Amigos, es un eufemismo decir que la explosión deY, como ocurre con cualquier tecnología nueva y de alto impacto, el mercado se inunda inicialmente de nuevas empresas. El ciclo de vida normal, por supuesto, es que se invierte dinero, se crean empresas y luego habrá ganadores y perdedores.Tiempos emocionantes.

Dicho esto, pensamos que era un buen momento para volver al aspecto práctico de las cosas. Una de las preguntas más urgentes en estos días es cómo las empresas pueden querer utilizar la IA en sus procesos actuales o futuros, qué opciones existen y qué estrategias y herramientas es probable que sobrevivan a largo plazo.

No podemos predecir quién se hundirá o flotará en la carrera de la IA: tal vez podamos ayudar a la gente, pero la bola de cristal La web (™) no está en nuestra hoja de ruta, así que hablemos de lo que sabemos. Las cosas cambiarán con el tiempo y es probable que algunas de las herramientas que hemos incluido en esta lista desaparezcan. Y, como esperamos que todos ustedes tengan opiniones firmes, háganos saber qué están usando, qué herramientas podemos haber pasado por alto y por qué estamos equivocados en la sección de comentarios.

Herramientas que las empresas pueden implementar hoy (y los problemas que resuelven)

ComoHemos visto que se promocionan como herramientas independientes o incorporadas a software existente. Probablemente sea más fácil pensar en ellas en términos de los problemas que resuelven, por lo que aquí hay una lista no exhaustiva.

El modelo de lenguaje grande (LLM) “Everything Bot”

Los LLM son útiles en tareas de IA generativa porque funcionan en gran medida con un modelo de asociación. Recogen enormes cantidades de datos, los utilizan para aprender asociaciones entre ideas y palabras y luego usan esos aprendizajes para realizar tareas como crear un texto o una búsqueda en lenguaje natural. Eso los hace ideales para un caso de uso generalizado (un “bot para todo”), pero es importante tener en cuenta que no es el único (ni el mejor) modelo para todas las tareas de IA/ML.

Estos modelos de IA generativos están diseñados para que se les hable de la forma que mejor se adapte al consultante y, por lo general, se accede a ellos a través del navegador. Esto no quiere decir que los modelos que los sustentan no se estén incorporando en otros ámbitos, como los chatbots o las búsquedas, sino que son independientes y se pueden identificar fácilmente.

ChatGPT

En muchos sentidos, ChatGPT es la herramienta que rompió el dique. Es un modelo de lenguaje extenso (LLM) cuyas capacidades multifacéticas eran fácilmente evidentes y traducibles tanto en los mercados empresariales como de consumo. Sin embargo, nunca digas que surgió de la nada: OpenAI y Microsoft Azure han estado en connivencia durante años para crear la herramienta que (ejem) rompió Internet.

Google Géminis, de soltera Google Bard

Es innegable que Google ha estado en la primera línea de la IA y el aprendizaje automático durante bastante tiempo. Algunos expertos incluso dicen queEntonces, ¿por qué ChatGPT de OpenAI es la herramienta que todos tienen en mente? En pocas palabras, Google ha tenido dificultades para comercializar su producto de IA, hasta que, claro,Y la gente tomó nota. Google Gemini representa un fuerte contendiente para el tipo de función que todos disfrutamos de ChatGPT, impulsado por toda la infraestructura y la investigación por las que ya son conocidos.

Aprendizaje automático (ML)

Las tareas de ML abarcan una amplia gama de posibilidades. Sin embargo, si desea crear un algoritmo por su cuenta, no es necesario empezar desde cero. Existen comunidades sólidas de código abierto que ofrecen modelos entrenados previamente, soporte comunitario, integración con almacenamiento en la nube, acceso a grandes conjuntos de datos y más.

• :TensorFlow fue desarrollado originalmente por Google para investigación y producción internas. Es compatible con varios lenguajes de programación como C++, Python y Java, y está diseñado para escalar fácilmente desde la investigación hasta el desarrollo.
• :PyTorch, por otro lado, está diseñado para la experimentación y el prototipado rápido, y está diseñado principalmente para Python. Eso hace que la curva de aprendizaje para la mayoría de los desarrolladores sea mucho más corta, y muchas personas la superpondrán conpara soporte de API adicional (sin sacrificar la velocidad y el control de nivel inferior de PyTorch).

Dada la cantidad de flexibilidad que ofrece una biblioteca de código abierto, se pueden ver todo tipo de cosas en desarrollo. Una empresa de gestión de fotografías podría, por ejemplo, hacerse con un algoritmo de reconocimiento facial o utilizar otro para ayudar a ordenar los parámetros e hiperparámetros del algoritmo. Piense en ello como si quisiera construir una mesa, pero fabricara el martillo y los clavos en lugar de comprarlos.

Creación de productos con IA

También es posible que desee o necesite invertir más recursos; tal vez desee agregar IA a su producto existente. En ese caso, puede contratar a un consultor de IA para que lo ayude a diseñar, construir y entrenar el algoritmo.o Google, y almacene sus datos localmente o en la nube.

