Deep Tech Talks – IA Generativa: ¿Cómo funciona y qué implica realmente?
La semana pasada, en la segunda sesión de las Deep Tech Talks sobre IA Generativa pudimos explorar el contexto, uso e implicaciones de esta tecnología.
Implicaciones de la IA generativa
Bruno Gerlic, chief revenue officer en PredictLand AI, abrió la sesión destacando el rápido crecimiento y el impacto económico de la inteligencia artificial (IA) generativa, siendo una «megatendencia». Además, explicó su funcionamiento, el cual se basa en el aprendizaje automático, donde se emplean grandes cantidades de datos y parámetros, lo que permite al sistema entender el significado de cada palabra y generar una respuesta en lugar de una predicción.
El ponente señaló que, aunque los modelos de IA generativa tienen el potencial de generar ingresos de miles de millones de euros, integrarlos en aplicaciones prácticas como chatbots puede ser complejo ya que requieren que la IA entienda y responda adecuadamente a las consultas de los usuarios. A pesar de que los chatbots ya existen y son capaces de manejar tareas rutinarias, aún requieren de supervisión humana para consultas más complejas. Por otro lado, están los agentes de IA, que serán quienes atiendan a los clientes y manejarán llamadas, solicitarán información adicional e incluso programarán reuniones. Aunque esta tecnología aún está en fase de investigación, se espera que se vuelva común en los próximos años.
Bruno cerró su ponencia abordando las limitaciones de la IA generativa, como dificultades con series temporales, sesgos y limitaciones en cálculo; las preocupaciones, como la dependencia de modelos externos y el consumo de energía; las perspectivas de futuro, que incluyen avances en capacidades multimodales y robótica; y las oportunidades para los profesionales, emprendedores y empresas. Para estas últimas destacó que el verdadero valor radica en su capacidad de utilizar sus datos para crear valor, a través de la integración de IA generativa y predictiva.
Entendiendo el Computer Vision
En el caso de Iago Suárez, senior machine learning engineer en Qualcomm, su ponencia se enfocó en el campo del Computer Vision, una rama de la inteligencia artificial (IA) que permite a las máquinas comprender imágenes y vídeos, explicándonos cómo funciona esta IA: en una imagen cada píxel se considera una neurona que toma un valor concreto, y la activación se determina en función de las características de la imagen de entrada.
En cuanto a las aplicaciones y usos potenciales del Computer Vision, destacó los vehículos autónomos, los robots, la realidad virtual y aumentada y la reconstrucción tridimensional. Aunque en los últimos años han surgido otros métodos que permiten, por ejemplo, clasificar imágenes, detectar objetos y el reconocimiento facial, que pueden ser utilizados para diversos propósitos. También destacó la posibilidad de convertir imágenes en palabras y viceversa, lo que ha permitido la generación de imágenes personalizadas.
Finalmente, Iago nos habló de los Vision Transformers, donde la imagen se divide en piezas tratadas como tokens, agregando además información sobre la posición de la pieza. Esto, aplicado a otros dominios, ha permitido relacionar imágenes o generar vídeos a partir de una imagen y un audio. En definitiva, esta tecnología ha mejorado significativamente las capacidades de análisis y generación en el ámbito del Computer Vision.
Mercado laboral y robotización
Mª Teresa Ballestar, profesora e investigadora en la Universidad Rey Juan Carlos y head of analytical consultants en Google, cerró la sesión abordando la intersección de la robotización con la educación y el empleo, a través de la investigación llevada a cabo por la URJC en este ámbito.
Destacó los beneficios de la robotización, como una mayor eficiencia operativa, pero también reconoció los desafíos, como la necesidad de experiencia y capacitación de los empleados para que puedan usar de manera eficiente la nueva tecnología, siendo este uno de los aspectos más complejos a la hora de robotizarse.
La investigación se centró en tres puntos fundamentales: la preparación empresarial para adoptar la tecnología, el impacto en el capital humano y el desarrollo de herramientas para ayudar a las empresas en la toma de decisiones para la transformación tecnológica. La ponente destacó que la base de datos es la clave de la investigación llevada a cabo, siendo ésta longitudinal, con una alta granularidad y en la que se han incluido datos de empresas industriales de todos los sectores.
Las conclusiones de la investigación indican que, si la empresa se robotiza de manera correcta, mejoran todos sus indicadores de productividad, teniendo que prestar especial atención al capital humano para que la adopción tecnológica sea exitosa, advirtiendo también sobre los riesgos de adoptar la tecnología demasiado temprano o tarde.
En cuanto a cómo afecta al empleo y a la productividad esta robotización, indica que, aunque puede haber un período de ajuste y reestructuración, una vez que la productividad aumenta, las empresas necesitarán contar con mayor plantilla que acompañe a ese crecimiento. Los costes de los empleados también aumentarán debido a salarios más altos para trabajadores con mayor nivel de estudios. Sin embargo, hay un punto de saturación donde tener una fuerza laboral altamente cualificada ya no proporciona una diferencia significativa en la productividad.
Por último, Mª Teresa destacó que las empresas robotizadas son mucho más resistentes a eventos inesperados, como una crisis financiera.
Si no pudiste asistir al evento, puedes verlo en el siguiente vídeo de nuestro canal de YouTube:
