Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Inteligencia Arti�cial: tecnologías para la productividad y un Estado efectivo 2023 Dirección Nacional de Prospectiva y Estudios Estratégicos Documento de trabajo Inteligencia Arti�cial: tecnologías para la productividad y un Estado efectivo Gio�anni Diglio Peirano Torriani Presidente del Consejo Directivo Centro Nacional de Planeamiento Estratégico Luis Enrique de la Flor Sáenz Director Ejecutivo Jordy Vilchez Astucuri Director Nacional de Prospectiva y Estudios Estratégicos Equipo técnico: Jorge Rojas Barnett, Yiem Ataucusi Ataucusi Editado por: Centro Nacional de Planeamiento Estratégico Av. Canaval y Moreyra 480, piso 21 San Isidro, Lima, Perú (51-1) 211-7800 webmaster@ceplan.gob.pe www.ceplan.gob.pe © Derechos reservados Primera edición, diciembre de 2023 INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 3 Contenido 1. Situación actual de la inteligencia artificial generativa ........................................ 9 1.1. ¿Qué es la inteligencia artificial generativa? ............................................... 9 1.2. Panorama global y regional de la IA generativa .............................................. 13 1.3. Panorama a nivel nacional de la IA generativa ............................................... 32 1.4. Retos y riesgos de la IA generativa ............................................................. 39 2. Perspectivas futuras de la Inteligencia artificial generativa .............................. 41 2.1 Perspectivas a nivel global de la Inteligencia artificial generativa ......................... 41 2.2 Perspectivas a nivel regional de la Inteligencia Artificial generativa ...................... 46 2.3. Perspectivas a nivel nacional sobre la IA generativa ........................................ 50 3. Impacto y aplicaciones actuales y/o tendencias de la inteligencia artificial en los sectores prioritarios .................................................................................... 51 3.1. Sector agricultura ................................................................................ 51 3.1.1.Impactos de la Inteligencia Artificial en el sector agrícola ............................ 55 Incremento de la productividad y competitividad .............................................. 55 3.1.2.Aplicaciones actuales y principales tendencias .......................................... 56 3.2.Sector industrial y manufacturero .............................................................. 59 3.2.1.Impactos de la Inteligencia Artificial en el sector manufactura ....................... 62 3.2.2.Aplicaciones actuales y principales tendencias .......................................... 62 3.3.Sector pesquero ................................................................................... 66 3.3.1.Impactos de la Inteligencia Artificial en el sector pesquero ........................... 67 3.3.2.Aplicaciones actuales y principales tendencias .......................................... 68 3.4.Sector minero ...................................................................................... 71 3.4.1.Impactos de la Inteligencia Artificial en el sector minero .............................. 71 3.4.2.Aplicaciones actuales y principales tendencias .......................................... 72 3.5.Sector comercial ................................................................................... 73 3.5.1.Impactos de la Inteligencia Artificial en el sector comercio ........................... 75 3.5.2.Aplicaciones actuales y principales tendencias .......................................... 75 3.6.Sector turismo ..................................................................................... 76 3.6.1.Impactos de la Inteligencia Artificial en el sector turismo ............................. 77 3.6.2.Aplicaciones actuales y principales tendencias .......................................... 78 3.7.Recomendaciones estratégicas .................................................................. 78 4. Inteligencia Artificial en la gestión pública y planeamiento estratégico .................. 83 4.1. Inteligencia Artificial en la Gestión Pública................................................... 83 4.1.1. Gestión interna con uso de Inteligencia Artificial ...................................... 83 4.1.2. Impactos de la Inteligencia Artificial en la Gestión Pública ........................... 85 INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 4 4.1.3. Recomendaciones estratégicas .......................................................... 104 4.2. Inteligencia Artificial en el planeamiento estratégico .................................... 105 4.2.1. Políticas públicas para el uso responsable y ético de la Inteligencia Artificial ... 105 4.2.2. Estrategias Nacionales IA en el planeamiento ......................................... 107 4.2.3. Gobierno digital .............................................................................. 110 4.2.4. Impactos de la Inteligencia Artificial en el planeamiento estratégico................ 115 4.2.5. Recomendaciones estratégicas ............................................................. 118 Conclusiones preliminares ............................................................................ 120 Anexos .................................................................................................... 122 Metodología de investigación ............................................................................................... 122 Justificación de los sectores elegidos .................................................................................... 123 Bibliografía .............................................................................................. 124 INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 5 Índice de Figuras Figura 1. Esquematización de las principales tecnologías asociadas a la IA generativa .............................................. 12 Figura 2. Mundo: principales hitos en el estado de la IA generativa, 2023. ................................................................. 14 Figura 3. Regional: análisis de la situación actual de las estrategias nacionales de IA, por país, 2022. ...................... 15 Figura 4. Mundo: lanzamiento de principales modelos de lenguaje, por país, por mes y año, 2022 ........................... 17 Figura 5. Mundo: lanzamiento de principales modelos de lenguaje, por país, por mes y año, 2023 ........................... 18 Figura 6. Mundo: afiliación nacional de los autores responsables del lanzamiento de nuevos modelos de lenguaje multimodales, 2022 (en porcentaje). ........................................................................................................................... 