Globant: “El mayor desafío en la implantación de la IA radica en el control de los resultados”

Juan Jose López Murphy es un experto en Data Science y Artificial Intelligence con una trayectoria de casi diez años en Globant. Con más de 17 años de experiencia en el campo, ha sido testigo y protagonista de la evolución de la inteligencia artificial desde sus inicios hasta su posición actual en la vanguardia tecnológica. Su pasión radica en el desarrollo de algoritmos y optimizaciones matemáticas.

En Globant, se ha dedicado a promover el crecimiento de la disciplina, expandiendo el conocimiento y estableciendo estándares de excelencia en el campo. Su enfoque se centra en formar equipos, definir líneas de pensamiento y educar tanto al talento interno como a los interesados externos en la industria. Su labor va más allá de los proyectos para los clientes, ya que busca impulsar el avance y la comprensión de la IA en la comunidad tecnológica.

Tech Trends by Globant 2024

El estudio “Tech Trends by Globant: 5 Tendencias Tecnológicas para 2024”, según Juan Jose López Murphy, “busca proporcionar una visión integral del panorama tecnológico actual”. Con un enfoque en la inteligencia artificial (IA) y su evolución, el estudio se basa en la experiencia de Globant en diversas industrias y en la constante búsqueda de nuevas tendencias tecnológicas.

Reconociendo la dificultad que enfrentan las empresas para mantenerse al día con los avances tecnológicos debido a las demandas internas y específicas de sus respectivas industrias, Globant promueve la idea de la “polinización cruzada”, compartiendo conocimientos y perspectivas para reducir las barreras de entrada y fomentar la adopción de tecnologías emergentes.

La misión del estudio es facilitar la comprensión de cómo la transformación cognitiva puede impulsar la adaptación y evolución de las empresas hacia un futuro tecnológico innovador y disruptivo. En esta entrevista nos centraremos en las tres principales tendencias analizadas por Globant en su estudio.

Inteligencia Artificial

– ¿Cuáles son los principales beneficios que las empresas obtienen al implementar inteligencia artificial generativa, considerando su sector o tamaño?

Los beneficios primordiales se centran en eficiencia y creatividad. En términos de eficiencia, se refleja en la mejora de procesos, reduciendo el tiempo requerido, la cantidad de personal implicado y el esfuerzo en la recopilación de información y generación de conclusiones o activos digitales. Por otro lado, la creatividad se manifiesta en la exploración de nuevas posibilidades.

Posteriormente, se despliegan una serie de ventajas adicionales, como la mejora en las comunicaciones y acceso a información mediante modelos de lenguaje y chatbots, la comprensión de temas complejos mediante la simplificación y traducción de lenguajes técnicos, y herramientas de productividad como los asistentes de código CoPilot, asistentes de escritura y edición gráfica.

Esta tecnología se está convirtiendo en algo tan integrado en nuestras vidas que eventualmente será tan natural como el uso de la informática en diversas áreas. La inteligencia artificial generativa se suma a nuestras capacidades, optimizando la productividad y fomentando la creatividad, especialmente en la toma de decisiones frecuentes, complejas o difíciles de materializar.

– Hemos sido testigos de varios avances legislativos relacionados con la implementación de inteligencia artificial en empresas, con leyes ya adoptadas y nuevas propuestas que surgen conforme la tecnología evoluciona. ¿Podrías señalar algunos desafíos éticos y legales asociados con esta implementación?

El mayor desafío radica en el control de los resultados. Hemos observado casos, como el reciente incidente en Canadá, donde un usuario interactuando con un chatbot recibió una política de reembolso inexistente, la cual la empresa se vio legalmente obligada a cumplir al haber sido comunicada por un canal oficial. Esto plantea la dificultad de mantener bajo control a las inteligencias artificiales generativas, que poseen una gran capacidad para crear, pero también para inventar. Este desafío se intensifica cuando la inteligencia artificial habla en nombre de la marca o la empresa, lo que limita nuestra capacidad de controlar el mensaje.

Además, internamente, surge la dificultad de educar a los usuarios sobre el uso adecuado de estas herramientas para evitar problemas legales, como el caso de abogados que presentaron precedentes legales inventados por un ChatGPT en tribunales estadounidenses.La educación interna es fundamental para mitigar estos riesgos, pero también es crucial entender cómo aprovechar estas tecnologías de manera que agreguen valor al negocio.

