La semana pasada tuvimos nuestra primera masterclass de Mutaciones sobre ChatGPT y fue divertidísima. Y no lo digo solo para darles FOMO si es que no fueron, sino sobre todo porque salieron muy buenas preguntas y se armó una discusión muy interesante no solo sobre ChatGPT, sino sobre el impacto más amplio que está teniendo la inteligencia artificial.
La IA está generando un montón de ansiedad — y la discusión es complicada porque hay buenas razones para sentirse abrumado por la incertidumbre, pero al mismo tiempo se ha generado un montón de sensacionalismo y exageración al respecto. Sí, estamos viendo la aparición de algunas de las herramientas más poderosas que hemos visto en mucho tiempo, pero no, no son tan poderosas como para significar el fin de la civilización como la conocemos en los próximos seis meses. Espero.
Buena parte de toda esta ansiedad se debe a que es fácil de corroborar el potencial que pueden tener estos nuevos algoritmos generativos. Es apenas necesario ponerse a jugar con alguno de ellos por unos minutos para darse cuenta de que son herramientas que tienen muchísimo potencial — a diferencia de otras tecnologías que hemos visto aparecer con mucho entusiasmo pero que aún después de mucho tiempo no demuestran casos de uso específicos que manifiesten el mismo potencial. Con la IA es distinto: hay una cierta expresión que me he acostumbrado a ver en las personas cuando ven por primera vez lo que ChatGPT puede hacer, una combinación de emoción que se convierte rápidamente en miedo tan pronto como se dan cuenta de las posibles consecuencias.
Lo cual me hace pensar cada vez más en el tsunami que vemos rápidamente aproximándose en el horizonte: las diferentes formas de inteligencia artificial generativa que estamos viendo aparecer van a tener un impacto inevitable en la manera como las organizaciones se comportan y los negocios operan. Cada vez más estoy convencido de que la transformación algorítmica es inminente — y de que la mayoría de organizaciones no están listas para su impacto.
En muchos sentidos, este es el siguiente capítulo en una larga saga de transformación digital — una transformación que, como comentábamos hace un par de semanas, no tiene un punto de llegada sino es solo el principio de un proceso de adaptación continua. Pero hay otros sentidos en los que este es un nuevo proceso, uno que incluso entra en conflicto y contradicción con la transformación que hemos estado empujando los últimos años.
Así que hoy quiero desempacar todo esto en diferentes capas de impacto: en la manera como van a cambiar nuestras experiencias de usuario y nuestras maneras de trabajar, cómo esto es parecido y diferente a los esfuerzos de big data y analytics que hemos visto en los últimos años, y qué significa la transformación algorítmica para los esfuerzos que ya se han realizado alrededor de la transformación digital.
Se viene una nueva ola de mutaciones. Lo mejor que podemos hacer es prepararnos para la transformación inminente.
Tres preguntas que deberíamos estar haciendo sobre la inteligencia artificial. Hay grandes preguntas que tenemos que hacernos sobre las nuevas herramientas de IA — sobre su impacto en el trabajo, la regulación, y el futuro de las organizaciones.
¿Cuánto nos falta aún por avanzar en transformación digital?Llevamos ya varios años digitalizando organizaciones, y ahora enfrentamos desafíos de un nuevo orden de complejidad.
¿Qué podemos aprender del apogeo y caída de Twitter?La tragicomedia de Twitter bajo el gobierno de Elon Musk contiene una serie de moralejas sobre el liderazgo y la gestión del cambio.
¡Suscríbete hoy y recibe acceso a todo nuestro archivo de historias pasadas (y ayuda a alimentar a nuestros mutitos)!
Las experiencias de usuario van a cambiar
Greg Brockman, el presidente de OpenAI, realizó una presentación en la conferencia TED hace unos días donde mostró algunas de las nuevas capacidades que se lanzarán próximamente para ChatGPT. Una de las más interesantes es la introducción de plug-ins, integraciones con otras aplicaciones y servicios para poder automatizar ciertas tareas directamente desde ChatGPT.
La introducción de plug-ins simplifica enormemente el poder jugar con los inputs y los outputs que procesa ChatGPT, y la capacidad de otras aplicaciones para integrarse con su capacidad para interpretar el lenguaje. Quiere decir que ya no solo puedes pedirle a ChatGPT que te escriba un correo electrónico, sino que puede integrarse con tu aplicación de correo y enviarlo.
Uno de los casos de uso que mostró Brockman es el de la integración con Instacart, una aplicación de compras en supermercados: a partir de una receta de cocina generada por ChatGPT, el algoritmo generó también la lista de compras de ingredientes y la envió automáticamente a Instacart para realizar el pedido.
Lo más interesante de esto es cómo ilustra un nuevo patrón para pensar en experiencias de usuario potencias por inteligencia artificial: nuestro paradigma actual es el de simplificar la experiencia para facilitar al usuario cumplir con sus objetivos. Para eso mejoramos la arquitectura de información, la interfaz de usuario, los textos y descripciones, las imágenes, y una serie de otras cosas. Pero al final, todo esto es el mejor mecanismo que tenemos a nuestra disposición para interpretar las necesidades y expectativas de los usuarios — siempre sería más fácil que los usuarios pudieran decirnos que es lo que necesitan, pero hasta ahora eso ha sido imposible.
