Google Cloud Más Allá de la Hipe de la IA

¿Es siempre mejor lo grande para los Modelos de Lenguaje Grande (LLMs)?

Yasmeen Ahmad, directora general de estrategia y gestión de productos en datos, análisis e IA en Google Cloud, compartió recientemente sus conocimientos sobre este tema en VB Transform. ¿Su respuesta sencilla? “Sí y no”.

Aunque los LLMs más grandes tienden a ofrecer un mejor rendimiento, no lo hacen de manera indefinida. Ahmad subrayó que los modelos más pequeños, entrenados con datos específicos de un sector, pueden superar a sus contrapartes más grandes. “Los datos son la piedra angular”, señaló, destacando cómo la información centrada en la industria empodera a los modelos.

Este enfoque fomenta la creatividad, la eficiencia y la inclusividad dentro de las empresas. Al aprovechar datos que antes eran inaccesibles, las organizaciones pueden involucrar a los empleados de maneras innovadoras.

“IA generativa está ampliando los horizontes de lo que las máquinas pueden crear”, dijo Ahmad. “Borra la línea entre tecnología y magia, redefiniendo lo que consideramos magia”.

La necesidad de una nueva base para la IA

Entrenar efectivamente a los LLMs en un contexto empresarial específico implica dos técnicas clave: el ajuste fino y la generación aumentada por recuperación (RAG). El ajuste fino ayuda a los LLMs a captar “el lenguaje de su negocio”, mientras que RAG conecta el modelo con datos en tiempo real de diversas fuentes, como documentos y bases de datos.

“Esto permite respuestas precisas, cruciales para análisis financieros, análisis de riesgos y más”, explicó Ahmad.

La verdadera fortaleza de los LLMs reside en sus capacidades multimodales, lo que les permite manejar diversos tipos de datos como video, texto e imágenes. Dado que entre el 80 y el 90% de los datos empresariales son multimodales, Ahmad enfatizó la importancia de utilizar LLMs para aprovechar esta información de manera efectiva.

Un estudio de Google reveló una mejora del 20 al 30% en la experiencia del cliente al emplear datos multimodales, mejorando la capacidad de las empresas para evaluar el sentimiento del cliente y analizar el rendimiento de productos en relación con las tendencias del mercado.

“Ya no se trata solo de reconocimiento de patrones”, afirmó Ahmad. “Los LLMs pueden comprender las complejidades de nuestras organizaciones al acceder a todos los datos disponibles”.

Las empresas tradicionales enfrentan desafíos con infraestructuras de datos obsoletas que tienen dificultades para procesar información multimodal. El futuro de la IA exige una nueva base diseñada para esta complejidad.

IA Conversacional: El papel de la interacción

Ahmad también destacó la importancia de las interacciones de preguntas y respuestas en los LLMs exitosos. Aunque interactuar con los datos empresariales puede parecer atractivo, presenta desafíos.

Por ejemplo, si pides a un colega la proyección de ventas del próximo trimestre sin proporcionar contexto, sus respuestas pueden ser vagas. Lo mismo aplica para los LLMs, que requieren contexto semántico y metadatos para ofrecer respuestas precisas.

El análisis humano a menudo implica un diálogo continuo para refinar las preguntas y obtener claridad. Del mismo modo, los LLMs deben fomentar conversaciones coherentes, evolucionando de interacciones aisladas a "la próxima generación de IA conversacional”.

“Piénsalo como un compañero personal de datos”, sugirió. Este trabajador incansable puede participar en intercambios reflexivos, permitiendo que los usuarios confíen en los resultados.

Ahmad se refirió a la aparición de la "IA agente": sistemas capaces de tomar decisiones y perseguir objetivos. Estos modelos emulan procesos de pensamiento humano descomponiendo tareas en subtareas y desarrollando habilidades de pensamiento estratégico.

Con los avances en capacidades en tiempo real, estos desarrollos están ocurriendo a una velocidad sin precedentes. “El futuro está aquí y está dando lugar a nuevas generaciones de negocios”, concluyó Ahmad. “Estamos solo al principio de lo que esta tecnología puede facilitar”.