19 Figura 7. Mundo: tiempo total empleado en alcanzar los 100 millones de usuarios, por aplicación, 2023 (en número de meses). .................................................................................................................................................................... 21 Figura 8. América Latina: ranking de los países con mayor número de visitas a ChatGPT a nivel regional, 2023 (en millones). ..................................................................................................................................................................... 22 Figura 9. Modelo zero-shot con IA generativa en el diseño de anticuerpos de novo. ................................................... 25 Figura 10. Mundo: exposición de las organizaciones a herramientas de IA generativa, por región, por industria, por puesto de trabajo, por edad y por identidad de género, 2023 (en porcentaje). .........................................................28 Figura 11. América Latina: nivel de consideración de la IA generativa en las organizaciones (en porcentaje). ......... 29 Figura 12. Mundo: Variación en la dificultad de contratación de personal con funciones relacionadas con la IA en las organizaciones, 2022-2023 (en porcentaje de encuestados)2. ...................................................................................... 30 Figura 13. Mundo: estudio de los trabajos emergentes más demandados, 2022-2023. ................................................ 31 Figura 14. Mundo: Interés en la búsqueda del término prompt engineering, por zona, 2022-2023. ............................ 32 Figura 15. Perú: avatar del escritor José María Arguedas recreado con Inteligencia artificial generativa. ................. 34 Figura 16. Inversiones en startups, por rubro, 2023 (en porcentaje) ........................................................................... 35 Figura 17. Perú: nivel de consideración de la IA generativa en las organizaciones (en porcentaje). .......................... 36 Figura 18. Perú: organizaciones que experimentaron el uso de IA generativa en servicios públicos (en porcentaje). 37 Figura 19. Perú: análisis interno FODA en IA. ............................................................................................................... 38 Figura 20. Ingresos de IA generativa, por año, 2022-2032 (en miles de millones de dólares) ...................................... 41 Figura 21. Mundo: tiempo estimado de alcance de la meseta de productividad de la IA generativa. ......................... 42 Figura 22. Mundo: predicciones de Gartner sobre el futuro de la IA generativa .......................................................... 43 Figura 23. Mundo: línea de tiempo sobre potenciales aplicaciones futura de la IA general. ....................................... 44 Figura 24. Mundo: intervalo estimado de desarrollo de habilidades antes y después de la IA generativa ................... 45 Figura 25. Mundo: efectos de la adopción de IA generativa en el número de empleados, por función empresarial, en los próximos tres años (en porcentaje de encuestados)1. ........................................................................................... 45 Figura 26. América Latina: perspectivas futuras sobre las tecnologías disruptivas, por tecnología, estimadas para el año 2026. ...................................................................................................................................................................... 48 Figura 27. América Latina: firma de convenio entre el tec de Monterrey y Wizeline para el desarrollo del laboratorio G.AI.L,2023 ................................................................................................................................................................... 49 Figura 28. Perú: variación porcentual de la producción agrícola en soles, 2023 (en porcentaje) ............................... 51 Figura 29. Mundo: producción manufacturera, por región, por tipo de tecnología, 2023 ........................................... 59 Figura 30. Mundo: porcentaje de empresas que han implementado o planean implementar la IA, por industria, 2023 ..................................................................................................................................................................................... 60 Figura 31. Perú: variación en el Índice de Producción Manufacturera, 2023 (en porcentaje) ..................................... 61 Figura 32. Perú: presentación de la primera máquina costurera con IA en el emporio Gamarra, 2023 ....................... 64 Figura 33. Mundo: potenciales casos de uso de la IA en la cadena de suministro de las empresas de moda, 2023. .... 65 Figura 34. Perú: procesamiento y variación interanual de productos pesqueros, por mes, por año, en miles de TMB, en porcentaje, 2023. .................................................................................................................................................... 66 Figura 35. Perú: exportaciones y variación interanual de los productos pesqueros, por mes, por año, en miles de TMB, en porcentaje, 2023. ........................................................................................................................................... 67 Figura 36. Componentes de la plataforma Sampling AI ................................................................................................ 70 Figura 37. Variación porcentual de la producción del sector comercio, por mes, por año, 2022-2023 ....................... 73 Figura 38. Perú: llegada mensual de turistas internacionales, por mes, por año, 2023 (en miles de personas) ......... 76 Figura 39. Perú: evolución mensual de la producción del subsector restaurantes, por mes, por año, 2021-2023 ....... 77 Figura 40. Perú: árbol de problemas sobre la problemática de las intervenciones públicas, 2022. ............................ 88 Figura 41. Latinoamérica: horas promedio mensuales en el cumplimiento de exigencias burocráticas para pequeñas empresas, 2022. ........................................................................................................................................................... 93 Figura 42. Mundo: Índice de Percepción de la Corrupción, por puntaje, 2022. ........................................................... 94 Figura 43. Perú: nivel de riesgo frente a ciberdelitos, por departamento, 2021 ......................................................... 98 Figura 44. Mundo: porcentaje de la población que considera que la IA cuenta con el potencial de transformar los productos y servicios, por país, 2023. ........................................................................................................................ 