Desbloqueando el potencial de los LLMs, un cambio radical para los gerentes

En el ámbito de los datos y la inteligencia artificial (IA), el entusiasmo a menudo se centra en el factor «wow», pero para muchos gerentes de empresas, el enfoque está en lograr resultados prácticos y reales. En medio de la inundación de noticias sobre IA de vanguardia como ChatGPT y los Modelos de Lenguaje Grande (LLM, por sus siglas en inglés), los gerentes de industrias no tecnológicas o tradicionales pueden preguntarse si estas tecnologías avanzadas son relevantes para sus operaciones diarias.

Los Modelos de Lenguaje Grande, o LLMs, ofrecen más que solo capacidades de generación de texto. Estos modelos, como GPT-4, son increíblemente versátiles y pueden aprovecharse para realizar una amplia gama de tareas. La clave para desbloquear este potencial radica en crear instrucciones precisas, a menudo denominadas «prompts», que guíen a los LLMs para ejecutar tareas específicas. Esta habilidad en evolución de crear prompts efectivos se conoce comúnmente como ingeniería de prompts.

Considere escenarios donde un LLM puede identificar idiomas en reseñas de clientes, traducir documentos corporativos o evaluar el sentimiento de las quejas de los clientes. En la era previa a los LLMs, lograr estas tareas habría requerido el desarrollo o la adquisición de sistemas separados para cada función, lo que implicaba gastos adicionales para la recopilación de datos y el hardware. Sin embargo, con el modelo de precios rentable de pago por uso de los LLMs, estos casos de uso se vuelven más económicos que desarrollar numerosos modelos especializados. En consecuencia, los LLMs están evolucionando hacia una tecnología versátil para varias aplicaciones, convirtiéndose esencialmente en un diseño dominante.

Integración perfecta en los flujos de trabajo

Aunque muchos han explorado ChatGPT a través de su interfaz web, los LLMs y su tecnología subyacente están disponibles a través de APIs de software, lo que hace que la integración en aplicaciones y flujos de trabajo empresariales sea notablemente asequible y sencilla. Ejemplos como Duolingo utilizando GPT-4 para mejorar la retroalimentación del usuario y Morgan Stanley aprovechando los LLMs para recomendaciones financieras demuestran las diversas aplicaciones de los LLMs. Los proyectos de código abierto, como langchain, permiten la creación de programas componiendo cadenas de instrucciones basadas en LLMs, allanando el camino para soluciones aún más innovadoras en el futuro.

El aspecto disruptivo de los LLMs es la forma en que permiten la programación con IA. Los desarrolladores pueden especificar tareas utilizando instrucciones de lenguaje simple y combinar resultados como si fueran ladrillos de Lego, ofreciendo una alternativa al dilema tradicional de «comprar vs. fabricar», donde puedes «fabricar vs. comprar o adaptar desde un LLM».

Interrogando los datos de la empresa con LLMs

Otra aplicación prometedora de los LLMs es consultar los datos de la empresa. Los LLMs pueden proporcionar respuestas a preguntas relacionadas con los datos cuando los datos se incluyen como parte del prompt. Este enfoque fue probado por Boston Dynamics, que utilizó ChatGPT para consultar el nivel de batería de un robot o su estado interno. Esto abre oportunidades para las bases de conocimiento corporativas. Ahora es posible introducir un conjunto de documentos comerciales o registros de datos en un prompt y hacer preguntas sobre ellos, potencialmente reemplazando las consultas SQL tradicionales a largo plazo.

Se están realizando esfuerzos para conectar las bases de datos de documentos con los LLMs de manera más eficiente, como buscar los documentos más relevantes e incorporarlos solo en el contexto. A pesar de los desafíos, los LLMs están emergiendo como una nueva interfaz para interactuar con los datos.

Interoperabilidad y toma de acciones con LLMs

Los LLMs también están abriendo camino en su capacidad para «conectarse» con otros sistemas y tomar acciones cuando sea necesario. La estrategia de prompting ReAct, introducida por investigadores de Google y Princeton, permite a los LLMs generar respuestas que incluyen llamadas a servicios. Por ejemplo, un LLM podría conectarse a un servicio de calculadora para proporcionar una respuesta a una solicitud de cálculo. Las versiones premium de ChatGPT ofrecen complementos como Expedia y Kayak, proporcionando acceso a información de reservas y manejando consultas matemáticas complejas.

En general, esta capacidad de los LLMs para interactuar con otros sistemas tiene el potencial de transformarlos en plataformas o mercados para varios servicios, similar a cómo los teléfonos cumplen más funciones que simplemente hacer llamadas.

LLMs: Asequibles, adaptables y accesibles

Para concluir, los gerentes de empresas no deben descartar los LLMs debido a la complejidad percibida. Los LLMs están disponibles fácilmente como herramientas flexibles y rentables con un modelo de pago por palabra, a menudo ofreciendo tarifas más baratas que las alternativas. Están evolucionando rápidamente hacia tecnologías genéricas de propósito general, reemplazando numerosos modelos más pequeños y ofreciendo un nuevo tipo de programación a través de instrucciones basadas en palabras. Los LLMs manejan eficientemente las consultas de datos y tienen el potencial de servir como plataformas para varios servicios.