Hasta que puedes integrar inteligencia artificial en el diseño de tu experiencia de usuario.
Cuando empezamos a tener conversaciones sobre el diseño de chatbots, la promesa estaba construida sobre la idea de que la conversación en lenguaje natural era una interfaz mucho más familiar para las personas que una serie de menús y botones — y eso es cierto. Pero lo que recibimos en lugar de chatbots con lenguaje natural fueron unos diseños espantosos de menús interactivos que habrían funcionado mejor como una página web o una aplicación nativa. Los chatbots a los que hemos sido sometidos en los últimos años han sido nefastos desde un punto de vista de diseño, claramente motivados por el ahorro de dinero en el servicio al cliente por encima a una mejora de la experiencia.
Esto es diferente. Tiene sentido pensar que es más fácil escribir “quiero un kilo de tomates y dos kilos de pollo” y que eso se convierta en un pedido, en lugar de tener que navegar una serie de menús buscando lo que necesito. Tiene sentido pensar que es más fácil escribir “transfiérele $5 a Carolina” y que eso se convierta en una transacción, en lugar de tener que llenar un formulario con una serie de datos para lograr el mismo objetivo. Hay una serie de casos de uso en los que el lenguaje natural es más sencillo y accesible — y es muy posible que empecemos a ver aparecer este nuevo patrón de diseño a medida que se vuelve más fácil de implementar.
Las formas de trabajo van a cambiar
Eso no quiere decir que automáticamente toda aplicación funcione mejor con el lenguaje natural, pero sí es una expectativa que las personas empezarán a desarrollar a medida que estas interfaces se normalicen. Para algunas industrias este tipo de diseño podría ser mucho más efectivo. Pero para muchas otras industrias, el principal impacto de la inteligencia artificial va a ser en la manera como trabajamos.
Uno de los mejores ejemplos es cómo se están integrando los algoritmos con las tareas de programación: herramientas como Copilot de Github o Ghostwriter de Replit son asistentes virtuales integrados con el proceso de desarrollo, que pueden generar código, evaluarlo, y ayudar a corregir errores. Estas herramientas aumentan enormemente la productividad de una persona escribiendo código.
Algo parecido puede decirse de los diseñadores visuales y los algoritmos de generación de imágenes como Dall-E, Stable Diffusion, o Midjourney. Utilizando estas herramientas es posible generar moodboards, conceptos, y direcciones visuales rápidamente, que luego pueden ser refinadas y pulidas en mayor detalle. El algoritmo no puede hacerlo todo por sí solo, pero ayuda a las personas a explorar direcciones creativas y posibilidades con mucho menos esfuerzo.
Este mismo patrón está expandiéndose rápidamente a otras formas de trabajo. Tanto Microsoft como Google han anunciado la integración de inteligencia artificial con Office 365 y con Google Workspace, respectivamente. RunwayML está desarrollando una serie de herramientas que facilitan la creación y manipulación de videos. Y así sucesivamente, esta nueva generación de algoritmos están uno a uno modificando la manera como trabajamos a través de múltiples industrias y tareas.
El mensaje importante aquí, además de que todo esto suena muy divertido, es que vamos a trabajar de maneras muy diferentes en un futuro no muy lejano. La incorporación de herramientas de inteligencia artificial en el trabajo cotidiano posiblemente se convierta en un elemento determinante para la competitividad de las organizaciones, y se empiece a formar una división entre aquellas que incorporan exitosamente herramientas de IA de manera transversal, y aquellas que no.
El otro mensaje importante es que el impacto de estas herramientas no va a estar circunscrito a las áreas de tecnología ni al trabajo de los equipos de desarrollo: estamos frente a un impacto generalizado — o frente a una tecnología de uso general, una que puede ser reapropiada y adaptada para todo tipo de contextos.
¿No veníamos hablando de machine learning hace mucho tiempo?
Pero ya veníamos escuchando de big data, machine learning e inteligencia artificial hace bastante tiempo — ¿por qué de pronto todo esto se siente tan diferente? ¿Y cómo se integra con lo que muchas organizaciones ya venían haciendo?
Para muchas organizaciones, el proceso de transformación digital por el que han pasado en los últimos años significó también una serie de inversiones en infraestructura para el análisis de datos: con la avalancha de información que generan las interacciones digitales, era necesario tener la capacidad para analizar esa data y utilizarla de manera productiva. Muchas organizaciones descubrieron que tenían muchísima data a su disposición pero que no tenían ninguna manera de acceder a ella: la data no estaba centralizada en ninguna parte, estaba terriblemente sucia e incompleta, en diferentes formatos incompatibles, y en muchos casos ni siquiera en formatos digitales. Para poder construir modelos sofisticados de analítica que hagan sentido de toda esta data, primero era necesario resolver una serie de brechas de infraestructura y desarrollar capacidades.