102 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584927 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584933 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584945 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584945 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584950 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584954 INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 6 Figura 45. Perú: ingresos tributarios de Gobierno Central, por año, 2018-2023 (en millones de soles y variación real (%)) ............................................................................................................................................................................. 105 Figura 46. Dimensiones de la compañía Deloitte para una IA confiable, 2023. ......................................................... 107 Figura 47. Mundo: estado de las Estrategias Nacionales IA a nivel global, 2022. ....................................................... 108 Figura 48. América Latina: indicador de Estrategia Nacional IA, por país, 2023. ...................................................... 110 Figura 49. Mundo: países que utilizan la IA en su gestión y servicios públicos, por país, por tipo de uso, 2022. ...... 112 Figura 50. América Latina: valor del Índice de Preparación para la inteligencia artificial nacional en comparación con la región de América Latina y el Caribe, 2022. ................................................................................................... 114 Figura 51. América Latina: indicadores de adopción de IA, por país, por sector, 2023. ............................................ 115 Figura 52. América Latina y el Caribe: capacidades regionales para el liderazgo y la creaciónde un clima adecuado para la IA .................................................................................................................................................................... 117 Índice de Tablas Tabla 1. Aplicaciones principales de los modelos de lenguaje de IA generativa, por modalidad, 2023. ..................... 23 Tabla 2. Perú: variación de la producción agrícola, por departamento, 2023 (en millones de soles) ......................... 52 Tabla 3. Perú: variación y caracterización de las principales ocupaciones con menor tasa de crecimiento del empleo en el sector formal privado, 2019 T1 – 2023 T1 ........................................................................................................... 53 Tabla 4. Perú: variación en los productos del subsector fabril no primario, 2023 ....................................................... 61 Tabla 5. Perú: variación interanual en el PBI, (en porcentaje) ................................................................................... 71 Tabla 6. Perú: exportaciones regionales, por departamento, por año, en millones de dólares FOB, 2023. ................ 74 Tabla 7. Posibles aplicaciones de modelos de IA en la gestión pública para una comunicación efectiva .................... 84 Tabla 8. Aplicaciones de IA en las etapas del ciclo de vida de las regulaciones .......................................................... 89 Tabla 9. Perú: horas promedio destinadas a la administración de operaciones, por sector, por trámite, 2022. ........ 93 Tabla 10. Perú: índice de Corrupción e Inconducta Funcional, por departamento, 2022. ........................................... 95 Tabla 11. Perú: cantidad de denuncias registradas, por departamento, por año, 2022-2023. .................................... 97 Tabla 12. Mundo: Estrategias Nacionales IA selectas publicadas, por país, por año de publicación, 2017-2022 ....... 108 Índice de Boxes Box 1. TECgpt: el primer modelo de IA generativa de Latinoamérica ............................................................. 19 Box 2. ChatGPT, una “bomba” en su lanzamiento ............................................................................................... 22 Box 3. Desbloqueo del diseño de anticuerpos de novo con IA generativa ....................................................... 25 Box 4. Duolingo lanza “Duolingo Max” basado en IA generativa ....................................................................... 27 Box 5. ChatGPT en la I.E. Sor Ana de los Ángeles ................................................................................................ 33 Box 6. IA generativa en la creación de avatares virtuales ................................................................................. 34 Box 7. G.AI.L: el primer laboratorio de IA generativa en Latinoamérica ........................................................ 49 Box 8. IA en la agricultura peruana: tecnologías de IA en la cadena productiva del plátano ...................... 58 Box 9. Máquinas textiles con inteligencia artificial ............................................................................................. 64 Box 10. Startup Nereuz de Veox ............................................................................................................................. 70 Box 11. La Generalitat de Cataluña lanza el primer chatbot en lenguaje catalán basado en IA generativa ..................................................................................................................................................................................... 85 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584971 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584972 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584973 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584974 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584975 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584976 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584977 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584978 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584979 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584980 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584981 https://d.docs.live.net/e1dd11c0fb56d107/Escritorio/Informe%205/1.3.-%20Entregable%205%20V3.docx#_Toc154584981 INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 7 Resumen En el presente documento se realiza un análisis tecnológico, mediante el uso de la herramienta de vigilancia tecnológica, acerca de los potenciales impactos y aplicaciones asociados a la Inteligencia Artificial (IA), principalmente del tipo generativa. En primer lugar, se realiza la introducción y definición de esta tecnología y sus principales tecnologías asociadas; posteriormente, se realizó el diagnóstico de la situación actual de esta tecnología a nivel global, regional y local; además, se analizan las perspectivas futuras y principales tendencias asociadas a dicha tecnología, también a nivel global, regional y local. En segundo lugar, se hace énfasis en sus impactos y posibles aplicaciones para incrementar los niveles de productividad en los sectores prioritarios del país, como el sector agricultura, industrial y manufacturero, pesquero, minero, comercial y turismo; además, se proponen recomendaciones estratégicas en base al tercer objetivo del PEDN al 2050 “Competitividad e innovación”. Finalmente, se abordan los potenciales impactos y posibles aplicaciones de esta tecnología en el sector público en pro de lograr un Estado efectivo y en favor del ciudadano; además, se proponen recomendaciones estratégicas en base al cuarto objetivo del PEDN al 2050 “Democracia y paz”. