Tél máquinas vienen por sus cosechas, al menos en unos pocos campos en Estados Unidos. Este otoño, John Deere, un fabricante de tractores, envió su primera flota de máquinas totalmente autónomas a los agricultores. Los tractores de labranza están equipados con seis cámaras que utilizan inteligencia artificial (ai) para reconocer obstáculos y maniobrar fuera del camino. Julián Sánchez, que dirige la unidad de tecnología emergente de la empresa, estima que aproximadamente la mitad de los vehículos que vende John Deere tienen algún AI capacidades. Eso incluye sistemas que usan cámaras a bordo para detectar malezas entre los cultivos y luego rociar pesticidas, y cosechadoras que alteran automáticamente su propia configuración para desperdiciar la menor cantidad de grano posible. Sánchez dice que para una finca mediana, el costo adicional de comprar un AI-El tractor mejorado se recupera en dos o tres años.
Durante décadas, los tecnólogos optimistas han afirmado que AI pondrá patas arriba el mundo de los negocios, creando enormes beneficios para las empresas y los clientes. John Deere no es la única prueba de que esto finalmente está sucediendo. Una encuesta realizada por McKinsey Global Institute, el grupo de expertos interno de la consultora, encontró que este año el 50% de las empresas de todo el mundo habían intentado utilizar AI de alguna manera, un aumento del 20 % en 2017. Los nuevos y potentes modelos “fundamentales” se están moviendo rápidamente del laboratorio al mundo real. El entusiasmo es palpable entre los usuarios corporativos de AI, sus desarrolladores y los patrocinadores de capital de riesgo de esos desarrolladores. Muchos de ellos asistieron a un jamboree de una semana organizado en Las Vegas por Amazon Web Services, el brazo de computación en la nube del gigante tecnológico. El evento, que finalizó el 2 de diciembre, estuvo repleto deyo charlas y talleres sobre ai. Entre los stands más concurridos de la sala de exposiciones se encontraban los de AI firmas como Dataiku y Blackbook.ai.
el zumbido AI La escena es una excepción al estado de ánimo pesimista del mundo tecnológico, que se encuentra en medio de una profunda depresión. En 2022, los capitalistas de riesgo han invertido $ 67 mil millones en empresas que afirman especializarse en AI, según PitchBook, una empresa de datos. la parte de v.c. los acuerdos a nivel mundial que involucran a estas nuevas empresas han aumentado desde mediados de 2021, al 17% en lo que va del trimestre. Entre enero y octubre, 28 nuevos AI Se han acuñado unicornios (startups privadas valoradas en 1.000 millones de dólares o más). Se dice que Microsoft está en conversaciones para aumentar su participación en OpenAI, un constructor de modelos de cimentación. Se informa que Alphabet, la empresa matriz de Google, planea invertir 200 millones de dólares en Cohere, un rival de OpenAI. al menos 22 AI startups han sido lanzadas por antiguos alumnos de OpenAI y Deepmind, uno de Alphabet AI labs, según un informe de Ian Hogarth y Nathan Benaich, dos empresarios británicos.
La exuberancia no se limita a Silicon Valley. Las grandes empresas de todo tipo están desesperadas por tener en sus manos AI talento. En los últimos 12 meses, grandes empresas estadounidenses en el S&PAGS El índice 500 ha adquirido 52 AI nuevas empresas, en comparación con 24 compras en 2017, según PitchBook. Las cifras de PredictLeads, otro proveedor de datos, muestran que el mismo grupo de empresas publicó alrededor de 7000 anuncios de trabajo al mes para AI y expertos en aprendizaje automático en los tres meses hasta noviembre, unas diez veces más que en el primer trimestre de 2020 (ver gráfico). Derek Zanutto de CapitalGRAMOuno de Alfabeto v.c. divisiones, señala que las grandes empresas habían pasado años recopilando datos e invirtiendo en tecnología relacionada. Ahora quieren usar esta “pila de datos” a su favor. AI ofrece formas de hacerlo.
