Blog

La IA Generativa (IAG) es una rama de la Inteligencia Artificial que tiene por objetivo generar contenido nuevo y original como textos, imágenes, audios y datos sintéticos a partir del aprendizaje de patrones de una gran cantidad de datos y mediante el uso de modelos complejos de Deep Learning. Las capacidades de la IAG incluyen:

• La generación de textos, imágenes, videos y música originales
• Poder mantener una conversación en lenguaje natural
• Tomar decisiones y acción
• Imitación de estilo de escritura y voz
• Creación de ideas y prototipos
• Automatización de tareas y generación de código
• Clasificación y predicciones
• Generación de datos sintéticos o artificiales que imitan a los datos reales. 
  

¿Como funciona la IAG?

Cuando una aplicación de IAG recibe una pregunta, contexto o instrucción en diferentes formatos (texto, imagen, vídeo, datos, código, etc) el modelo IAG, genera una respuesta creando contenido nuevo. Este contenido puede incluir información diversa como respuestas, resúmenes, ensayos, sugerencias, eslóganes, logotipos, dibujos, videos personalizados, etc.

Los modelos IAG permiten respuestas aleatorias, es decir ante una misma pregunta o instrucción no generan exactamente la misma respuesta, lo cual permite cierto nivel de creatividad. El entrenamiento de estos modelos consiste en ajustar sus parámetros para diferentes casos de uso con conjuntos de datos de entrenamiento de acuerdo a cada caso.

Por ejemplo, para un servicio de atención al cliente por texto o voz se podría entrenar al chatbot mediante preguntas comunes de clientes diversos, con las respuestas conformes del personal que los atiende y con el estilo adecuado. En el caso de generación de imágenes, el aplicativo puede entrenarse con descripciones textuales e imágenes correspondientes a las descripciones.

Orígenes y evolución de la IAG

La IAG se ha desarrollado durante varias décadas, teniendo su origen a finales de la década de 1950 con los primeros modelos de redes neuronales. A partir de entonces, se han logrado avances significativos, como el desarrollo del modelo de lenguaje estadístico n-gram en los 80s, el desarrollo de las Redes Neuronales Profundas (DNN o Deep Learning) y Máquinas de Boltzmann Restringidas (RBM) en los años 2000, y la creación del modelo de Redes Generativas Adversariales (GAN) en 2014. En los últimos años la IAG se ha favorecido por la disponibilidad de grandes cantidades de datos, el desarrollo de GPUs y otros procesadores de alto rendimiento, y la participación de grandes inversionistas de tecnología. Esto ha permitido crear modelos capaces de imitar las capacidades creativas y de lenguaje de un humano entrenado.

ChatGPT y los modelos LLM

El ejemplo más conocido de la IAG es la herramienta chatGPT de OpenAI, que usa modelos llamados LLM (Large Language Model) como el GPT-3 o GPT-4 para el entendimiento y generación de lenguaje escrito. Los modelos LLM son entrenados con miles de millones de datos de texto que incluyen millones de libros de diferentes géneros, miles de millones de artículos de noticias, blogs, revistas científicas, sitios web, mensajes de redes sociales, foros, mensajería, código de diferentes lenguajes de programación, guiones de transcripciones de audio y video, etc. Estos datos son limpiados y preprocesados para convertirlos a un formato que el modelo pueda entender.

El entrenamiento comienza con un preentrenamiento para que el modelo aprenda patrones lingüísticos básicos. Luego se especializa en tareas específicas mediante el uso de datos etiquetados. Finalmente, se refina con la retroalimentación de expertos y usuarios reales para mejorar su precisión y evitar que genere información falsa o dañina.

Los modelos LLM pueden predecir con un alto grado de precisión las respuestas a las preguntas o generar textos que respondan correctamente a lo solicitado por el usuario. Sin embargo, la precisión puede variar dependiendo del tipo de pregunta o tarea y siempre existe la posibilidad de que los modelos generen respuestas incorrectas, falsas o irrelevantes (“Alucinación”).

Estos modelos también pueden mejorarse con la inclusión de datos propios de las personas o empresas. Esto permite al modelo proporcionar respuestas más precisas y relevantes a las necesidades específicas de la persona o empresa, en particular en lo que respecta a sus productos, información, servicios y procesos.

Los otros modelos de IA Generativa que generan imágenes, audios y datos sintéticos comparten muchas similitudes con los modelos LLM, en términos de su arquitectura, proceso de entrenamiento y aplicaciones potenciales.