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 8 Introducción El presente informe brinda un análisis sobre la Inteligencia Artificial y sus potenciales impactos y aplicaciones para incrementar la productividad en los sectores prioritarios del país y lograr un Estado efectivo en favor de los ciudadanos. En ese sentido, se examinan las principales tendencias y desafíos asociados a la Inteligencia Artificial, principalmente la correspondiente al tipo generativo la cual ha tomado mayor relevancia y se estima un crecimiento acelerado en los próximos años, así como también las oportunidades que ofrece para mejorar la eficiencia, la productividad y el bienestar poblacional. El primer y segundo apartado corresponde al diagnóstico de la situación actual y perspectivas futuras acerca de la Inteligencia Artificial generativa. Se observó un creciente interés en la adopción y uso de esta tecnología a nivel global, principalmente por parte de los países más desarrollados, mientras que, a nivel regional y nacional, pese al interés mostrado, se encuentra aún en una etapa inicial, evidenciando una brecha tecnológica respecto a la capacidad de adopción y aprovechamiento de sus beneficios. Además, resulta crítico el tema de la poca regulación de esta tecnología frente a su acelerado crecimiento y difusión, ello debido a los riesgos potenciales identificados y su uso indebido y poco ético por parte de los usuarios, lo cual, sumado a la desinformación y falta de formación, conlleva a potenciales escenarios que puedenperjudicar a la sociedad si no se manejan adecuadamente. No obstante, el panorama futuro de esta tecnología resulta prometedor por sus múltiples aplicaciones como la IA general o el pronóstico de crecimiento de su tamaño de mercado. En el tercer apartado, se analizan los posibles impactos o aplicaciones de la IA en los sectores prioritarios del país con el fin de incrementar su productividad. Se observó, para cada sector individualmente, que esta tecnología presenta potenciales impactos positivos que pueden contribuir con el aumento de la productividad, competitividad, empleabilidad o sostenibilidad; además, la bibliografía revisada demuestra los posibles casos de uso o aplicaciones que podrían ser ejemplos a seguir para el país debido a sus resultados positivos obtenidos o posibles beneficios. En general, la IA resulta una alternativa sostenible y eficiente que puede automatizar y contribuir en diferentes aspectos según los requerimientos, necesidades o problemáticas presentes en cada sector. Adicionalmente, se proponen recomendaciones estratégicas en base a lo propuesto en el tercer objetivo del PEDN al 2050 “Competitividad e innovación”. En el cuarto apartado, se analizan los posibles impactos o aplicaciones de la IA en el sector público en búsqueda de lograr un Estado efectivo centrado en el ser humano. Se observó que esta tecnología puede impactar positivamente en la gestión pública en diferentes aspectos como, por ejemplo, mediante automatización de tareas repetitivas, análisis automático de documentos, generación de nuevos empleos, seguridad ciudadana, entre otros, que pueden transformar la gestión pública actual en una gestión pública moderna según lo establecido en la Política de Modernización de la Gestión Pública al 2030. Asimismo, esta tecnología puede impactar positivamente en el planeamiento estratégico debido a su capacidad de análisis de grandes volúmenes de información; no obstante, es una herramienta de apoyo y no de reemplazo debido a que se requiere aún el juicio humano de los tomadores de decisiones ya que la IA se limita solo al análisis de información, mas no de contexto. Adicionalmente, tanto para la sección de gestión pública como para el planeamiento estratégico, se proponen recomendaciones estratégicas en pro de lograr el cuarto objetivo nacional del PEDN al 2050 “Democracia y Paz”. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 9 1. Situación actual de la inteligencia artificial generativa La inteligencia artificial (IA) generativa es una tecnología que presentó un crecimiento en su aplicación y uso en los diferentes países del mundo, logrando desarrollar una amplia gama de aplicaciones y la creación y uso de modelos de lenguaje, principalmente el transformador generativo preentrenado (GPT). En la presente sección, se aborda la definición y conceptos básicos de la IA generativa. Asimismo, se realiza un diagnóstico del panorama actual de la IA generativa analizando su situación a nivel global, regional y nacional, así como también sus principales riesgos asociados. 1.1. ¿Qué es la inteligencia artificial generativa? Según Amazon (2023a), la inteligencia artificial (IA) generativa es un tipo de tecnología que puede crear nuevos contenidos e ideas como conversaciones, imágenes, videos o música, así como también puede mejorar su calidad, aumentar los datos existentes con conjuntos de datos sintéticos (siendo estos un conjunto de datos que se modelan matemáticamente a partir de datos del mundo real mediante el uso de algoritmos o simuladores (Tkatchuk, 2022)), entre otras aplicaciones. Para ello, los desarrolladores de IA generativa crean algoritmos para identificar los elementos que son relevantes para su aplicación, como palabras, frases o elementos visuales. Además, genera resultados comparando las solicitudes con los datos en los que se ha entrenado y luego seleccionando la respuesta más probable (Fruhlinger, 2023). Esta tecnología a su vez es un subconjunto de la IA tradicional y se diferencia principalmente en que, en contraste con los sistemas tradicionales (los cuales se centran en el análisis de datos para hacer predicciones), puede generar nuevos datos a partir de sus datos de entrenamiento e identificar y crear patrones; es decir, puede crear algo completamente nuevo a partir de los datos base (Bernard , 2023). Sin embargo, es importante mencionar que esta herramienta, a pesar de que es capaz de generar nuevo contenido, no necesariamente puede generar soluciones válidas a desafíos del mundo real, ya que no posee la capacidad de comprender las relaciones sociales ni la forma en que interactúan las personas entre sí (Unesco, 2023a, pág. 8). Asimismo, presenta una variedad de beneficios, como por ejemplo en la generación de nuevo contenido de diferentes áreas (arte, música, literatura, entre otros), creación de publicidad (Granieri, 2023) y aplicación en la investigación científica debido a la capacidad de extracción de datos y conocimiento de una cantidad amplia de datos (Cenia, 2023). De igual modo, es adaptable y flexible para una amplia variedad de usos sin necesidad de realizar muchos ajustes para cada uno; de este modo, permite una mayor accesibilidad para los usuarios (incluidos los que no poseen conocimientos técnicos o habilidades especializadas de aprendizaje automático) y reduce significativamente el tiempo necesario para desarrollar nuevas aplicaciones de IA (Chui y otros, 2022). Principales tecnologías subyacentes Inteligencia artificial (IA): La inteligencia artificial (IA) combina la informática y el uso de datos para la resolución de problemas (IBM, 2023) o tareas que usualmente son asociadas o requieren la mente humana (Blumberg y otros, 2023) mediante el desarrollo de sistemas o máquinas y que ha transformado a diferentes industrias y a la sociedad (Feingold, 2023). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 10 En ese sentido, se define como el software que simula la inteligencia humana y que está basado en la idea de que dicha inteligencia se puede replicar en máquinas para imitar la actividad cognitiva humana, como el aprendizaje, el razonamiento y la percepción. (Frankenfield, 2023). Aprendizaje automático: rama de la IA el cual permite a las máquinas realizar tareas, similar a como lo haría un ser humano (Brown, 2021), así como también aprender e identificar patrones de un conjunto de datos, ello a través del uso de algoritmos y modelos matemáticos estadísticos (Pelta, 2023) para procesar una amplia cantidad de información con poca o nula intervención humana (Frankenfield, 2022), lo cual permite acelerar la innovación y optimizar procesos (Daley, 2022). El funcionamiento de la IA generativa se sustenta en el uso del aprendizaje automático para analizar una gran cantidad de datos, tanto visuales como textuales, para determinar relaciones entre los elementos (Fruhlinger, 2023). Aprendizaje profundo: forma de aprendizaje automático que permite a las computadoras aprender de los datos de una manera similar a como lo hace el cerebro humano (Amazon, 2023b). Los modelos de aprendizaje profundo pueden identificar patrones complejos en imágenes, texto, audio y otros datos para generar información y predicciones precisas; es decir, pueden emplearse para automatizar tareas con poca o sin la necesidad de la intervención humana (Amazon, 2023b), teniendo así el potencial de mejorar la productividad (Ammanath & Firth-Butterfield, 2022). Por ejemplo, la IA generativa emplea modelos de aprendizaje previamente entrenados con grandes cantidades de datos, a este tipo de modelo se les asigna el nombre de modelos básicos o funcionales (FM por sus siglas en inglés) (Amazon, 2023a), los cuales pueden adaptarse a diferentes tipos de tareas dependiendo del tipo de dato empleado en su entrenamiento.Un gran modelo de lenguaje (LLM) (o también denominado modelo básico) se define como una rama de la inteligencia artificial que se entrena para entender el contenido proporcionado y, a partir de ello, generar contenido original y nuevo (Gartner, 2023a). Estos modelos, como ChatGPT u otros, se basan en un gran conjunto de datos de texto y código, los cuales pueden generar texto, traducir idiomas, escribir diferentes tipos de contenido creativo y responder a preguntas de manera informativa (Maslej y otros, 2023). En cambio, un gran modelo de lenguaje multimodal (LLMM por sus siglas en inglés) es un tipo de modelo que tiene la capacidad de combinar el procesamiento de múltiples modalidades, como generación de texto, imagen y audio para realizar tareas complejas (Yin y otros, 2023a). Un ámbito beneficiado por esta tecnología son los chatbots, los cuales son un tipo de IA que se utilizan en una variedad de aplicaciones y portales de servicio al cliente (IBM, s.f.). Por ejemplo, los chatbots más modernos y sofisticados utilizan el aprendizaje profundo para determinar si existen varias respuestas a preguntas ambiguas al identificar un patrón según las respuestas recibidas (IBM, s.f.), brindando así un servicio inmediato en cualquier momento y ofreciendo una respuesta adecuada según los requerimientos del usuario (Tableau, 2023). Computación acelerada: uso de hardware especializado para mejorar el rendimiento de las computadoras, siendo considerado el motor de la IA generativa (Edwards, 2023). De los componentes que integra, se destacan las unidades de procesamiento gráfico (GPUs por sus siglas en inglés), los cuales son chips empleados para producir gráficos de computadora y son útiles para las aplicaciones de aprendizaje profundo (Chui y otros, 2023c). Por ejemplo, Nvidia anunció la plataforma denominada “Nvidia GH200 Grace Hopper”, la cual integra múltiples GPU y está enfocada en manejar las cargas de trabajo de la IA generativa, como los modelos de lenguaje (Uchiyama, 2023). Codificadores automáticos variacionales (VAEs por sus siglas en inglés): modelo generativo compuesto por redes neuronales profundas que pueden generar nuevos datos a partir de datos existentes (Asperti y otros, 2021) mediante dos componentes: codificador, el cual transforma los datos de entrada en una representación interna; y el decodificador, el cual, a partir de dicha representación, busca reconstruir la representación original (de la Torre, 2023). Entre algunas de sus aplicaciones, relacionadas con la IA generativa, son la generación de rostros humanos (los cuales no necesariamente son de personas reales) o la producción de música con datos sintéticos (Shafkat, 2018); además, esta tecnología fue introducida en el año 2013, por lo cual es INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 11 considerada uno de los primeros pasos en el modelado generativo y base de la IA generativa actual (Martineau, 2023). Procesamiento de lenguaje natural (PLN): es un campo de la informática que se encarga del análisis de la comprensión y generación de lenguaje natural en las computadoras, similar a como lo haría un ser humano (Britannica, 2023). Asimismo, emplea técnicas como el lenguaje computacional, modelos estadísticos, el aprendizaje automático y el aprendizaje profundo para poder entender el significado completo del lenguaje humano, incluidos sentimientos o intenciones del usuario (IBM, 2022). Esta tecnología se destaca debido a que puede aplicarse en el reconocimiento y la traducción de voz, producción y generación de lenguaje natural, sistemas de preguntas y respuestas, y resúmenes de texto (Niharika & Thangaraj, 2022). Redes generativas adversarias (GANs por sus siglas en inglés): algoritmo que forma parte del aprendizaje automático las cuales, a partir de un conjunto de datos de entrenamiento, aprenden a generar nuevos datos como imágenes, vídeos o texto (Boesch, 2023). En base a lo descrito por Google for Developers (2022), su estructura incluye dos componentes, ambos siendo tipos de redes neuronales, los cuales se emplean en conjunto para generar contenido indistinguible de los datos reales (Routley, 2023)1: - Generador: aprende a crear datos, los cuales sirven