Aprovechando la celebración de la edición 2023 de Appian Europe, hemos hablado con Matt Calkins, CEO de la compañía y uno de sus fundadores. Tal y como está ocurriendo en la mayoría del mercado, la inteligencia artificial (especialmente la IA privada y la IA Generativa) está en el foco del discurso, pero Appian defiende que lleva ya más de veinte años involucrada en este tipo de sistemas. Veamos cómo se ha llegado hasta aquí y cuáles son los siguientes pasos.
Appian lleva veinte años trabajando con IA. ¿Qué ha cambiado en el último año?
La inteligencia artificial ha cambiado mucho, y no me refiero solo a los últimos doce meses, sino a los últimos diez años. Hace veinte años estábamos haciendo algo que podría llamarse IA; y hace treinta años yo mismo escribía sobre IA. Pero era terrible, porque no había datos vinculados.
En cualquier caso, en los últimos años ha habido una evolución tremenda, y gran parte de ella tiene que ver con la cantidad de datos con los que se puede entrenar una IA, además de con las técnicas que utilizamos para traducir esos datos en resultados útiles.
Tendremos que confiar mucho más en la traducción de los datos en resultados, y en la eficacia con la que la IA lo hace
En el futuro tendremos que confiar mucho más en eso —en la traducción de los datos en resultados— y en la eficacia con la que la IA lo hace. Algunos de los grandes modelos lingüísticos que existen se han entrenado con todos los datos válidos que sus creadores han podido obtener. Así que, más o menos, hemos maximizado nuestra capacidad de mejorar la IA dándole más información.
Si nos remontamos unos pocos años atrás, no habríamos predicho que el gran avance de la tecnología de IA procedería de una empresa mediana sin ánimo de lucro. Habría adivinado que sería Google, o quizá Uber. Hay empresas que han invertido muchísimo en IA, pero no fueron las ganadoras en la carrera inicial de la IA. ¿A que resulta interesante?
Esto nos indica que no se trata de un mercado en el que el ganador se lo lleva todo, y que muchos proveedores diferentes nos sorprenderán, adelantándose a los demás y siendo los mejores en una dimensión específica de la IA. Al final, es probable que no exista un proveedor dominante de IA. En su lugar, será un negocio para los más listos, que aplicarán la IA a problemas concretos y la entrenarán específicamente para ello. Este es un futuro mejor.
¿Habrá un modelo de IA que se aplique universalmente y que sea mucho mejor que todos los demás? Yo opino que no.
Vuestra forma de utilizar la IA es con un LLM sencillo, al que, en lugar de entrenarlo, se le proporcionan los datos con las preguntas cada vez. ¿Resolverá esto el problema del sesgo?
La cuestión es que estás utilizando un LLM sencillo. Si crees que ese LLM está libre de sesgos, entonces la respuesta es sí, porque no vamos a añadir ninguno y, además, es fácil eliminar el sesgo de los datos que estamos enviando. Por ejemplo, basta con no enviar los datos de la columna de raza o la columna de género. Por lo tanto, incluso si el modelo de base tiene sesgo, no estamos alimentándolo.
Creemos que este enfoque es menos sesgado que el habitual. La IA es como un puente entre los datos del pasado y los del presente. Así que, si los datos del presente no contienen sesgos, no habrá tampoco sesgo en los resultados.
La IA va a cambiar muchas empresas y puede que destruya algunas
Pues bien, la inteligencia artificial cambiará quiénes son los ganadores y los perdedores en los negocios. Algunas empresas prosperarán y otras quebrarán. En cuanto a Appian, nuestro low-code se basa en la velocidad. Permite hacer cosas que podrías haber hecho lentamente, pero en mucho menos tiempo. Puedes desarrollar una aplicación más rápido utilizando un diagrama de flujo que escribiéndola en código.
En momentos como éste, el tiempo es esencial. Es importante que los ejecutivos demuestren que pueden crear valor con la IA. Todo el mundo tiene prisa por sacar valor de estas tecnologías. Así que el low-code es un muy buen partido, en el sentido de que podemos permitir a nuestros clientes y socios ganar la carrera.
Así es como comienza su viaje para crear más IA. Ese éxito inicial podría ser el billete para crear un programa de IA de éxito a largo plazo dentro de una empresa.
¿Por qué ha presentado su funcionalidad de IA este año?
Llevamos en la IA alrededor de dos décadas, así que llevamos en esto mucho más tiempo que otros. Sin embargo, lo que es nuevo aquí son los grandes modelos lingüísticos (LLM).
Hace dos años no hacíamos LLM, y eso es relativamente reciente. Nuestro énfasis hoy en la inteligencia artificial privada es tomar la forma de uso más popular de inteligencia artificial, que es el LLM generativo, y encontrar una manera de hacerlo sin compartir la información privada del cliente.