¿Cómo beneficia la IAG a las empresas?

Para responder esta pregunta daremos algunos ejemplos basados en implementaciones actuales. Es importante tomar en cuenta que las aplicaciones de IAG más efectivas integran modelos de IAG con Analítica Avanzada y Machine Learning tradicional para tareas como clasificación, predicción y optimización. Además, es fundamental establecer un proceso de supervisión por representantes humanos para garantizar la calidad y mejora continua.

Revolucionando las ventas y atención al cliente

La IAG, puede funcionar como un chatbot avanzado que actúa como representante de ventas y atención al cliente para empresas B2C o B2B. Este sistema posee una alta capacidad de interacción, entendimiento del lenguaje y toma de decisiones, permitiendo resolver gran parte de las necesidades del cliente sin intervención humana.

Por ejemplo, un cliente registrado puede iniciar una conversación en la web o WhatsApp de una tienda online, ya sea mediante texto o voz, donde el chatbot de IAG se presenta cortésmente y proporciona información general de la empresa, validando la identidad del cliente. Luego, interpreta la pregunta o solicitud del cliente, o hace las preguntas necesarias para aclarar cualquier ambigüedad, generando una respuesta adaptada en forma de mensaje de texto, imagen, audio o video, manteniendo la conversación hasta que el cliente obtenga la información o asistencia deseada.

Posteriormente, registra la interacción con el cliente en un repositorio de datos de la empresa para generar reportes de interacción y continuar el entrenamiento y mejora del aplicativo. Este servicio abarca desde responder preguntas sobre productos o servicios, ayudar a encontrar productos, procesar pedidos y devoluciones, ofrecer soporte técnico, recoger comentarios y quejas, informar del estado de envío de productos, explicar el funcionamiento de productos o servicios, proporcionar tutoriales, ofrecer recomendaciones de uso, hasta brindar cualquier información autorizada por la empresa, pudiendo además generar automáticamente informes a partir de la información obtenida.

Para empresas B2B puede ayudar en analizar datos de ventas y generar informes personalizados que resuman el rendimiento del equipo de ventas, tendencias del mercado y oportunidades de crecimiento, y calificar leads en función de su potencial de compra. También puede ayudar a organizar y gestionar la información de los contactos, como correos electrónicos, llamadas telefónicas y notas de seguimiento.

Optimizando campañas de marketing con hiper segmentación y contenido personalizado

Los equipos de marketing y publicidad buscan ahorrar tiempo y dinero en el lanzamiento de campañas de marketing y producción de contenido, y llegar a una audiencia más amplia con contenido más relevante para mejorar el rendimiento y obtener un mayor retorno de inversión. Para ello requieren un conocimiento profundo del cliente, en base a la data interna y externa de los clientes y a las interacciones anteriores con ellos.

Por ejemplo, una empresa de consumo masivo busca lanzar un nuevo producto al mercado y planifica crear anuncios publicitarios por redes sociales y email para un grupo específico de clientes. El especialista de marketing puede recurrir a un chatbot IAG para obtener sugerencias sobre variables demográficas, psicográficas, conductuales y geográficas que ayuden a segmentar mejor a los clientes, así como evaluar los ingresos potenciales y la probabilidad de compra de cada segmento.

Estas consultas son conversacionales y no requieren conocimientos de SQL o programación. Una vez identificados los segmentos objetivo, la IAG puede generar anuncios personalizados para cada grupo, adaptándolos según la red social o el email, incluyendo texto, imágenes, audio o video, y proporcionando un formato editable para su revisión y ajuste por parte del especialista. Además, la IAG puede utilizarse para crear contenido de blog informativo y guiones de video para cada segmento de interés.

Una solución como esta no sólo automatiza tareas repetitivas sino también permite crear experiencias personalizadas para cada cliente, aumentando la relevancia de los mensajes y ofertas, lo que impacta positivamente en la tasa de conversión de leads y fidelización.

Impulsando la productividad y eficiencia de las Cadenas de Suministros

La IAG permite optimizar redes de suministro e incrementar su resiliencia al facilitar respuestas ágiles ante cualquier disrupción de la red y generando insights, reduciendo el tiempo en el uso de reportes y manejo manual de datos. Además, facilita el procesamiento y uso de data no estructurada, como datos de redes sociales, reseñas de comentarios, noticias y eventos, para mejorar la precisión y efectividad de la planificación de demanda.

