Una hoja de ruta para que las empresas lideren las buenas prácticas en IA

Llevo la última década inspirando a altos decisores, ejecutivos y líderes de todo el mundo sobre cómo implementar una estrategia y una hoja de ruta de transformación digital, cómo imaginar una estrategia de datos y cómo entender con claridad las tendencias tecnológicas. Tengo que admitir que no es una tarea fácil. De hecho, es uno de los trabajos más difíciles que uno puede elegir. Quizá siempre me he crecido ante los retos. Y la IA ha sido un desafío descomunal.

La conversación más candente de los últimos tiempos es qué hacer con la IA generativa. El impacto de la IA y de la GenAI es tan grande como la creación de Internet. En mi opinión, el año 2023 debería considerarse un hito en la historia reciente de la Era Digital tan importante como la fundación de Google en 1998 o el lanzamiento de Yahoo en 1994.

Todo empezó con el lanzamiento de ChatGPT el 30 de noviembre de 2022. A partir de ese momento se prendió la mecha. 2023 ha sido como la fiebre del oro. Estamos todos demasiado asustados y también demasiado entusiasmados con la posibilidad de mejorar nuestras capacidades simplemente usando lenguaje natural. E incluso con capacidades inimaginables que nunca pensamos que podríamos desarrollar. Pero con un gran don llega también una gran responsabilidad. Citando al IBM Institute for Business Value [1]:

“Más de la mitad (56%) están retrasando inversiones importantes hasta tener claridad sobre los estándares y la regulación de la IA. En conjunto, el 72% de los ejecutivos dice que sus organizaciones renunciarán a los beneficios de la IA generativa por motivos éticos.” –IBV. IBM Institute for Business Value.

El post que viene a continuación no pretende ser un trabajo exhaustivo y sesudo sobre cómo implementar una estrategia de IA generativa, sino más bien una reflexión inicial sobre los pasos básicos que debería dar una compañía que quiera anticiparse y liderar el discurso como pionero y líder digital para sacar el máximo partido de la IA generativa.

“Los ordenadores son inútiles. Sólo pueden dar respuestas.” — (Atribuida a) Pablo Picasso

EVITAR EL DESASTRE CON LAS PREGUNTAS ADECUADAS

En mi humilde opinión, hay unas cuantas preguntas que cualquier compañía debería empezar a hacerse:

• [POR QUÉ] ¿Cuál es el rumbo de la compañía, destruir puestos de trabajo y sustituirlos por IA o aumentar las capacidades de la compañía? Las compañías podrían acabar eligiendo remunerar solo a un grupo de interés (el accionista) y sustituir el talento humano en lugar de expandir el talento de la compañía aumentando sus capacidades con IA.

• [CÓMO] ¿Cómo combinas la IA generativa con la analítica avanzada y la IA tradicional? ¿Cómo dinamizar las comunidades de práctica en mi compañía? ¿Cómo monitorizar el uso, la transparencia y la rendición de cuentas de los resultados? Las empresas no deben olvidar que la IA tradicional tiene que convivir con la GenAI. El hype de la GenAI no debería nublar nunca la visión sobre expandir la estrategia de datos y analítica en un modelo federado en el que la GenAI es una palanca más.

• [QUIÉN] ¿Quién va a liderar este cambio? ¿Quién lidera una práctica que atraviesa todas las funciones cognitivas de una organización? ¿Cómo cambiar la política de mi compañía para aumentar mis capacidades (privacidad, seguridad…)? Cualquier área o departamento de tu organización debería poder usar la GenAI ampliamente y, aun así, algunos responsables deben coordinar el uso y las buenas prácticas para evitar fugas de información confidencial, responsabilidades innecesarias y problemas de seguridad.

• [CUÁNDO] ¿Debería empezar ya mismo o debería recopilar buenas prácticas y regulaciones de todo el mundo? Elegir al mejor partner de entre una amplia variedad de modelos fundacionales y LLM es fundamental. Y aun así eso no debería comprometer tu elección actual para siempre. En menos de un año hemos visto mejoras asombrosas (OpenAI, Meta, Google y otros actores independientes de soluciones verticales y horizontales para empresa) y seguimos esperando a que las grandes geografías del mundo regulen el uso de la IA (el proyecto de ley de IA de EE. UU., la ley de IA de la UE, el código ético de China sobre IA y privacidad).