En realidad, la mayoría de las empresas probablemente harán una combinación de cosas según cómo operen y lo que ofrezcan. Sin embargo, lo más importante que intento transmitir al presentar estos escenarios es que la mayoría de las personas probablemente no establecerán su propia infraestructura a gran escala, sino que dependerán deAdemás, es necesario hacer una distinción entre si estás usando herramientas diseñadas para generar eficiencias en tu negocio y si estás creando o incorporando IA/ML en tus productos.

Análisis de datos

Sin entrar en polémica, el análisis de datos es una de las aplicaciones más potentes de la IA y el aprendizaje automático. Si bien los humanos, que somos insignificantes, todavía necesitamos proporcionar contexto para dar sentido a los patrones identificados, las computadoras son excelentes para identificarlos con mayor rapidez y precisión de lo que jamás podríamos soñar. Si buscas analizar números importantes, estas dos herramientas te resultarán útiles.

• Snowflake es una empresa de servicios de datos (DaaS) basada en la nube que se especializa en almacenes de datos, lagos de datos y análisis de datos. Ofrece una plataforma flexible y fácil de integrar con opciones para desarrollar sus propias herramientas de datos o utilizar opciones integradas. Amada por desarrolladores y líderes empresariales por igual, Snowflake es una plataforma potente que admite grandes nombres y diversos clientes como ATT, Netflix, Capital One, Canva y Bumble.
• Looker es una plataforma de inteligencia empresarial (BI) impulsada por Google. Es un buen ejemplo de una plataforma que toma las funciones básicas de un producto al que ya estamos acostumbrados y las superpone con inteligencia artificial para hacerlas más potentes. Por lo tanto, si bien las plataformas de BI han tenido durante mucho tiempo capacidades sólidas de gestión y visualización de datos, ahora pueden hacer cosas como usar la búsqueda en lenguaje natural u obtener información automatizada sobre los datos.

Desarrollo y seguridad

No es ningún secreto que uno de los mayores problemas en el mundo de la tecnología es no tener suficientes desarrolladores y, además, tener suficientes de alta calidad. Esto ha impulsado a la industria tecnológica a trabajar a nivel internacional, ha impulsado la creación de escuelas de programación que capacitan a las personas en seis meses y ha obligado a las personas a idear plataformas sin código o de bajo código que los usuarios de diferentes niveles de habilidad puedan usar. Esto también lo convierte en una de las principales oportunidades para la asistencia de la IA.

• :Incluso si no trabajas en el sector tecnológico ni como desarrollador, es probable que hayas oído hablar de GitHub. GitHub se creó en 2007 y se lanzó oficialmente en 2008. Es un poco difícil imaginar la codificación antes de que existiera como el centro de facto para buscar, compartir y colaborar en código en un foro público. Ahora, son responsables de GitHub Copilot, que permite a los desarrolladores generar código con una consulta simple. Sin embargo, como ocurre con todas las herramientas generativas, los usuarios deben comprobar la precisión y los sesgos, y asegurarse de tener en cuenta las cuestiones de privacidad, legales y éticas al utilizar la herramienta.

Experiencia del cliente y marketing

Las herramientas de gestión de relaciones con los clientes (CRM) ayudan a las empresas a comunicarse de manera eficaz con sus clientes y audiencias. Se utilizan para obtener información tan amplia como las tendencias en cómo se encuentran y convierten clientes potenciales en clientes, o tan granular como las interacciones de un solo usuario con los correos electrónicos de marketing. Un CRM bien perfeccionado significa poder brindar un servicio eficaz a sus clientes objetivo y existentes.

• y:Estas herramientas, dos de las plataformas CRM más grandes del mercado, están diseñadas para facilitar todo, desde el correo electrónico hasta los correos electrónicos de marketing, pasando por la puntuación de clientes potenciales y las interacciones de servicio al cliente. La IA ha comenzado a aparecer en casi todas las funciones que se ofrecen, incluida la generación de publicaciones en redes sociales, el enrutamiento de tickets de soporte, las sugerencias de personalización de sitios web y más.

Operaciones, Productividad y Eficiencia

Este tipo de herramientas simplifican las tareas cotidianas más arduas. A nivel interno, este tipo de herramientas pueden representar un ahorro enorme en su presupuesto de gastos operativos, lo que le permite utilizar sus recursos de manera más eficaz. Y, dado que algunas de ellas también facilitan los procesos externos a su organización (como programar reuniones con nuevos clientes potenciales), también pueden contribuir a generar nuevas y continuas fuentes de ingresos.