para el entrenamiento del discriminador. - Discriminador: aprende a distinguir entre lo falso y lo real. Si detecta un valor falso, penaliza al generador para que este aprenda a generar datos con mayor similitud al valor real. En particular, según Huang (2023), esta tecnología tradicionalmente se ha aplicado en el procesamiento de imágenes; no obstante, en conjunto con modelos transformadores, tiene el potencial de destacar en la generación de imágenes, proponiendo para ello incluso un modelo propio híbrido de ambas tecnologías. Redes neuronales: son parte del aprendizaje automático, las cuales simulan el comportamiento de las neuronas del cerebro humano y están compuestas por nodos, los cuales son elementos interconectados mediante enlaces que procesan la información (Anand, 2023), divididos en tres tipos de capas: entrada, ocultas y salida (IBM Data and AI Team, 2023). Su relación con el aprendizaje profundo (redes neuronales profundas) viene dada por su cantidad de capas, ello debido a que una red superior a tres capas entraría dentro de dicha categoría, mientras que una red con dos o tres capas se considera una red neuronal básica (IBM Data and AI Team, 2023). Las redes neuronales artificiales se inspiran en el funcionamiento del cerebro humano y pueden aprender a identificar patrones complejos en los datos. Además, sus algoritmos son más eficientes que los métodos tradicionales debido a que requieren menos esfuerzo humano para entrenarlos y funcionan sin la necesidad de etiquetar manualmente los datos de entrenamiento, mejorando así la eficiencia y reduciendo significativamente los costos asociados (Amazon, 2023b). En ese sentido, esta tecnología es una herramienta importante debido a que permite que la IA aprenda automáticamente a partir de los datos; es decir, permiten analizar e identificar patrones y relaciones entre ellos para poder generar una respuesta o creación de contenido (Granieri, 2023). Transformadores: tipo de red neuronal capaz de aprender contexto mediante la aplicación de técnicas matemáticas (denominadas atención o atención propia), logrando de este modo aprender de los datos secuenciales, como las palabras de una oración; esto es, aprenden de las relaciones para formar un significado (Merrit, 2022). Este modelo emplea tokens2, los cuales pueden ser sub-palabras (si el modelo es enfocado en el PLN) u objetos o sub-imágenes (si el modelo es enfocado para el procesamiento de imágenes o vídeos) (Amatriain y otros, 2023). Según Tolegen y otros (2023), esta tecnología ha logrado avances significativos en su desarrollo, principalmente en lo que respecta al preentrenamiento a gran escala, como es el caso de modelos 1 Cabe mencionar que dicho artículo, según lo menciona el autor, fue creado con aportes de la propia IA generativa. 2 Elementos de entrada y/o secuencias de salida de los modelos transformadores. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 12 preentrenados generativos (GPT), los cuales son una familia de modelos de lenguaje entrenados en grandes conjuntos de datos capaces de generar texto y/o código, resumir documentos, responder consultas, entre otros (Elondou y otros, 2023). En ese sentido, la relevancia de los modelos transformadores se sustenta debido a los resultados fluidos, con diversidad léxica y con contenido relevante que otorgan, logrando de este modo integrar y optimizar la mayoría de las tareas de la comprensión de lenguaje natural en tareas generativas. En síntesis, la IA generativa forma parte del aprendizaje profundo (el cual a su vez es parte del aprendizaje automático),la cual funciona mediante componentes de hardware especializado (como los GPU) y algoritmos de IA (como las redes neuronales, GANs, VAEs). En la Figura 1 se esquematiza la síntesis de ello para una mejor comprensión de dicha arquitectura de la IA generativa y las relaciones entre las diferentes tecnologías. Figura 1. Esquematización de las principales tecnologías asociadas a la IA generativa Nota. Elaboración de Ceplan. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 13 1.2. Panorama global y regional de la IA generativa En la mayoría de las regiones del mundo, la IA generativa está experimentando un rápido desarrollo y adopción; sin embargo, el nivel de madurez de la tecnología varía según la región. Por ejemplo, en Europa y América del Norte la IA generativa está avanzando rápidamente, lo que ha dado lugar a nuevas empresas y aplicaciones. Respecto a América del Norte, según Maslej y otros (2023), el país con mayor inversión privada para startups de IA, ello con un valor aproximadamente de 47,3 millones de dólares, siendo significativamente superior al monto invertido por China (13,4 millones de dólares) y el Reino Unido (4,4 millones de dólares); además, Canadá ha empezado a mostrar interés en los modelos de lenguaje como ChatGPT (Insider Intelligence, 2023) e incluso comenzó a desarrollar sus propios modelos de lenguaje, como por ejemplo “Imagen” (Maslej y otros, 2023), evidenciando así el progreso e interés de la región por el desarrollo de empresas y modelos asociados a la IA generativa. Por otro lado, en el mercado europeo, según los datos registrados en Sifted por Smith (2023), existen alrededor de 150 empresas o startups relacionadas con la IA generativa, destacando, por nombrar algunas, Synthesia (generadora de video), Poolside AI (generador de código) y Stability AI (generador de imágenes). Asimismo, en Bakhtourine y otros (2023), el autor Sukharevsky menciona que empresarios y tecnólogos europeos están retornando o considerando volver a Europa para atender problemas locales; por lo cual, tomando en cuenta que la IA generativa se sustenta por los grandes modelos de lenguaje3, considera que esta tecnología sería un agente de cambio social, lo cual representaría nuevas oportunidades para el desarrollo de nuevas aplicaciones en la región. Además, la autora Dada en el mismo documento menciona que, con un entorno regulatorio claro sobre la IA generativa, se podría acelerar su adopción y desarrollo, creando así una oportunidad para las empresas europeas. En línea con ello, respecto al avance en las regulaciones de esta tecnología, en el año 2021 se propuso el primer marco regulatorio por parte de la Unión Europea para la inteligencia artificial (IA), la cual aún no entre en vigencia4 y debe ser aprobada aún por el Consejo Europeo, lo cual se espera ocurra a finales del año 2023 (Klimentov, 2023). Dentro de dicho marco, en lo que concierne al apartado de IA generativa dicha tecnología tendría que cumplir con los siguientes requisitos de transparencia: 1) señalar aquellos contenidos que hayan sido generados por IA; 2) se deberá diseñar modelos que eviten generar contenidos ilegales; y 3) se deberá gestionar y publicar resúmenes de los datos empleados por el modelo en su etapa de entrenamiento y que están protegidos por derechos de autor (Parlamento Europeo, 2023). Además, durante