• [QUÉ] ¿Qué tareas hay que priorizar con el apoyo de la IA generativa? ¿Qué capacidades hay que aumentar o sustituir de forma prioritaria, hay tareas con rendimientos decrecientes en el uso de la IA generativa? Usar la IA de forma responsable y medir el impacto en tu inventario de capacidades actual y futuro no solo puede ahorrarte dolores de cabeza, sino que anticipará futuras peticiones de tus ejecutivos del C-suite cuando lleguen las desaceleraciones económicas. Puede que optar por no sustituir, sino por enriquecer, tu estrategia de captación de talento sea ahora el mejor enfoque. No involucrar en este momento a expertos de RR. HH., directivos sénior y expertos en datos y analítica podría ser un problema serio.

Hoja de ruta en 6 pasos para implantar la IA generativa

Cuando hablamos de implementar una estrategia troncal en relación con la IA generativa, se podrían considerar los siguientes pasos estratégicos:

Una posible hoja de ruta (AGIR) para abordar el reto de usar IA generativa en tu compañía empieza así:

[AGIR-1] Nombrar un área o departamento líder en la compañía que impulse esta conversación. Un Chief Data and Analytics Officer o un Head of Advanced Analytics and Data Strategy debería ser el responsable de la implementación de una estrategia troncal en torno a la IA generativa. Ese responsable debería implantar un modelo de gobierno usando AGI, garantizando las buenas prácticas de seguridad y privacidad para evitar fugas de información cuando los empleados usan directamente las consolas de LLM y entregan información corporativa confidencial a estos modelos fundacionales. Este primer paso se llamará “AGI Governance Model” y estas son algunas de las posibles iniciativas a desarrollar:

• Desarrollar políticas integrales de gobierno del dato.

• Establecer un protocolo de auditorías periódicas de los casos de uso de IA.

• Desarrollar un repositorio de casos de estudio y buenas prácticas.

• Implementar un sistema de contrapesos para el acceso y el uso de los datos.

[AGIR-2] Constituir un observatorio de AGI para evaluar distintos modelos fundacionales, LLM y soluciones de AGI personalizadas para distintos sectores e industrias. Llamemos a este bloque estratégico “AGI Observatory” y estas son algunas posibles iniciativas a desarrollar por el AGI Observatory:

• Crear grupos de trabajo por función para estudiar el impacto de la IA.

• Desarrollar un repositorio de casos de estudio y buenas prácticas. (un esquema de buenas prácticas clasificadas por dominio o territorio)

• Aliarse con instituciones académicas para investigación puntera.

• Celebrar mesas redondas sectoriales trimestrales para comentar las novedades.

• Lanzar una herramienta de evaluación del impacto de la IA para medir los efectos sobre las operaciones.

[AGIR-3] Crear una comunidad de práctica liderada por AGI champions. Personas con gran destreza en prompt engineering y que además sean hábiles y tengan buen manejo de tecnología y datos. Etiquetemos este paso estratégico como “AGI community of practice” y “AGI Champions”. Estas son algunas iniciativas que podría poner en marcha esta comunidad de práctica:

• Organizar hackathons internos para innovar con AGI.

• Ofrecer formación especializada y certificaciones en tecnologías de AGI.

• Establecer un programa de mentoring en habilidades de prompt engineering.

• Crear una plataforma interna para compartir conocimiento (lista de GPTs 3 o historial optimizado para la búsqueda de iniciativas creadas con IA generativa).

• Organizar un simposio anual de AGI con ponentes externos e internos.

[AGIR-4] Definir un directorio de expertos en la materia (SMEs, subject matter experts) en la compañía para validar los resultados derivados del uso diario de AGI y evitar que los empleados compartan públicamente y fuera de la compañía, o en nombre de la compañía, información obtenida como resultado de su uso de AGI o reforzada por AGI. Este bloque estratégico se etiquetaría como “SME Directory” y estas son algunas posibles iniciativas desarrolladas por este grupo de expertos:

• Desarrollar un programa de participación de los SMEs para facilitar la colaboración.