Sin embargo, lo que está pasando con inteligencia artificial ahora no es exactamente lo mismo a todo lo que vimos pasando con analítica de datos y machine learning en los últimos años. Esas capacidades dependían de grandes inversiones y sobre todo estaban mediadas por equipos especializados capaces de crear, manipular, y explotar estos modelos de datos. Sin estos intermediarios, era imposible realmente extraer valor de esas enormes cantidades de data. Pero estas nuevas herramientas están ampliamente disponibles para cualquier persona, y no requieren de un entrenamiento muy sofisticado para empezar a utilizarlas. Son herramientas off the shelf, listas para usar, donde en el pasado se requerían equipos especializados.
Esto quiere decir dos cosas. En primer lugar, que las organizaciones que realizaron esas inversiones en cerrar brechas de infraestructura y desarrollar capacidades alrededor de la gestión de la data — sobre todo en desarrollar culturas internas sobre el uso y la gobernanza de la data — tienen una ligera ventaja si se trata de entrenar sus propios modelos de lenguaje utilizando su propia data.
Pero, y esto es importante, no son un requerimiento para empezar a utilizar estas nuevas herramientas. No es necesario que una organización tenga un Chief Data Officer para que Miguel en Contabilidad empiece a jugar con ChatGPT. Estos nuevos modelos están pre-entrenados y son útiles para una amplia variedad de casos de uso, los cual los hace útiles para casi cualquier persona sin mayor personalización y sin ningún tipo de desarrollo.
De la transformación digital a la transformación algorítmica
A primera vista, la transformación algorítmica podría parecer simplemente como una nueva etapa de la transformación digital. Pero yo soy de la idea de que esta transición no va a ser tan sencilla, por las mismas razones por las que empezar con la transformación digital fue difícil en primer lugar: hay una nueva ortodoxia que se ha establecido luego de mucho esfuerzo y frustración, y esa nueva ortodoxia no va a cambiar tan fácilmente.
El proceso de transformación digital ha significado para muchas organizaciones hacer inversiones significativas en tecnología, en construir nuevos equipos, en desplegar nuevos servicios digitales. Todo eso está muy bien. De ese proceso salieron todos esos e-commerce y esas aplicaciones de banca móvil — todos esos servicios que ahora bien podrían verse reinterpretados por una nueva generación de tecnologías.
Eso hará, comprensiblemente, que muchas organizaciones reaccionen en primer lugar con resistencia y escepticismo ante la inminencia de una nueva ola de cambios: finalmente, un nuevo paradigma podría implicar que muchas de esas inversiones de pronto pierden su valor, muchas de esas capacidades de pronto están desfasadas. Pero sobre todo: la transformación algorítmica cambia el foco de la transformación de los equipos y servicios digitales, hacia todo el resto de la organización.
La transformación algorítmica extiende el acceso a las capacidades digitales porque reduce enormemente las barreras de entrada: donde antes era necesario desarrollar aplicaciones y servicios, ahora los asistentes virtuales pueden escribir el código. Como señaló John Maeda en el más reciente SxSW, mientras nosotros estábamos preocupados por aprender a hablar como las máquinas, las máquinas aprendieron a hablar como nosotros: GPT-4 puede incluso escribir el código para las APIs que necesitan otros servicios para integrarse con GPT-4. Al menos en papel, cualquier persona puede usar estas herramientas para generar ese tipo de integraciones.
La transformación algorítmica es la transformación del lenguaje natural — tanto usuarios como trabajadores pueden empezar a utilizar el lenguaje natural, la interfaz con la que estamos más familiarizados, para conseguir que las máquinas cumplan con tareas complejas. Eso va a tener un impacto significativo en cómo nos comunicamos y cómo trabajamos, en las expectativas que van a tener las personas sobre nuestros productos y servicios. Para quienes interpretaron la transformación digital como un problema principalmente de tecnología, esta transición va a ser dura e incómoda: porque de pronto mucha de esa tecnología ha quedado expuesta como en camino a la obsolescencia.
Pero para quienes entendieron la tarea de una manera cultural, como el cambio en la manera como la organización se comporta, han creado la infraestructura básica para esta y cualquier otra transformación en el futuro: porque una cultura de aprendizaje, de experimentación continua, de iterar continuamente la manera en la que se trabaja — esas serán las culturas que estarán en la mejor posición para explorar y aprovechar lo que este nuevo paradigma puede ofrecerles.
Toda transformación es siempre difícil, y agotadora. Pero rara vez es voluntaria. Todo parece indicar que la transformación algorítmica es inminente. La pregunta importante es: ¿qué estás haciendo para prepararte?
khoi
Se viene el primer Ask Me Anything, un espacio exclusivo de 45 minutos que tendremos mensualmente para que hagan todas las preguntas que les quitan el sueño. ¿Quieren saber si ChatGPT les quitará la chamba? ¿O si el Metaverso sigue siendo relevante? Incluso preguntas sobre cómo competir por talento global en su organización.
La sesión será la próxima semana. Para asistir, solo debes confirmar tu asistencia a la invitación que recibirás en los próximos días.
Instagram / YouTube / Podcast / Escríbenos