A menudo, las empresas se ven tentadas a invertir grandes sumas en aplicaciones de inteligencia artificial generativa sin evaluar si realmente son necesarias o si existen métodos más simples y económicos para lograr los mismos resultados. Es esencial identificar los casos de uso que realmente añaden valor y cómo integrar la inteligencia artificial de manera que potencie el juicio y la experiencia de los empleados en lugar de reemplazarlos.

Además de los desafíos legales, existe un desafío aún mayor: el de la legitimidad. Aunque una empresa pueda cumplir con todas las normativas, si los clientes sienten que se está abusando de sus datos o se sienten traicionados al descubrir que están interactuando con sistemas automatizados en lugar de humanos, se erosionará la confianza del cliente. Esta falta de transparencia puede llevar a una percepción negativa de la empresa, incluso si sus acciones son legales. Es por eso que la transparencia en el uso de la inteligencia artificial generativa es fundamental para mantener la confianza del cliente y evitar conflictos legales y éticos.

– En el informe se menciona la importancia de llevar a cabo una implementación inclusiva de la inteligencia artificial. ¿Podría proporcionar algunos ejemplos en los que esta inclusión beneficie a personas con discapacidades o mejore la operatividad de una empresa, ya sea a través de una página web u otras herramientas?

La inclusión y diversidad van más allá de los aspectos tradicionales como religión, raza o género. Un aspecto crucial pero a menudo pasado por alto es la accesibilidad. Muchas veces, los modelos de lenguaje requieren cierta fluidez expresiva, lo cual puede ser limitante para quienes están aprendiendo un segundo idioma o tienen preferencias comunicativas distintas, como las personas más visuales o kinestésicas.

Imagina a alguien que prefiere expresarse con gestos o movimiento en lugar de texto, o a una persona con dificultades visuales enfrentándose a una interfaz de chat. La inteligencia artificial generativa ofrece una solución al permitir interpretar cualquier tipo de entrada o salida, ya sea texto, voz, video, sonido o movimiento, de manera uniforme. Esto permite que las personas se expresen de la forma más natural para ellos, sin tener que adaptarse a interfaces rígidas.

Por ejemplo, una persona muda podría comunicarse a través de lenguaje de señas captado por una cámara, o alguien con limitaciones vocales podría expresarse más fácilmente mediante este método. Además, la IA puede adaptarse a diferentes variantes de lenguajes de señas y a distintos idiomas, lo que facilita la comunicación entre personas de diferentes culturas.

La verdadera inclusión significa permitir que cada individuo utilice los medios y modos de interacción que le resulten más naturales, evitando la necesidad de diseños de accesibilidad adicionales y haciendo que la inclusión sea inherente a la experiencia.

Computación Cuántica

– ¿Podrías compartir tu opinión sobre cuáles son los principales beneficios de la computación cuántica y qué puede ofrecer a las industrias?

Hay algunos otros beneficios que a veces son pasados por alto, porque uno podría pensar que es solo una mejora gradual de lo que ya conocemos. Sin embargo, lo distintivo de la computación cuántica es que alcanza un punto de inflexión que transforma la forma en que la utilizamos. ¿Qué quiero decir con esto? La verdadera innovación radica en la manera en que la computación cuántica aborda los problemas. Gracias a su capacidad para explorar todas las posibles soluciones simultáneamente, permite resolver problemas que son teóricamente demostrables como irresolubles en un tiempo razonable para la computación tradicional.

Esto tiene aplicaciones significativas en diversos campos, como la investigación de materiales químicos y médicos, así como en la seguridad informática. Por ejemplo, en el ámbito médico, la capacidad de simular y analizar moléculas para desarrollar fármacos se vuelve casi instantánea.

En términos de seguridad, la creación de claves extremadamente complejas garantiza una protección prácticamente impenetrable para los datos, reduciendo los riesgos de ataques cibernéticos. Además, la computación cuántica realiza estos cálculos de manera más eficiente energéticamente, lo que abre nuevas posibilidades para la investigación y la experimentación en una variedad de campos.