el año 2023 el proyecto de dicha norma se actualizó, incluyendo el requisito de revelar los contenidos que sean generados por IA junto con los datos de entrenamiento que empleen los modelos de lenguaje (Hays, 2023). Asimismo, en Asia se percibe un progreso en el interés y atención hacia la IA generativa, ya que esta región ha comenzado a abordar los desafíos regulatorios (Insider Intelligence, 2023), siendo China uno de los primeros países a nivel global en regular esta tecnología (He, 2023), debido a la publicación de las reglas para el contenido generado sintéticamente en el año 20225 y el proyecto de reglas para la IA generativa lanzado en el año 2023 (Sheehan, 2023). Sin embargo, entre uno de sus principales estamentos se encuentra la restricción para los modelos de lenguaje, debido a que deben registrarse y verificar que sus datos de entrenamiento sean precisos y verídicos, representando ello una potencial barrera para dicha herramienta de IA generativa (Hays, 2023). Respecto a la región de América Latina, pese a que los países poseen interés en adoptar esta tecnología, las brechas en infraestructura en la región representan aún un desafío para su adopción, ello debido a que, del total de empresas que afirman tener interés en integrar dicha tecnología, un 30 3 El autor menciona una analogía entre los términos “lengua” y “cultura”, llegando a la conclusión de una segunda dimensión de la IA generativa enfocada en el contexto social y cultural. 4 Fecha de corte 6 de noviembre del año 2023. 5 Pertenecientes al “Reglamento sobre la administración de la síntesis profunda de los servicios de información de Internet”, el cual abarca la regulación de los servicios de síntesis profunda (tecnologías que generan contenido sintéticamente), como las técnicas para generar o editar texto, voz, imágenes, entre otros (Rongwen y otros, 2022; DataGuidance, 2022). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 14 % no podría realizarlo por falta de infraestructura (Insider Intelligence, 2023). Esto último mencionado, junto con información adicional de las regiones previamente mencionadas, se representan en la Figura 2. Figura 2. Mundo: principales hitos en el estado de la IA generativa, 2023. Nota. Adaptado de “ChatGPT and Generative AI Around the World: Maturity, Opportunities, and Hurdles in Key Regions”, de Insider Intelligence (2023). Además, a nivel de América Latina el tema de regulación sobre IA generativa se encuentra en una fase temprana, ello debido a que no existe una estrategia compartida o visión conjunta sobre IA generativa; sin embargo, lo que existen son estrategias nacionales de IA, las cuales reflejan el interés y prioridad de los países de la región en lo respectivo a esta tecnología y pueden ser la base para el desarrollo de normativa específica sobre la IA generativa en la región. En ese sentido, siete de los países de la región se encuentran en proceso o han desarrollado una estrategia (o política) nacional de IA para sus respectivos gobiernos, los cuales corresponden a: Argentina, Brasil, Chile, Colombia, México, Perú y Uruguay, representado en la Figura 3, lo cual evidencia un mayor interés y concentración en mantener la competitividad con los demás países y adoptar esta tecnología de rápida evolución (OECD & CAF Development Bank of Latin America, 2022). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 15 Figura 3. Regional: análisis de la situación actual de las estrategias nacionales de IA, por país, 2022. Nota. Recuperado de: “Uso estratégico y responsable de la inteligencia artificial en el sector público de América Latina y el Caribe”, de OECD & CAF Development Bank of Latin America, (2022), Paris: Estudios de la OCDE sobre Gobernanza Pública. En el caso de Brasil, en su Estrategia Brasileña de Inteligencia Artificial (2021), se establece el compromiso de revisión de los planes de estudio nacionales para la inclusión de cursos en IA y programación, junto a un programa nacional de alfabetización digital. En ese sentido, el reto consistirá en enseñar a los estudiantes, los cuales ya tienen acceso a herramientas de IA generativa (como ChatGPT u otras), a utilizarlas correctamente como un complemento del aprendizaje y no un sustituto o alternativa del mismo (Noventiq, 2023). Además, en el año 2023, en dicho país se promulgó una propuesta de ley parael uso ético y responsable de la IA, en la cual se incluye que se responsabilizará a los creadores de un gran modelo de lenguaje (LLM) por los daños ocasionados (Hays, 2023). En el caso de la Argentina, su Plan Nacional de IA Gobierno propone un enfoque colaborativo para el desarrollo de la IA en favor de las personas y su adopción en diferentes sectores con el objetivo de abordar los desafíos de la transformación tecnológica y potenciar el desarrollo social y crecimiento económico (Presidencia de la Nación, 2019). En base a ello, aunque no se menciona explícitamente el concepto de IA generativa, dicho concepto podría ser añadido conforme se avance en las regulaciones del país, ello en contraste con la aprobación y publicación del “Manual de Recomendaciones para una Inteligencia Artificial Fiable”, el cual promueve el uso de la IA ética a través de la calidad de los datos, diseños de modelos IA transparentes junto con su implementación segura, y la atención humana que se requiera (Secretaría de innovación Pública, 2023). Respecto a Colombia, en el año 2019 publicó su Política Nacional para la Transformación Digital e Inteligencia Artificial, la cual se enfoca en el uso estratégico de las tecnologías digitales en favor de los ciudadanos (Conpes, 2019). No obstante, en el año 2023 se presentó la estrategia “Colombia PotencIA Digital”, la cual tiene por objetivo acelerar la innovación en todas las regiones de dicho país junto con la adopción de la IA como una tecnología que permita lograr la transformación de industrias y sectores claves del país (Ministerio de Tecnologías de la Información y las Comunicaciones, 2023). https://doi.org/10.1787/5b189cb4-es https://doi.org/10.1787/5b189cb4-es INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 16 En Chile, su Política Nacional de Inteligencia Artificial menciona los conceptos de aprendizaje automático y profundo (Arancibia y otros, 2021), los cuales, como se mencionó en la definición del concepto de IA generativa, son parte fundamental de esta tecnología. En la Estrategia de Inteligencia Artificial para el Gobierno Digital de Uruguay (2020), en el apartado de principios generales se especifica el principio de transparencia, en el cual se indica que se deben poner a disposición los algoritmos o datos utilizados en el entrenamiento de los modelos; además, se deberán poder visualizar todos los procesos que empleen la IA, ya sea en la generación de servicios públicos o en la asistencia para la toma de decisiones. En relación con la Estrategia de Inteligencia Artificial MX (2018) de