Por ejemplo, un planificador de suministro puede realizar consultas conversacionales sobre la calidad de los proveedores y alternativas de suministro, accediendo a una amplia gama de información como datos de MRP, Planificación de Demanda, Reportes, órdenes de compra, inventarios, transporte, programación de la producción, eventos y noticias. La IAG puede proporcionar tanto consultas generales sobre el rendimiento de los proveedores como detalles específicos sobre cada proveedor, tipo de materiales, ubicación geográfica y opciones de suministro, generando insights, consultas alternativas y recomendaciones basadas en datos internos y externos, presentados en diferentes formatos como listas, gráficas, documentos y reportes. Por otro lado, un planificador de demanda puede pedir a la IAG mejorar los pronósticos incorporando información no estructurada de redes sociales, noticias y eventos. La IAG combina estos datos con información estadística para generar pronósticos más precisos, justificando los cambios verbalmente, y permite al planificador ajustarlos con ayuda de consultas y respuestas. Además, se pueden realizar consultas sobre el impacto de factores como promociones, precios, economía y clima en los KPIs, y se pueden generar diversos escenarios de planificación considerando múltiples variables.

La IAG facilita la identificación rápida de problemas y riesgos de suministro, además de la búsqueda de alternativas de solución, indicando cuáles serían los costos adicionales de dichas alternativas. Una gran ventaja del uso de IAG en Gestión de la cadena de suministro, es el procesamiento rápido de información no estructurada, y usarla para mejorar la toma de decisiones en general y poder anticiparse a la demanda.

Optimizando la gestión de cobranzas

La IAG puede ayudar enormemente a la gestión de cobranzas mejorando la eficiencia, rentabilidad y satisfacción del cliente en la gestión de cobranzas. Permite clasificar a los clientes morosos, personalizar las estrategias de cobranza, automatizar las comunicaciones y realizar análisis avanzados. A diferencia de las soluciones tradicionales, la IAG no se limita a automatizar tareas, sino que aprende y adapta su comportamiento en base a la información y el contexto de cada caso.

Por ejemplo, un ejecutivo de cobranzas podría realizar consultas en forma conversacional para identificar a los clientes con mayor probabilidad de pagar su deuda. La IAG genera la respuesta en base a un análisis de historial de pagos, comportamiento del cliente y otros datos, y actualiza los resultados en base al comportamiento cambiante del cliente. Además, la IAG puede generar de forma automática mensajes personalizados para cada cliente teniendo en
cuenta su situación financiera, historial de pagos y preferencias de comunicación. Los mensajes pueden generarse y enviarse con la IAG mediante correos electrónicos, mensajes de texto o llamadas telefónicas según la preferencia de cada uno.

La IAG también puede analizar grandes cantidades de datos para identificar tendencias y patrones en el comportamiento de los clientes morosos incorporando información no estructurada del cliente, como sus interacciones vía mensajes de texto, llamadas telefónicas o por la página web. Esta información puede ser utilizada para mejorar las estrategias de cobranza, aumentar la tasa de recuperación de pagos, reducir costos, mejorar experiencia del cliente y reducir el riesgo de morosidad.

Impacto de la IA Generativa (IAG) en las empresas

Según Gartner, se prevé que el uso de aplicaciones y modelos de IAG en las empresas aumente drásticamente del menos del 5% a principios de 2023 al 80% para el 2026. Además, se espera que el gasto total en IA crezca más del 100% entre 2022 y 2027, con la IAG representando un 36% del total, alcanzando aproximadamente $300 mil millones para 2027. Por otro lado, Forrester pronostica que las iniciativas de IAG mejorarán la productividad y la solución de problemas creativos en un 50%, mientras que IDC predice que más del 40% de la inversión en tecnologías de la información estará destinada a iniciativas de IA.

La IAG tiene el potencial de revolucionar las empresas, transformando su operación y generando un impacto positivo en sus resultados en todas las áreas de las empresas de cualquier sector. Para aprovechar al máximo la IAG, se recomienda implementarla gradualmente, capacitar a los empleados y asegurar la calidad de los datos. Las empresas que adopten esta tecnología estarán mejor posicionadas para prosperar en el futuro.

contacto@bctsconsulting.com | +51 997 500 500

Gino Sedano | Consultor Senior en Analítica Avanzada | BCTS Consulting