– Entiendo que existen una serie de desafíos técnicos como la vida útil de los qubits, la temperatura de funcionamiento. ¿Puedes comentar un poco qué problemas están encontrando las empresas a la hora de implementar esta tecnología?

Sí, efectivamente. Las empresas que actualmente tienen la capacidad de ejecutar computadoras cuánticas a escala son muy limitadas, principalmente megaempresas que requieren una inversión considerable. En estos entornos, se trabaja bajo condiciones de temperatura altamente controladas debido al principal obstáculo: el ruido. Este ruido puede ser tanto estadístico como cuántico, lo cual puede interferir significativamente en los cálculos. Por lo tanto, el control de este ruido se convierte en el mayor desafío técnico. Se logra un mejor control en entornos de bajas temperaturas y altamente aislados. Sin embargo, hay un esfuerzo creciente por parte de empresas como Google, IBM y varias compañías chinas, que están comenzando a ofrecer acceso a estos entornos como servicios en la nube para otros dispositivos.

La dificultad para las empresas radica en identificar los procesos que pueden beneficiarse de la supremacía cuántica. Por ejemplo, problemas como el del vendedor viajante en logística, que teóricamente pueden resolverse casi instantáneamente con estas computadoras. Aquí es donde las empresas deben codificar algoritmos para aprovechar estas respuestas instantáneas.

En términos del ecosistema en general, estamos en una etapa incipiente y es una especie de carrera armamentística silenciosa. Todas las empresas reconocen la necesidad de prepararse para el momento en que esta tecnología esté más disponible, ya que cambiará las reglas del juego y cualquiera que se quede rezagado enfrentará una barrera de entrada y una desventaja competitiva significativa. Sin embargo, aún no hemos llegado al punto en el que esta tecnología se pueda aprovechar a escala comercial. Es más bien un espacio de exploración y planificación en anticipación a su eventual adopción generalizada.

– ¿Cuál es la estrategia de venta de esta tecnología por parte de estos desarrolladores? Es decir, ¿cómo venden una tecnología que todavía no está madura y que es difícil de implementar hoy en día?

La estrategia de venta se centra en ofrecer acceso a tiempo de cómputo, siguiendo un modelo similar al utilizado hace 40 años con los grandes mainframes. En el caso de la serie Lema, se ofrece un enfoque donde el usuario no paga por toques, sino por acceso a una abstracción que permite construir distintas soluciones.

Es importante destacar que actualmente no se vende la infraestructura necesaria para implementar esta tecnología en una empresa, sino más bien el acceso y el tiempo de ejecución en entornos específicos. Las empresas están interesadas en estar preparadas para el futuro y operar comercialmente de manera avanzada. Aunque puede que en el presente no haya un beneficio claro en el uso de algoritmos cuánticos en comparación con las tecnologías tradicionales, el valor radica en el desarrollo, adaptación y construcción de capacidades futuras.

Se vende el tiempo de acceso y uso de la tecnología, más que la infraestructura misma. Sin embargo, en el futuro, si aparece una tecnología que simplifique sustancialmente el mantenimiento de estos ambientes, podría incluso venderse el hardware o la instalación de una computadora cuántica específica.

– ¿Entonces, se podría interpretar que actualmente se está formando un ecosistema oligopolístico entre las grandes tecnológicas para mantener la computación cuántica?

En cierto modo, sí. Dado que son pocas las empresas que pueden invertir lo suficiente para sostener estos ambientes y contratar el expertise necesario en el campo de la computación cuántica.

– ¿Cómo se está abordando, en términos de inversiones, las colaboraciones entre sectores público y privado?

Existen colaboraciones continuas con instituciones como la Universidad de Harvard. En los Estados Unidos, el enfoque típico implica una inversión principalmente privada, pero en estrecha colaboración con universidades. En contraste, el modelo chino tiende más hacia una planificación integral debido a su estructura interconectada. En el Reino Unido, se fomenta la interacción entre entidades educativas y empresas mediante incentivos, lo que representa un enfoque intermedio, aunque sigue siendo mayormente impulsado por el sector privado.