Todo el mundo tiene prisa por obtener valor de estas tecnologías, por lo que el low-code es un buen punto de partida
No inventamos los LLM, pero nuestro enfoque de IA privada es novedoso. No conozco a ningún otro proveedor que esté haciendo lo mismo que nosotros. Es un enfoque muy divergente, y es el modo de resolver este problema en aquellos de nuestros clientes que quieren utilizar IA generativa pero no quieren compartir su información. Es difícil encontrar una manera de lograr ambas cosas al mismo tiempo, y esta es nuestra respuesta a ese problema.
¿Cuál es la precisión y la fiabilidad de esta IA privada?
Tiene razón en que la IA privada utiliza menos datos y puede suponer que, por tanto, es menos precisa. Pero quiero explicar por qué es precisa en la mayoría de los casos e, incluso, en algunos casos es mejor.
Si adoptáramos el enfoque de muchos datos, y entrenáramos la IA con toda nuestra base de datos o con todos los datos de la empresa, ¿no obtendríamos los mejores resultados? Sorprendentemente, la respuesta es: no necesariamente.
Nuestro enfoque de la IA privada es innovador. No conozco a ningún otro proveedor que esté haciendo lo mismo que nosotros
La razón es que, presumiblemente, los datos cambian. Obtienes datos nuevos, los datos antiguos se invalidan y es muy difícil ir a una IA que has entrenado y decirle «por favor, olvídate de este punto de datos y de ese grupo de datos» porque la estrategia ha cambiado, los clientes han cambiado o la normativa ha cambiado.
Es muy difícil «desentrenar» una IA. Nuestro enfoque no tiene ese problema, porque solo se envían los datos con la pregunta y, como nunca se enseña a la IA, no hay nada que olvidar después.
Matt Calkins, CEO of Appian, during his recent speech at Appian Europe 2023.Tampoco tenemos el problema de las normas de seguridad que te obligan a tener distintos niveles de permiso. Imagina que has entrenado a una IA en todo lo que sabes, pero luego tienes que hacer las preguntas como si no lo supieras.
Me explico: en determinados campos, como la sanidad o la administración pública, no siempre se puede acceder a toda la información todo el tiempo. Solo puedes utilizar parte de ella, y tienes que hacer las preguntas solo con los datos que conoces.
Nuestro enfoque puede filtrar la base de datos solo con lo que se está autorizado a saber, antes de enviarla a la IA. En el otro escenario obtendrás respuestas con información que no debería estar ahí, ya que entrenaste al modelo con todo.
Otra razón por la que la IA privada es mejor es que es más auditable. Si haces una pregunta y no te gustan los resultados, te gustaría saber por qué la respuesta era incorrecta. Ahora puedes ver exactamente por qué. En cambio, si tienes una IA previamente entrenada, se convierte en una caja negra. No entiendes por qué la IA te dio la respuesta que obtuviste.
Así que, en la mayoría de las circunstancias, la IA privada es mejor. Hay ciertos casos en los que se quiere entrenar previamente a una IA, pero la mayoría de nosotros trabajamos con datos cambiantes, en los que la información no es la misma que el año pasado.
Las empresas están en un estado de cambio constante y esto representa un problema cuando se utilizan sistemas de IA “preentrenados”
Nosotros, como humanos, nos adaptamos al cambio todo el tiempo. Las cosas que creíamos ayer hoy ya no son válidas. Tal vez porque se han vuelto ilegales, o las circunstancias han cambiado, o son socialmente inaceptables o, simplemente, descubrimos que estaban equivocadas. Desechamos información pasada todo el tiempo y la IA no sabe cómo hacerlo.
Como las empresas están en un estado de cambio constante, esto representa un problema cuando se utilizan sistemas de IA “preentrenados”.
¿Qué tipo de impacto tendrá la IA en el empleo?
Esto preocupa a la gente. Les preocupa que la IA aumente el desempleo, sustituyendo a las personas y dejándolas sin trabajo. Yo creo que, por el contrario, la IA aumentará el número de puestos de trabajo; que necesitaremos más mano de obra humana en el mundo de la IA que antes; que habrá más empleos que utilicen la IA, que escriban IA, que interactúen con la IA y que los demás empleos, simplemente, se volverán más poderosos por el hecho de estar acompañados por la IA.
Tenemos unos cuantos años para digerir qué hacer con la IA y encontrar su lugar en el lugar de trabajo
Creo que vamos a ser capaces de crear mucho más. Pero nuestro apetito de logros no se detendrá. Cada vez que le han dado a la humanidad una nueva herramienta, ya sea una llave inglesa, una bicicleta, un ordenador o una calculadora… cada herramienta que nos dan, decidimos que queremos hacer más con ella. Cada vez que hay un nuevo invento, decidimos que queremos hacer más, y hacemos crecer la demanda. Así que tendremos espacio para el pleno empleo con la IA.
En cualquier caso, este último año ha sido estimulante, pero creo que ahora vamos a ir más despacio. Vamos a aplicar la IA a trabajos específicos y a cosas prácticas. Tenemos unos cuantos años para digerir qué hacer con la IA y encontrar su lugar en el entorno de trabajo.
Algunas tecnologías no tienen mucha sustancia, pero creo que esta sí. La IA tiene un valor real.