• :Loom es una herramienta especializada diseñada para facilitar la grabación de pantalla y la posterior edición de videos. Teniendo en cuenta el tiempo que lleva crear contenido de video, la focalización de Loom en esta tarea que antes era difícil sin duda ha ahorrado tiempo y ha aumentado la colaboración. Loom incluye funciones como eliminación de palabras de relleno y silencios, generación automática de capítulos con marcas de tiempo, resumen del video, etc. Todas las funciones están diseñadas para compartir e incorporar datos fácilmente en medios de video y texto.
• :Hablando de colaboración, ¿recuerdas cuántos correos electrónicos se necesitaban para programar una reunión, en particular si la persona no trabajaba en tu empresa? ¿Y cuando estabas trabajando en una conferencia y querías darle a un nuevo líder una forma fácil de ingresar a tu calendario? Y, por supuesto, está la alegría de administrar múltiples bandejas de entrada. (Gracias, Calendly. Me cambiaste la vida). En el futuro de la IA, Calendly está haciendo cosas pequeñas pero poderosas similares: predecir tu disponibilidad, detectar zonas horarias, automatizar los cronogramas de reuniones según la disponibilidad de los miembros del equipo o la programación por turnos, información sobre cancelaciones y más.
• :Ah, Slack. Los expertos en negocios han estado intentando durante años resumir el efecto que ha tenido en la comunicación en el lugar de trabajo y, si bien no es la única herramienta en el mercado, definitivamente es líder. Slack ha estado agregando una variedad de funciones de IA a su plataforma, incluida la capacidad de resumir canales, organizar mensajes no leídos, buscar y resumir mensajes, y luego está todo el trabajo que están haciendo con integraciones que se rumorea que están en el horizonte, como la creación de sugerencias de invitaciones a reuniones basadas únicamente en la mención de “poner tiempo en el calendario” en un mensaje.

Creatividad y Diseño

Al igual que la codificación y las herramientas para desarrolladores, la creación de todo tipo (imágenes, videos, textos) ha sido durante mucho tiempo una tarea que requiere muchos recursos. Estas habilidades no son tradicionalmente adecuadas para las estructuras corporativas, y medir si una marca u otra es mejor o peor es un proceso complejo, aunque absolutamente medible e importante. La IA generativa, como ya se mencionó, está brindando a los equipos la capacidad de crear primeros borradores, o incluso entrenar bibliotecas, y luego trasladar la supervisión humana a un nivel de trabajo superior y más calificado.

• y:Tanto Adobe como Figma son herramientas de colaboración de diseño de confianza. Aunque unaAmbos incorporan IA para que sea mucho más fácil crear imágenes y vídeos para todo tipo de propósitos. La IA generativa significa que se pueden rellenar grandes franjas de lienzo con una herramienta generativa que predice el fondo, por ejemplo, o añadir versiones de stock de cosas como edificios con suficiente credibilidad para engañar a un ojo perspicaz. Las herramientas de vídeo todavía están en fase beta, pero, por decir lo menos. Con la vista previa deEl video es el espacio a tener en cuenta en este momento, ya que las acciones de Adobe están generando revuelo al ritmo de una caída de 7%.
• y:Al igual que la generación de imágenes mencionada anteriormente, estos bots también crean textos utilizables para tareas de todo tipo. Y, al igual que todas las herramientas generativas, los redactores de IA ofrecen un nivel básico de calidad que se adapta mejor a la supervisión humana. A medida que pasa el tiempo, aún queda por ver cuánta supervisión habrá.

Herramientas para hoy, construcción para el mañana

Al final de este resumen, vale la pena señalar que hay muchas herramientas en el mercado y que solo hemos presentado algunos de los nombres más importantes. Honestamente, tuvimos problemas para limitar el campo de lo que incluir, por así decirlo; este podría haber sido fácilmente un artículo mucho más largo, o incluso una serie de artículos que profundizaran en las cosas que estamos viendo dentro de cada caso de uso. Como hablamos en(y como puede verse claramente aquí), existe una gran diversidad de casos de uso, demandas tecnológicas y potencial inexplorado en el espacio de la IA, lo que significa que las empresas tienen una variedad de opciones estratégicas al decidir cómo implementar

A la mayoría de las empresas les resultará más fácil y acorde con sus objetivos comerciales adoptar soluciones de software como servicio (SaaS) que se vendan como un paquete completo o que se integren en herramientas existentes. Este tipo de herramientas son excelentes porque son prácticamente plug and play: puede omitirlas.Para cualquier tarea que necesites.

Pero, cuando eres un hiperescalador y hablas de construir infraestructura para soportar las demandas de procesamiento y almacenamiento del futuro de la IA, es un escenario diferente que cuando otros tipos de empresas hablan de usar o construir una herramienta o algoritmo de IA específico para la estrategia interna o los productos de tu negocio. Ya hemos visto que los hiperescaladores están arriesgándose en la construcción de centros de datos y centros de procesamiento, invirtiendo en empresas que están asumiendo diferentes partes de la pila tecnológica y, por supuesto, también realizando investigaciones y experimentos a largo plazo.

Por lo tanto, con un nuevo mundo a nuestro alcance, que se construye a medida que interactuamos con él, lo mejor que las empresas deben recordar es que los períodos de cambio rápido ofrecen oportunidades, siempre y cuando se piense bien en la implementación. Y hay muchas empresas que crean herramientas que facilitan precisamente eso.