Por otro lado, la Unión Europea cuenta con programas de estudio y análisis en este ámbito, pero no sigue un modelo punto a punto directo. Por ejemplo, no existe una computadora cuántica específica respaldada por una inversión federal en Arizona, como sí podría ser el caso en Estados Unidos. La influencia y la dirección del gobierno son más evidentes en algunos casos, al menos en los más conocidos. Es posible que en China existan esfuerzos similares, pero los casos más prominentes suelen estar enfocados en inversiones privadas dirigidas públicamente.

Robótica

– ¿Podrías proporcionar ejemplos concretos que ilustren cómo la inteligencia artificial está potenciando la versatilidad de los robots en diversas industrias, particularmente vinculándola con la robótica?

Es importante partir de la comprensión de que la percepción común de los robots suele ser más idealizada que la realidad en las plantas industriales y otros entornos. En general, los robots son notablemente limitados en su capacidad, pero pueden realizar tareas repetitivas de manera precisa y constante. Por ejemplo, puede haber un brazo robótico que simplemente agarra una pieza de un lugar y la traslada a otro, sin variaciones. No puede ajustar su movimiento o manejar piezas de diferente tamaño o densidad. Sin embargo, en el ámbito de la limpieza de plantas industriales, algunos robots pueden mapear el entorno y realizar tareas específicas, similar a las aspiradoras robotizadas. ¿Cuáles son los desafíos habituales para los robots? Por lo general, les resulta difícil recuperarse y reanudar sus funciones después de un incidente, y la coordinación entre varios robots también puede ser complicada. Si bien los robots tienen algoritmos internos para controlar sus movimientos, equipos y dispositivos, su capacidad de adaptación externa es limitada.

Aquí es donde entra en juego la inteligencia artificial. Esta tecnología ayuda principalmente a conectar los sensores de los robots para que comprendan su entorno y tomen decisiones. Los robots más avanzados pueden, por ejemplo, identificar visualmente objetos en una caja y determinar su destino, mejorando así el proceso de selección y distribución de productos. Además, la inteligencia artificial permite la coordinación automatizada entre múltiples robots, lo que mejora la eficiencia y reduce las colisiones. En caso de incidentes, los robots pueden utilizar la información del entorno para ajustar su comportamiento y continuar con su tarea de manera autónoma, en lugar de detenerse por completo.

Un avance importante en este campo es el aprendizaje por refuerzo, que permite a los robots aprender tareas sin una programación específica. En lugar de instruir al robot paso a paso sobre cómo realizar una tarea, se establece un objetivo y el robot determina la mejor manera de alcanzarlo, planificando sus movimientos y utilizando eficientemente sus recursos. Esta capacidad promete una mayor autonomía y flexibilidad en los robots, reduciendo la necesidad de una programación detallada.

– ¿Cómo se aplica la integración de la inteligencia artificial en los robots utilizados en entornos médicos, como en cirugías?

En efecto, la aplicación de la inteligencia artificial en robots médicos sigue un patrón similar al de otros entornos industriales. Estos robots, utilizados en operaciones quirúrgicas, son diseñados para mejorar la precisión y reducir la dependencia de la destreza manual del cirujano. Permiten realizar movimientos más precisos y agregar grados de libertad, lo que significa que pequeños movimientos de una palanca pueden traducirse en ajustes milimétricos en el instrumento quirúrgico, evitando así potenciales riesgos durante la operación.

Una vez establecida esta capacidad de operación remota o mediante interfaces robóticas, se pueden desarrollar algoritmos que monitorean cambios en el tejido, vibraciones anormales, o incluso sangrado, permitiendo una detección temprana de complicaciones durante la cirugía. Estos algoritmos pueden también planificar automáticamente los pasos de una intervención quirúrgica, optimizando el proceso y minimizando el margen de error.

Si bien actualmente los robots en entornos médicos se utilizan en tareas más básicas, como la distribución de suministros, la tendencia hacia una mayor autonomía es evidente. Sin embargo, es importante destacar que la responsabilidad médica sigue siendo fundamental. A medida que los robots asumen tareas más complejas, como la toma de decisiones durante una cirugía, surge el debate sobre la responsabilidad en caso de errores. Es probable que en el futuro se mantenga algún nivel de supervisión humana para garantizar la seguridad del paciente, aunque el rol del humano evolucione hacia tareas de supervisión estratégica en lugar de la ejecución directa de las acciones quirúrgicas.