Durante los últimos cinco años, la escena tecnológica de Boston ha sido el hogar profesional de un especialista en inteligencia artificial y aprendizaje automático, quien ha recorrido un camino que incluye ciudades como Glasgow y Toronto, así como posiciones en gigantes como Amazon y Best Buy. A lo largo de su trayectoria, ha descubierto que las aplicaciones de inteligencia artificial más efectivas suelen surgir al abordar problemas poco glamorosos, tales como la limpieza de datos de clientes desordenados o el análisis de por qué un consumidor elige un determinado producto tras revisar varias opciones.
En su actual trabajo en Best Buy, este experto comparte cómo están empleando modelos de lenguaje de gran tamaño (LLMs) para enfrentar estos retos. Sin embargo, subraya la importancia de centrarse primero en el caso de uso comercial antes de dejarse llevar por la moda de las LLMs. «No deberías usar LLMs solo porque están de moda. El caso de uso empresarial debe ser la prioridad», enfatiza.
Una de las preguntas más frecuentes que se plantea en el ámbito tecnológico es si las LLMs deben utilizarse para resolver problemas de datos. La respuesta, según el experto, es que depende del contexto. Admite que muchos equipos se ven tentados por las capacidades emocionales y generativas de estos modelos, obviando la necesidad de un caso de uso claro. Señala que, aunque estos modelos son destacados en la síntesis de texto, razonamiento lógico y la conexión de datos desordenados, no siempre son la solución.
Además de sus ventajas, las LLMs presentan desafíos. Si se introducen demasiados datos en una única consulta, estas pueden confundirse. También suele dar lugar a lo que se conoce como «alucinaciones», un término que se usa para describir cuando los modelos generan información incorrecta. Para el especialista, estos errores son más bien una consecuencia del potencial de extrapolación de los modelos que un fallo en sí mismo. «La extrapolación es lo que los hace poderosos, solo que necesitan ciertas restricciones», aclara.
Por otro lado, el costo de uso de estas tecnologías ha disminuido considerablemente recientemente, lo que las hace más accesibles para nuevos casos de uso que anteriormente no eran viables económicamente. Sin embargo, destaca la importancia de contar con sólidos procesos de aseguramiento de calidad y un equipo técnico preparado para el mantenimiento a largo plazo. Resalta que, a diferencia de un simple producto que se puede implementar y olvidar, las LLMs requieren un cuidado constante, asemejándolas más a mascotas de alto mantenimiento que a herramientas autónomas.
vía: AI Accelerator Institute
