IA generativa
Generative AI
¿Qué es la IA generativa?
- Crea contenido nuevo (textos, imágenes, código)
- ChatGPT y Claude, los principales
- Innovación en la productividad laboral
Lo que la IA generativa realmente cambia no es tanto la calidad del resultado como el punto de partida del trabajo. Antes, buena parte del tiempo se iba en quedarse frente a una pantalla en blanco preguntándose « por dónde empezar »; ahora, con un borrador listo en minutos, el trabajo consiste en decidir « qué corregir y qué descartar ». El responsable que antes redactaba pasa a ser editor y revisor, y por eso, paradójicamente, el conocimiento del dominio de la tarea y el criterio cobran más importancia. Si no se detecta que el borrador está equivocado, la velocidad aumenta pero la calidad baja.
Tampoco hay una única familia tecnológica. El texto y el código los maneja un modelo de lenguaje, que predice la probabilidad de la siguiente palabra, mientras que las imágenes y los videos los generan modelos de tipo difusión, que van eliminando el ruido por etapas hasta formar la figura. En la práctica se perciben dos limitaciones. Primera, hay un límite de texto que el modelo puede leer a la vez (la ventana de contexto): los modelos recientes manejan del orden de cientos de páginas A4, pero más allá hay que dividir el material. Segunda, el modelo no conoce los hechos posteriores a su entrenamiento ni los documentos internos de la empresa. Para que trabaje con normas o materiales de producto internos se necesita un diseño aparte, como RAG, que busca los documentos de referencia y los incluye junto con la consulta. «Entrenar el modelo con los datos de la empresa» y «hacer que el modelo lea los documentos de la empresa» son tareas con costos y dificultades totalmente distintos.
En la práctica, el error más frecuente es tomar esta herramienta por un buscador. Los modelos están diseñados para encadenar frases plausibles en lugar de admitir que no saben, así que presentan con total seguridad números de artículos de ley que no existen, o sentencias y estadísticas inexistentes. Si eso pasa sin verificación a un informe para la alta dirección o a un material de capacitación, el costo de retirarlo supera el de escribir el texto desde cero. El segundo riesgo es la seguridad: cada vez son más los casos en que se pegan resultados no publicados, listas de clientes o contratos en una cuenta personal en lugar de la cuenta corporativa aprobada, y auditoría lo señala. El tercero es la expectativa de que “adoptarla aumente la productividad”. Sin guía de uso ni procedimiento de revisión, solo aumentan los documentos con apariencia de buenos y, con ellos, el trabajo de quien debe leerlos y corregirlos.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría. Instructor.
Seolyeong ParkEspecialista en IA generativa y AX, con 17 años de experiencia práctica y más de 200 sesiones de enseñanza, que logra que personas sin formación técnica la usen de inmediatoLa arquitectura base de la IA generativa actual, el Transformer, fue presentada en 2017 en el artículo « Attention Is All You Need », de investigadores de Google; desde entonces, la mayoría de los modelos, como GPT, Claude y Gemini, se construyen sobre esa estructura. La popularización llegó con el lanzamiento de ChatGPT en 2022.
Veamos un caso hipotético. Se trata de la empresa A, un fabricante de componentes electrónicos con 640 colaboradores. Su equipo de capacitación tiene 3 personas, incluido el líder, y maneja 42 cursos anuales; por eso, crear un curso nuevo tomaba en promedio 3 semanas, y las solicitudes de las áreas operativas se abrían recién dos meses después. En el segundo semestre de 2024 hicieron un piloto de 8 semanas que incorporó la IA generativa al desarrollo de cursos.
- Kim ○○, jefe de sección del equipo de capacitación, pidió con una cuenta corporativa aprobada «borrador de currículo para un curso sobre gestión de auditorías de clientes para personal técnico de producción de 2.º año, 8 sesiones», y recibió el índice y los objetivos de aprendizaje por sesión en 40 minutos, cuando normalmente le tomaba dos días.
- Al revisar el borrador, el responsable Park ○○, del Equipo de Tecnología de Producción, afirmó que «esto es un manual del sector servicios, no de nuestra realidad». Por eso incorporamos de nuevo los 27 hallazgos de auditorías de clientes de los últimos 3 años y ajustamos los casos prácticos a los criterios de nuestro proceso productivo.
- Tras dos rondas de consulta con el equipo de seguridad de la información, se creó una regla de 12 puntos: los nombres de clientes, los precios unitarios y los rendimientos no publicados se enmascaran antes de ingresarlos. Además, se prohibió por completo el uso de cuentas personales.
- Durante la revisión, el gerente Kim detectó que 2 de los 3 artículos de la Ley de Seguridad y Salud Ocupacional (ley coreana) citados por la IA tenían mal el número. Desde entonces, « las leyes, cifras y nombres se marcan tras contrastarlos con el texto original » figura en la lista de aprobación de materiales de capacitación.
- Al cierre del piloto, el plazo de desarrollo de nuevos cursos se redujo de un promedio de 3 semanas a 9 días. Al aplicarlo en 18 de los 42 cursos, las horas extra mensuales promedio del equipo de capacitación bajaron de 28 a 11. La satisfacción en esos cursos subió de 4.1 a 4.4 puntos (sobre 5).