Un 40% de la fuerza laboral mundial deberá aprender nuevas habilidades tras el desarrollo de la IA

El auge de la inteligencia artificial (IA) ha marcado una revolución significativa en el funcionamiento de las empresas en todo el mundo. La capacidad de las empresas para recopilar, procesar y aprovechar grandes cantidades de datos ha llevado al desarrollo de algoritmos avanzados que pueden automatizar tareas complejas, mejorar la toma de decisiones y optimizar procesos internos.

Dentro de esta dinámica las empresas necesitan, de manera específica, cinco roles para que la IA se implemente de la mejor forma: “el científico de datos, el ingeniero de datos, el desarrollador de IA generativa, el especialista en ética de datos y el arquitecto de soluciones de datos e IA”, aseguró Franceso Fontanor, quien es el líder de Data & AI Sales para IBM América Latina.

Un estudio de esa compañía indicó que “aproximadamente un 40% de la fuerza laboral mundial, deberá reentrenarse y aprender nuevas habilidades como consecuencia de la IA”, apuntó Fontanor.

Es que en la actualidad, las empresas buscan activamente profesionales con experiencia práctica que puedan aplicar tanto la inteligencia artificial tradicional como la inteligencia artificial generativa para abordar desafíos empresariales.

Las empresas implementan cada vez más la IA a sus funciones internas. (Imagen ilustrativa Infobae)

En qué se diferencian la IA tradicional y generativa

La IA tradicional se basa en algoritmos que siguen reglas predefinidas para resolver problemas específicos, como clasificación o reconocimiento de patrones. En cambio, la IA generativa se centra en la creación autónoma de nuevo contenido mediante el uso de modelos probabilísticos y de aprendizaje profundo.

Esto se traduce en aplicaciones únicas para cada enfoque: la IA tradicional es valiosa para tareas lógicas y específicas, mientras que la IA generativa destaca en la creación de contenido original.

“La IA tradicional se ha venido utilizando desde hace varios años en ámbitos como la atención al cliente. Los casos más comunes incluyen de agentes de servicio conversacionales, agentes de servicio transaccionales o de segunda generación, así como motores de recomendación de compra de las plataformas web, las recomendaciones de películas, series o canciones de las plataformas de streaming o música, etc.”, explicó el ejecutivo.

La IA tradicional se dedica, principalmente, al procesamiento de datos. (Freepik)

Con la IA generativa, el enfoque en la experiencia del cliente va a cambiar radicalmente y originará un crecimiento exponencial en la cantidad de datos que las empresas e instituciones van a tener capturar y procesar: “Un caso de uso que ya estamos entregando con éxito a clientes de la región es el de call center cognitivo”, añadió.

Esta solución se fundamenta en el aprovechamiento de la tecnología para crear una experiencia diferencial en la atención al cliente. Su enfoque radica en abordar consultas y preguntas de manera efectiva, proporcionando información precisa y detallada. Además, tiene la capacidad de gestionar quejas y reclamaciones de los clientes mediante diversos canales sin depender de la intervención humana.

“Integra distintas tecnologías como son la IA tradicional, IA generativa, conversión de voz a texto y de texto a voz, así como tecnologías para buscar y responder preguntas sobre documentos empresariales utilizando procesamiento de lenguaje natural y modelos LLM”, enfatizó Fontanot.

De esta manera, las empresas cada vez más necesitaríán a expertos en inteligencia artificial para apoyar los procesos de desarrollo e implementación correcta de dicha tecnología.

Un ejemplo de IA generativa es ChatGPT. EFE/ Rayner Peña R.

IA para tomar mejores decisiones

La IA tradicional, generativa o incluso la inteligencia de negocios tradicional son tecnologías “muy poderosas” que ayudan a soportar la toma de decisiones en los distintos niveles de las empresas. Por ejemplo, las empresas pueden considerar la IA para evaluar el ROI, medida utilizada para evaluar la rentabilidad o eficiencia de una inversión en relación con su costo.

Sin embargo, si se quiere hacer uso de la inteligencia artificial, las compañías deben comprender la importancia de un buen esquema de dato para que el modelo de lenguaje pueda entrenarse de la manera correcta.

“Es un requisito imprescindible y fundamental contar con una arquitectura de datos moderna que esté preparada para procesar grandes volúmenes de información con gran velocidad, calidad, gobierno, seguridad y ética, evitando los sesgos propios de los algoritmos y manteniendo la confidencialidad de la data”, instó el ejecutivo.

La conversación con Fontanor se dio en el marco del evento de IBM Summit Perú, espacio en el que se discutieron temas como la nube híbrida, ciberseguridad, data e Inteligencia Artificial, automatización de tareas, generación de código y atención del cliente.