¿Qué es la IA generativa?

Explicación

La IA generativa es una familia de modelos que producen contenido nuevo a partir de una instrucción: texto, imágenes, código, audio o vídeo. En vez de asignar una etiqueta a una entrada, el modelo aprende los patrones de enormes conjuntos de datos y genera una salida que los sigue. Está detrás de asistentes como ChatGPT, de generadores de imagen, de asistentes de código y de cada vez más aplicaciones empresariales. Su fuerza es la flexibilidad; su debilidad, que una respuesta puede sonar bien y ser falsa. Por eso necesita datos de apoyo, evaluación y revisión humana cuando hay mucho en juego.

Cómo funciona

La mayoría de la IA generativa actual se basa en redes neuronales muy grandes entrenadas con enormes volúmenes de datos. Un modelo de lenguaje aprende a predecir el siguiente fragmento de texto; repetido muchas veces, eso da párrafos, respuestas o código. Los modelos de imagen y de audio usan técnicas parecidas para convertir una descripción en píxeles o en sonido.

Un mismo modelo sirve para muchas tareas porque la tarea se describe en el prompt. En la empresa, el modelo suele ir acompañado de datos propios (por ejemplo, mediante recuperación), de herramientas que puede llamar y de reglas sobre lo que puede y no puede hacer.

Para qué la usan las empresas

• Redactar y resumir documentos, correos e informes.
• Responder preguntas sobre conocimiento interno, políticas y manuales.
• Asistentes de atención al cliente y apoyo al contact center.
• Escribir, revisar y explicar código.
• Extraer datos estructurados de contratos, facturas o formularios.
• Crear imágenes, vídeo o voz para marketing y formación.

IA generativa frente a IA tradicional

El machine learning tradicional es sobre todo discriminativo: clasifica, puntúa o predice, como detectar fraude o anticipar la demanda. La IA generativa produce algo nuevo: una respuesta, un borrador, una imagen.

Las dos suelen trabajar juntas. Un modelo predictivo decide qué clientes necesitan atención y uno generativo redacta el mensaje. La IA generativa no sustituye a la analítica; añade encima una capa de lenguaje y de contenido.

Límites que hay que prever

• Alucinaciones: respuestas que parecen correctas pero no se apoyan en hechos.
• Exposición de datos: prompts y respuestas pueden llevar información confidencial o personal.
• Coste y latencia, que crecen con el tamaño del modelo y con el uso.
• Propiedad intelectual y regulación, incluidas las obligaciones del Reglamento Europeo de IA.
• La necesidad de evaluar y monitorizar el sistema cuando ya está en producción.

Preguntas frecuentes

Para seguir leyendo

• Estrategia de IA generativa: implicaciones y oportunidades para empresas
• IA generativa: del entusiasmo a la creación de valor en el mundo real

Términos relacionados

• Evaluación Proceso de medir lo bien que funciona un modelo o una aplicación de IA: exactitud, relevancia, seguridad, sesgo, coste y otros criterios.
• Adaptación de Dominio Ajustar un modelo de IA de propósito general para que funcione bien en un campo especializado, como el legal, el sanitario o el asegurador, con su lenguaje y sus reglas.
• Agenda del agente El plan vivo de un agente de IA: los próximos pasos en orden, las subtareas abiertas, lo bloqueado y los puntos de control hacia un objetivo.
• Agente IA Software que persigue un objetivo decidiendo sus propios pasos, usando herramientas y datos, y actuando sobre sistemas con poca intervención humana.
• Alucinación Cuando un modelo de lenguaje produce información que suena verosímil pero es falsa, inventada o no está respaldada por sus fuentes.
• Aprendizaje Few-Shot Conseguir que un modelo haga una tarea a partir de muy pocos ejemplos, algo que los modelos de lenguaje grandes logran leyendo esos ejemplos en el prompt.