Durante los últimos cinco años, Boston ha sido un punto central para un destacado especialista en inteligencia artificial y aprendizaje automático, cuya carrera ha atravesado ciudades como Glasgow y Toronto, y empresas de renombre como Amazon y Best Buy. Este experto ha encontrado que las aplicaciones más eficaces de la inteligencia artificial surgen al resolver problemas aparentemente menores, como la organización de datos desordenados de clientes o entender por qué un consumidor elige un producto específico después de considerar varias opciones.
En Best Buy, donde actualmente trabaja, el especialista revela cómo utilizan modelos de lenguaje de gran tamaño (LLMs) para enfrentar estos desafíos. Sin embargo, destaca la importancia de priorizar el caso de uso comercial sobre la moda de las LLMs. «No deberías usar LLMs solo porque están de moda. El caso de uso empresarial debe ser la prioridad», afirma.
Una pregunta frecuente en el ámbito tecnológico es si las LLMs son adecuadas para solucionar problemas de datos. Según el experto, esto depende del contexto. Aunque muchos equipos son atraídos por las capacidades generativas de estos modelos, es crucial tener un caso de uso claro. Aclara que, aunque son impresionantes en la síntesis de texto y razonamiento lógico, no siempre son la solución ideal.
Estas tecnologías también presentan desafíos. Pueden confundirse si se introducen demasiados datos en una consulta y a menudo generan «alucinaciones», información incorrecta que surge de su capacidad de extrapolación. Para el especialista, estas son más bien oportunidades para ajustarlos que simples fallos. «La extrapolación es lo que los hace poderosos, solo que necesitan ciertas restricciones», explica.
Por otro lado, los costos de estas tecnologías han disminuido significativamente, haciéndolas más accesibles. No obstante, es esencial contar con procesos de aseguramiento de calidad robustos y un equipo técnico capacitado para su mantenimiento a largo plazo. El experto compara la gestión de las LLMs con cuidar de «mascotas de alto mantenimiento» más que con herramientas autónomas.
vía: AI Accelerator Institute.