• Crear un bucle de feedback para la mejora continua de los modelos de IA.

• Introducir un sistema de reconocimiento para las contribuciones de los SMEs.

• Montar un equipo de respuesta rápida para los incidentes relacionados con la IA.

• Lanzar una newsletter trimestral que destaque las conclusiones de los SMEs y los avances en IA.

[AGIR-5] Involucrar al departamento de RR. HH. para crear un censo o una recopilación de todas las capacidades posibles demandadas por las distintas unidades y departamentos en todas y cada una de las descripciones de puesto a lo largo de la historia de la compañía. Recopilar las capacidades demandadas en toda la compañía y trabajar con RR. HH. para entender cómo evoluciona el mapa de capacidades. El reto sería construir un Skill Inventory corporativo que pueda verse impactado por la AGI. Traducir y adaptar continuamente el “Skill Inventory” a las nuevas iniciativas detectadas por el “AGI Observatory”. Estas son algunas iniciativas adicionales relacionadas con la fase estratégica del Skill Inventory:

• Realizar un análisis de brechas de capacidades para anticipar necesidades futuras (ejercicio de taxonomía de skills y ontología de skills para descubrir los futuros ahorros derivados de la IA generativa).

• Explorar distintos estándares de inventario de capacidades.

• Construir una plataforma dinámica basada en IA para el seguimiento de capacidades.

• Desarrollar itinerarios de formación personalizados para los empleados.

• Forjar alianzas con plataformas educativas para conseguir recursos de aprendizaje externos y bolsas de talento.

• Implementar una herramienta de asesoramiento de carrera con IA para los empleados.

[AGIR-6] Elegir e implementar un marco para el uso responsable de la IA. Un posible marco a implementar podría ser el AI Risk Management Framework 2 (AI RMF) definido por el National Institute of Standards and Technology NIST. Este marco debería usarse como herramienta inspiradora para definir el modelo de gobierno, mapear las actividades iniciales que ha de desarrollar la organización en relación con la implementación de la IA generativa, establecer el conjunto de medidas e indicadores corporativos para gestionar el riesgo y el beneficio de una correcta implementación de la IA y también definir cómo gestionar este marco para el uso correcto y responsable de la IA. Este bloque estratégico debería llamarse “Responsible AI Framework Implementation” y algunas de las subiniciativas derivadas de este bloque podrían ser las siguientes:

• Cotejar el AI RMF con las políticas actuales de la compañía para identificar brechas.

• Crear una estrategia de comunicación clara para difundir los principios del marco.

• Desarrollar un conjunto de métricas e indicadores de rendimiento del uso de la IA.

• Establecer un protocolo de gestión de crisis de IA.

• Poner en marcha un sistema de sellos de “IA responsable” para proyectos y equipos que cumplan.

El pasado 30 de noviembre se cumplieron 12 meses, 1 año de vida, desde que OpenAI abrió la caja de Pandora con la versión GPT-3 o su ChatGPT. En menos de 1 año hemos asistido a un game changer y algunos han medido el impacto en el 50% del total de la fuerza laboral actual. Simplemente no sabemos cuál puede ser el impacto.

No me gusta jugar a crear caos y este cambio tiene un alcance enorme, así que la única manera de acometer un cambio disruptivo es partir el juego en trozos pequeños. Este artículo pretende ser un primer bocado, un bocado cada vez.

Imagen creada por DALL-E 3

[Nota: el propósito, el enfoque y el alcance de este documento fueron definidos 100% por un humano. ChatGPT participó en la composición final de este post. En número de palabras, el 20% de este documento fue compuesto por IA.]

Bibliografía y fuentes:

1. IBV: “Ethics can’t be delegated” https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/ceo-generative-ai/responsible-ai-ethics IBM Institute for Business Value. Octubre 2023.

2. National Institute of Standards and Technology NIST: “AI Risk Management Framework” https://airc.nist.gov/AI_RMF_Knowledge_Base/AI_RMF/Core_And_Profiles/5-sec-core. Junio 2023

3. OpenAI.com “Introducing GPTs” https://openai.com/blog/introducing-gpts Noviembre 2023