Como era de esperar, la primera industria en adoptar AI fue el propio sector tecnológico. A partir de la década de 2000, las técnicas de aprendizaje automático ayudaron a Google a impulsar su negocio de publicidad en línea. Hoy Google usa Ai para mejorar los resultados de búsqueda, terminar tus oraciones en Gmail y encontrar formas de reducir el uso de energía en sus centros de datos, entre (muchas) otras cosas. de Amazon AI gestiona sus cadenas de suministro, instruye a los robots de almacén y predice qué solicitantes de empleo serán buenos trabajadores; Apple potencia su asistente digital Siri; Meta’s ofrece publicaciones en redes sociales que llaman la atención; y Microsoft hace de todo, desde eliminar el ruido de fondo en Teams, su servicio de videoconferencia, hasta permitir que los usuarios creen los primeros borradores de las presentaciones de PowerPoint.
La gran tecnología divisó rápidamente la oportunidad de vender algunos de esos mismos AI capacidades a los clientes. Amazon, Google y Microsoft ahora venden tales herramientas a los clientes de sus divisiones de computación en la nube. Los ingresos del servicio en la nube de aprendizaje automático de Microsoft se han duplicado en cada uno de los últimos cuatro trimestres, año tras año. Han proliferado los nuevos proveedores, desde Avidbots, un desarrollador canadiense de robots que barren los pisos de los almacenes, hasta Gong, cuya aplicación ayuda a los equipos de ventas a seguir una pista. Mayor uso de la computación en la nube, lo que reduce el costo de uso AI, permitió que la tecnología se extendiera a otros sectores, desde la industria hasta los seguros. Puede que no lo veas, pero en estos días AI Está en todas partes.
Embotando el filo
En 2006, Nick Bostrom de la Universidad de Oxford observó que “una vez que algo se vuelve lo suficientemente útil y común, no se etiqueta como AI más”. Ali Ghodsi, jefe de Databricks, una empresa que ayuda a los clientes a administrar datos para AI aplicaciones, ver una explosión de tales “aburrido AI”. Sostiene que en los próximos años AI se aplicará a cada vez más puestos de trabajo y funciones de la empresa. Muchas pequeñas mejoras en AIEl poder predictivo de puede sumar mejores productos y grandes ahorros.
Esto es especialmente cierto en áreas menos llamativas donde las empresas ya utilizan algún tipo de análisis, como la gestión de las cadenas de suministro. Cuando en septiembre el huracán Ian obligó a Walmart a cerrar un gran centro de distribución, cortando el flujo de mercancías a sus supermercados cercanos en Florida, el minorista utilizó un nuevo AI-impulsó la simulación de su cadena de suministro para desviar las entregas de otros centros y predecir cómo cambiará la demanda de bienes después de la tormenta. Gracias a AI el proceso tomó horas en lugar de días, dice Srini Venkatesan de la división de tecnología de Walmart.
Es probable que la próxima ola de modelos básicos cambie mucho más AI aburrido. Estos algoritmos tienen dos grandes promesas para los negocios. La primera es que los modelos de base son capaces de generar nuevos contenidos. Estabilidad AI y Midjourney, dos nuevas empresas, construyen modelos generativos que crean nuevas imágenes para un aviso dado. Solicite un perro en un monociclo al estilo de Picasso, o, menos frívolamente, un logotipo para una nueva empresa, y el algoritmo lo evoca en un minuto más o menos. Otras nuevas empresas crean aplicaciones sobre los modelos básicos de otras empresas. Jaspe y Copia.AI ambos pagan AbiertoAI para acceder a GPT3, que permite que sus aplicaciones conviertan avisos simples en textos de marketing.
La segunda ventaja es que, una vez entrenada, la base AILos s son buenos para realizar una variedad de tareas en lugar de una sola especializada. Tomar GPT3, un modelo de lenguaje natural desarrollado por OpenAI. Primero se entrenó en grandes porciones de Internet, luego fue ajustado por diferentes nuevas empresas para hacer varias cosas, como escribir textos de marketing, completar formularios de impuestos y crear sitios web a partir de una serie de mensajes de texto. Cálculos aproximados de Beena Ammanath, quien encabeza el AI práctica de Deloitte, una consultora, sugieren que la versatilidad de los modelos de cimentación podría reducir los costos de una AI proyecto en un 20-30%.
Uno de los primeros usos exitosos de generativo AI es, de nuevo como era de esperar, la provincia de la tecnología: la programación informática. Varias empresas ofrecen un asistente virtual capacitado en un gran depósito de código que genera nuevas líneas cuando se le solicita. Un ejemplo es Copilot en GitHub, una plataforma propiedad de Microsoft que aloja programas de código abierto. Los programadores que usan Copilot subcontratan casi el 40% de la escritura del código. Esto acelera la programación en un 50%, afirma la firma. En junio, Amazon lanzó CodeWhisperer, su propia versión de la herramienta. Según los informes, Alphabet está usando algo similar, cuyo nombre en código es PitchFork, internamente.
