En los procesos de negocio modernos, la adopción de la IA generativa ha ido más allá de la mera utilización como herramienta y está entrando ahora en la fase de integración sistemática.
Más allá de esto se encuentra una nueva era de la inteligencia: la "Inteligencia Sinfónica".
Este artículo explorará el estado actual y las perspectivas futuras de la utilización de la IA generativa desde dos perspectivas: el trabajo iterativo y el trabajo de flujo.
Trabajo Iterativo
En un artículo anterior, analizamos las perspectivas de "trabajo iterativo y herramientas" versus "trabajo de flujo y sistemas" como puntos de vista para permitir que la IA generativa realice tareas empresariales.
El trabajo iterativo se refiere a tareas en las que los humanos combinan de forma semiconsciente múltiples tareas concretas distintas y proceden mediante prueba y error.
Y para este trabajo iterativo, las herramientas son óptimas. Al seleccionar las herramientas que se ajustan a diversas tareas, el trabajo puede progresar de manera eficiente. Por lo tanto, es necesario reunir el conjunto de herramientas requerido y volverse competente en su uso.
Actualmente, cuando la IA generativa se utiliza en los negocios, la gran mayoría de los casos implican a la IA generativa como una herramienta.
Gran parte de la discusión sobre la mejora de la eficiencia empresarial con la IA generativa casi siempre se refiere a añadir esta nueva y potente herramienta al conjunto de herramientas existente que los humanos utilizan para el trabajo iterativo.
El Problema con el Trabajo Iterativo
Por otro lado, como se señaló en el artículo anterior, las ganancias de eficiencia de las herramientas en el trabajo iterativo son relativamente limitadas.
A medida que las herramientas se vuelven más eficientes, los humanos finalmente se convierten en el cuello de botella. En última instancia, la barrera de las horas de trabajo humanas no puede superarse.
Además, existe una brecha significativa en la eficiencia y precisión del trabajo iterativo entre los empleados veteranos y los nuevos reclutas, y es difícil cerrar esta brecha. Por lo tanto, incluso si se desea duplicar la carga de trabajo el próximo mes, no se puede manejar sin personas con habilidades de veterano.
Para resolver el problema de que los humanos son el cuello de botella, en última instancia se trata de reemplazar todo con inteligencia artificial.
Sin embargo, la IA generativa actual aún no posee ese nivel de rendimiento.
Además, incluso las tareas iterativas aparentemente simples, cuando se examinan de cerca, consisten en un gran número de tareas inconscientes.
Por esta razón, no pudieron reducirse a sistemas de TI convencionales o manuales que cualquiera pudiera seguir, y por lo tanto dependían de la habilidad humana.
A menos que estas numerosas tareas inconscientes que requieren destreza se organicen y el conocimiento necesario para cada una se codifique, la IA generativa, por mucho que mejore su rendimiento, no podrá reemplazar el trabajo humano.
Transformación en Trabajo de Flujo y Sistematización
Para abordar el objetivo de distribuir tareas dentro de los límites de rendimiento actuales de la IA generativa, y el objetivo de organizar tareas inconscientes y codificar el conocimiento, es de gran importancia organizar el trabajo iterativo de prueba y error en un trabajo de flujo estandarizado.
El trabajo de flujo estandarizado se adapta no solo a las herramientas, sino también a los sistemas.
Dentro del trabajo de flujo, hay tareas ejecutadas por IA generativa y tareas ejecutadas por humanos. Al conectar estas con un sistema, todo el trabajo de flujo se vuelve ejecutable.
La transformación en trabajo de flujo y la sistematización producen varios efectos significativos.
Uno es que la IA generativa se especializa en tareas individuales, lo que deja claro cómo optimizar la eficiencia y precisión de la IA generativa para cada tarea.
En segundo lugar, múltiples trabajadores pueden agregar conocimiento a la IA generativa, y los beneficios se extienden a todos.
En tercer lugar, resulta fácil trasladar gradualmente la división de tareas dentro de este trabajo a la IA generativa.
De esta manera, al transformar el trabajo iterativo en trabajo de flujo y acumular el conocimiento que la IA generativa necesita para cada tarea como un sistema, el trabajo intelectual se acerca a la automatización como una línea de fábrica.
Y al incorporar las mejoras en el rendimiento fundamental de la IA generativa que evolucionan con el tiempo, y al aprovechar el conocimiento acumulado especializado para diversas tareas, será posible hacer que todo el trabajo de flujo sea un proceso automatizado impulsado por la IA generativa.
Inteligencia Virtual
Esto concluye el análisis desde la perspectiva del trabajo iterativo y las herramientas, y el trabajo de flujo y los sistemas.
Otro artículo que escribí recientemente desarrolla aún más esta discusión.
