Retos y oportunidades de la inteligencia artificial generativa

Básicamente, son modelos basados en algoritmos de aprendizaje profundo capaces de identificar patrones y relaciones en conjuntos de datos, a partir de los cuales adquiere la capacidad de producir contenido original como texto, imágenes, audio video y código de programación. Puede incluso incorporar comprensión contextual y tomar decisiones 'humanas'.
En nuestra encuesta reciente a ejecutivos minoristas de alimentos¹, el 84% dijo que están al menos algo familiarizados con Gen Al. Y ya hay un grupo dentro de la industria que es optimista sobre que la Gen Al puede hacer una 'contribución financiera significativa' en términos de una importante generación de ingresos o eficiencia en los costos de sus organizaciones. Más del 40% de los ejecutivos encuestados¹ creen que su empresa utilizará Gen Al en los próximos meses. Esto es impresionante para una tecnología que muchos probablemente conocieron por primera vez en el último año. ¿Y dónde creen se aplicará con mayor éxito? 'Actuar como asistente de atención al cliente' surgió como la principal aplicación. Las siguientes dos aplicaciones líderes están relacionadas con la gestión de la logística de la cadena de suministro y la gestión de inventarios. Lo cierto es que Gen Al puede ayudar a transformar a cada una de las funciones y de los procesos de una compañía. Transformar, y no sólo mejorar u optimizar.

'Actuar como un asistente' podría incluir no solo responder preguntas de servicio al cliente, sino también ir mucho más allá. ¿Podría Gen Al convertirse en 'una persona de confianza' que conociera nuestras preferencias y necesidades, gestionara el presupuesto para alimentos, planificara la lista de compras, tuviera recetas especiales y tratara de evitar el desperdicio? Pretender este tipo de relación es una vara muy alta, pero que permitiría mejorar la vida de los consumidores y obtener su lealtad. Sin embargo, para que esto funcione, los consumidores probablemente tendrían que estar dispuestos a compartir sus datos personales, bastante más allá de los que pusieron en el carrito de compras la semana pasada. Piense en el historial médico, las alergias, las preferencias dietéticas, las restricciones religiosas, etc., abarcando a todas las personas para quienes puedan estar preparando alimentos. Sabemos por investigaciones anteriores que aproximadamente la mitad de los consumidores están dispuestos a compartir sus datos (incluidos algunos datos médicos) y utilizar tecnología a cambio de recomendaciones personalizadas de alimentación saludable. Esto es prometedor, pero los consumidores parecen tener dudas más específicas sobre Gen Al. En una encuesta reciente¹ a los consumidores sobre sus hábitos, actitudes y preferencias de compra de alimentos, el 53% dijo que no quería recibir comunicaciones generadas por IA y solo el 22% estuvo de acuerdo o totalmente de acuerdo en creer que las compañías utilicen Gen Al de manera responsable en sus interacciones con ellos, ahora o en el futuro. Habrá que trabajar en superar estas percepciones y en generar la confianza necesaria. Y parte de ello tiene que ver con que los resultados de Gen Al no son necesariamente tan ciertos como parecen, y una de las partes más difíciles de implementarla es saber cuándo son erróneos. Y si bien se espera que estas 'alucinaciones' se corrijan con el tiempo, habrá que estar atentos y validar el contenido generado mientras tanto. También reforzar la ciberseguridad y garantizar la privacidad de los datos personales será fundamental para no dinamitarla confianza.

¿Cómo iniciar el viaje? Recomendamos comenzar pequeño a partir de algunos casos de uso con datos accesibles y bien gobernados, aprender rápido y escalar; aprovechando las lecciones aprendidas de quienes ya han comenzado a avanzar con estas tecnologías. ¿Cuándo comenzar? Ya.

Fuentes

¹ Deloitte, "Gen Al goes grocery shopping," 2023

² Deloitte "The impact of generative Al in Finance," 2023