Primero describí el panorama general de la IA y me aseguré de que se dieran cuenta de que llevamos bastante tiempo utilizando la IA en forma de aprendizaje automático y otros modelos deterministas. Luego describí lo que considero las tres categorías de IA generativa. La primera es la IA generativa FOMO, que ocurre cuando la junta directiva lee sobre proyectos piloto de IA y dice: ‘¡Tenemos que hacer algo!’. Un ejemplo es apuntar a Microsoft Copilot en SharePoint y llamarlo IA generativa. Esto puede causar riesgos sin un caso de negocio claro. Si Copilot encuentra un archivo de nómina de 2018 mal clasificado en SharePoint, entonces puede responder preguntas sobre el pago de las personas. Esto refuerza la necesidad de una buena gestión de datos, ya que los modelos de IA mostrarán datos incorrectos con más frecuencia y, muy probablemente, a un mayor coste para la empresa.
Luego está la IA generativa comercial, cualquiera de los modelos preentrenados de los hiperescalares, que buscan consumir todos los datos del mundo. Estas herramientas de IA generativa comercial permiten a las personas ser más productivas de diferentes maneras, ayudando a crear una biografía o resumir un grupo de archivos PDF. Aunque este tipo de IA generativa comercial aumenta la productividad, no es una IA generativa transformacional empresarial.
La IA generativa de empresa es donde está el verdadero valor. Por ejemplo, en RGA, podemos crear una solución aprovechando un modelo de lenguaje amplio y afinado al fusionar los datos de nuestros clientes con los nuestros, y luego vender a sus clientes nuevos productos de seguros reasegurados por RGA. Esa es la IA generativa que genera ingresos. Podemos introducir los datos de un cliente en nuestra plataforma de datos y ajustar un modelo en función de ellos que genere un resultado excepcional.