En mayo, Satya Nadella, jefe de Microsoft, declaró: “Visualizamos un mundo en el que todos, sin importar su profesión, puedan tener un copiloto para todo lo que hacen”. En octubre, Microsoft lanzó una herramienta que analiza automáticamente los datos de los usuarios siguiendo las indicaciones. Amazon y Google pueden intentar producir algo similar. Varias startups ya lo están haciendo. Adept, una firma californiana dirigida por ex empleados de Deepmind, OpenAI y Google, está trabajando en “un copiloto para trabajadores del conocimiento”, dice Kelsey Szot, cofundadora. En septiembre, la compañía lanzó un video de su primer modelo de base, que utiliza indicaciones para procesar números en una hoja de cálculo y realizar búsquedas en sitios web de propiedades. Planea desarrollar herramientas similares para analistas de negocios, vendedores y otras funciones corporativas.
colorantes artificiales
Los usuarios corporativos están experimentando con generativo AI en otras formas creativas. Sánchez, de John Deere, dice que su empresa está investigando AI-datos “sintéticos” generados, que ayudarían a entrenar a otros AI modelos En diciembre de 2021, Nike, un gigante de la ropa deportiva, compró una empresa que utiliza dichos algoritmos para crear nuevos diseños de zapatillas. Desde el mes pasado Alexa, la asistente virtual de Amazon, es capaz de inventar historias para contarles a los niños. Nestlé, una empresa suiza de alimentos, está utilizando imágenes creadas por DARLE-2, otro AbiertoAI modelo, para ayudar a vender sus yogures. Algunas firmas financieras están empleando AI para preparar un primer borrador de sus informes trimestrales.
Los usuarios de modelos básicos también pueden aprovechar una industria emergente de apuntadores profesionales, que elaboran instrucciones para optimizar el resultado de los modelos. PromptBase es un mercado donde los usuarios pueden comprar y vender avisos que producen resultados particularmente atractivos a partir de los grandes modelos generativos basados en imágenes, como DARLE-2 y medio viaje. El sitio también le permite contratar “ingenieros de avisos” expertos, algunos de los cuales cobran entre $50 y $200 por aviso. “Hoy en día todo se trata de escribir indicaciones”, dice Thomas Dohmke, jefe de GitHub.
Al igual que con todas las herramientas nuevas y poderosas, las empresas deben andar con cuidado a medida que implementan más AI. Habiendo sido entrenados en Internet, muchos modelos básicos reflejan humanidad, con verrugas y todo. Un estudio realizado por académicos de la Universidad de Stanford encontró que cuando GPT3 se le pidió que completara una oración que comenzaba con “Dos musulmanes entraron en un…”, el resultado era más probable que invocara la violencia con mucha más frecuencia que cuando la frase se refería a cristianos o budistas. Meta derribó a Galactica, su modelo base para la ciencia, después de que muchos afirmaran que generó una investigación que parecía real pero falsa. Carl Bergstrom, biólogo de la Universidad de Washington en Seattle, lo ridiculizó como un “generador de tonterías al azar”. (Meta dice que el modelo permanece disponible para los investigadores que quieran aprender sobre el trabajo).
Otros problemas son específicos del mundo de los negocios. Debido a que los modelos básicos tienden a ser cajas negras que no ofrecen una explicación de cómo llegaron a sus resultados, pueden crear responsabilidades legales cuando las cosas salen mal. Y no servirán de mucho para aquellas firmas que no tienen una idea clara de lo que quieren AI hacer, o que no enseñen a los empleados cómo usarlo. Esto puede ayudar a explicar por qué solo una cuarta parte de los encuestados del McKinsey Global Institute dijo que AI había beneficiado el resultado final (definido como un aumento del 5% en las ganancias). La proporción de empresas que ven un gran beneficio (un aumento en las ganancias de más del 20%) es de un solo dígito bajo, y muchas de ellas son empresas de tecnología, dice Michael Chui, quien trabajó en el estudio.
Aún así, esas proporciones están destinadas a seguir aumentando a medida que más AI se vuelve cada vez más aburrido. Rara vez lo aburrido ha provocado tanta emoción. ■