En ese artículo, abordé el tema de la orquestación mediante la inteligencia virtual.
Actualmente, y en un futuro muy cercano, debido a las limitaciones de rendimiento, la IA generativa funciona mejor en términos de eficiencia y precisión cuando se enfoca en tareas específicas.
Por lo tanto, como se discutió anteriormente con el trabajo de flujo y los sistemas, un mecanismo ideal era conectar IAs generativas especializadas para cada tarea individual a través de un sistema.
Sin embargo, incluso si el rendimiento de la IA generativa mejora significativamente, podría ser más eficiente y preciso procesar cambiando roles y utilizando diferentes conocimientos dentro de una sola ejecución de procesamiento, en lugar de simplemente procesar varias tareas en paralelo.
Este método eliminaría la necesidad de un sistema para vincular IAs generativas entre sí. Las operaciones similares a la integración de sistemas ocurrirían dentro de la propia IA generativa.
Además, de una situación en la que la reorganización o adición de tareas es imposible sin cambios en el sistema, la propia IA generativa podrá responder de manera flexible.
Esto significa que las tareas trabajadas por flujo y sistematizadas vuelven a ser trabajo iterativo.
Sin embargo, el trabajo iterativo que regresa después de pasar por este proceso de trabajo de flujo y sistematización estará en un estado en el que se ha formado conocimiento reutilizable, incluso si se aumenta el número de IAs generativas o se cambian sus versiones.
Esto resuelve los problemas del trabajo iterativo humano y permite el desempeño de tareas flexibles similares a las realizadas por humanos.
Aquí, llamo a la capacidad de la IA generativa para cambiar roles y conocimientos durante una sola ejecución "inteligencia virtual". Esto es análogo a la máquina virtual de una computadora.
Así como la tecnología de máquinas virtuales simula computadoras completamente diferentes ejecutándose en una sola pieza de hardware, una sola IA generativa procesa cambiando entre múltiples roles.
La IA generativa ya ha adquirido naturalmente esta capacidad de inteligencia virtual. Por eso la IA generativa puede simular discusiones que involucran a múltiples personas o generar novelas con múltiples personajes.
Si esta capacidad de inteligencia virtual mejora y se le proporciona suficiente conocimiento, será posible realizar trabajo iterativo.
Orquestación de la Inteligencia
Además, me refiero a la capacidad de combinar libremente múltiples roles y conocimientos para realizar tareas como "orquestación de la inteligencia".
Esto es similar a la tecnología de orquestación que gestiona múltiples máquinas virtuales.
Así como la tecnología de orquestación opera sistemas de manera eficiente lanzando las máquinas virtuales necesarias cuando se requieren, una IA generativa con habilidades mejoradas de orquestación de la inteligencia —una capacidad de la inteligencia virtual— será capaz de realizar trabajo iterativo de manera flexible, manteniendo la eficiencia y la precisión mientras utiliza de forma apropiada numerosos roles y conocimientos.
Inteligencia Sinfónica
La IA generativa que alcanza esta etapa puede denominarse Inteligencia Sinfónica.
Así como una orquesta, con cada músico experto en su instrumento, interpreta una sola pieza mientras cumple con sus respectivos roles, la Inteligencia Sinfónica puede interpretar una sinfonía de trabajo intelectual.
Esta Inteligencia Sinfónica es un concepto nuevo, que representa un punto final para la IA generativa.
Sin embargo, la Inteligencia Sinfónica en sí misma ya existe.
Es nuestra inteligencia humana.
Es precisamente porque poseemos Inteligencia Sinfónica que podemos realizar inconscientemente tareas intelectuales complejas de manera flexible a través del trabajo iterativo, utilizando una multitud de conocimientos prácticos.
Finalmente: La Forma de la IAG
Al dotar a la IA generativa, capaz de simular la Inteligencia Sinfónica, con procesos de trabajo de flujo y bases de conocimiento para otras tareas, podrá manejar múltiples tareas iterativas.
A medida que sea capaz de manejar una multitud de tareas iterativas diferentes, es probable que capte principios comunes y patrones estructurales en el conocimiento a través de esas tareas.
En ese punto, para tareas iterativas completamente desconocidas, con solo una simple explicación de un humano, podrá aprender el know-how de esa tarea simplemente observando cómo la realiza un humano.
Esta es la verdadera Inteligencia Sinfónica. Una vez alcanzada esta etapa, los humanos ya no necesitarán esforzarse en el trabajo de flujo o en la codificación del know-how.
Además, el conocimiento así acumulado automáticamente por la IA generativa podrá ser compartido entre las propias IAs generativas.
Cuando esto ocurra, la capacidad de aprendizaje de la IA generativa superará con creces la de los humanos.
Esto puede considerarse una forma de IAG.