México, uno de sus estamentos contemplados es respecto al mapeo de los usos y necesidades de esta tecnología en la industria, así como también identificar mejores prácticas de gobierno; por lo cual, la IA generativa podría integrarse dentro del marco regulatorio del país. Los modelos básicos de lenguaje En las Figura 4 y Figura 5, se esquematizan mediante una línea de tiempo los principales modelos lanzados en los años 2022 y 2023 a nivel global, en las cuales se observa que el país de los Estados Unidos desarrolló una mayor cantidad de modelos de lenguaje en comparación con otros países como Reino Unido, India o Alemania. Es así que, a nivel global, los Estados Unidos podría considerarse como uno de los países más destacados en el desarrollo de nuevos modelos de IA generativa. Ello se contrasta con lo representado en la Figura 6, en la cual se concluye que más del 50 % de los autores a nivel global que desarrollaron y lanzaron algún modelo nuevo de lenguaje multimodal en el año 2022 pertenecen a dicho país; entre ellos, algunos de los principales modelos de lenguaje fueron DALL- E 2 y Google Palma. Cabe mencionar que, en dicho año, fue la primera vez que autores de los países de Canadá, India y Alemania contribuyeron en el desarrollo de nuevos modelos de lenguaje (Maslej y otros, 2023). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 17 Figura 4. Mundo: lanzamiento de principales modelos de lenguaje, por país, por mes y año, 2022 Nota. Adaptado de “Artificial Intelligence Index Report 2023”, de Maslej, N, (2023), p.59, Stanford, CA: Stanford University. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 18 Figura 5. Mundo: lanzamiento de principales modelos de lenguaje, por país, por mes y año, 2023 Nota. Para la determinación de las fechas, se consultaron en las páginas web respectivas de cada modelo. Elaboración De Ceplan a partir de Razzaq (2023). 54,02 % 21,88 % 8,04 % 6,25 % 5,80 % 3,12 % Estados Unidos Reino Unido China Canadá Israel Alemania INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 19 Figura 6. Mundo: afiliación nacional de los autores responsables del lanzamiento de nuevos modelos de lenguaje multimodales, 2022 (en porcentaje). Nota. Adaptado de “Artificial Intelligence Index Report 2023”, de Maslej, N, (2023), p.58, Stanford, CA: Stanford University. Respecto a la región de América Latina, México en particular obtuvo un logro importante en el desarrollo de modelos de lenguaje de IA generativa, ello debido a que el Instituto Tecnológico de Monterrey presentó el primer modelo de IA generativa de América Latina llamado TECgpt, el cual permite a la comunidad educativa absolver dudas de manera privada y segura (Infobae, 2023). En ese sentido, este vendría a ser el primer paso para América Latina en el desarrollo de esta tendencia. Este avance lento, en comparación con los países desarrollados, se explica debido a que en la región existe un manejo inadecuado de los datos y no se percibe una infraestructura que pueda procesar y entrenar los modelos de IA más avanzados, tales como los mencionados modelos de lenguaje (Durán, 2023). Sin embargo, el caso de México se puede tomar de ejemplo para el desarrollo de futuros modelos de lenguaje por parte de otros países. Ello se ve justificado debido a la cotidianidad de la información visual y textual que perciben las personas; por lo cual, si se aprovecha adecuadamente, esta tecnología podría generar un incremento en la calidad de vida de los ciudadanos de la región, teniendo en cuenta aún los desafíos regulatorios, desafíos y necesidades propios de cada país en la región (Cenia, 2023). Principales modelos básicos de lenguaje Uno de los tipos de modelo de IA generativa con mayor progreso en la última década es respecto a los generadores de imágenes, debido a que se encuentran en un nivel en el cual es difícil distinguir entre lo real y lo generado por IA (Maslej y otros, 2023). Se basan principalmente en las redes generativas adversarias (GAN) las cuales son un tipo de modelo generativo capaz de crear nuevos datos semejantes a los datos de entrenamientos, como por ejemplo en la generación de fotografías de rostros humanos que no necesariamente existan en la vida real (Google for Developers, 2022). Un logro importante para la región se presentó en México por parte del Instituto Tecnológico de Monterrey, el cual presentó a TECgpt como su propio modelo de IA generativa y que forma parte de la Ruta Digital del Plan Estratégico 2025 de la institución (Infobae, 2023; Melchor, 2023). Dicho modelo se basa en la plataforma “Microsoft Azure” y se desarrolló en conjunto con otros modelos básicos como GPT 3.5 Turbo, Ada-002 y DALL-E; además, se centra en cuatro ejes: ChatGPT, ChatTEC, procesamiento de imágenes y creación de modelos basados en IA generativa; sin embargo, aún se encuentra en una etapa temprana de desarrollo y disponible únicamente para 500 usuarios, siendo su principal función averiguar información respecto a trámites internos de la institución en tiempo real (Infobae, 2023; Melchor, 2023). Además, cuenta con dos plataformasde acceso adicionales para la comunidad llamadas TECgpt-portal y TECgpt-api, las cuales son herramientas que forman parte del ecosistema IA de la institución y cuyo objetivo se enfoca en la mejora del aprendizaje y el desarrollo de forma personalizada, de fácil uso y segura (Cubero, 2023). En síntesis, esta herramienta significó un progreso para la comunidad latinoamericana en el marco de la IA y el desarrollo tecnológico; además, el modelo tiene como objetivo a futuro realizar el entrenamiento y la creación de nuevos componentes a medida que se vaya usando con mayor frecuencia por parte de la comunidad, a la par de la integración y conexión con las bases de datos institucionales (Infobae, 2023), lo cual representa un compromiso en la búsqueda de la innovación y la mejora en el sector educativo y la sociedad. Box 1. TECgpt: el primer modelo de IA generativa de Latinoamérica INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 20 DALL-E Este sistema tiene la capacidad de generar contenido como imágenes o arte realista a partir de una descripción textual en lenguaje natural (OpenAI, s.f.); es decir, integra la relación entre el texto y la imagen para crear contenido coherente con la descripción (Pinzón, 2023). Esta tecnología se basa en un proceso similar al proceso creativo de los artistas humanos debido a la similitud entre las redes neuronales y el cerebro humano, enfatizando la relación entre la construcción de imágenes de DALL-E con la capacidad de almacenar, identificar y traducir en resultados del cerebro humano (2023); sin embargo, considera que aún no es capaz de reemplazar a un artista, debido a que no posee la capacidad de sentir ni posee una evaluación emocional del contenido generado; por lo cual, pese a su gran capacidad, aún depende del artista humano que lo maneje (Slack, 2023). Stable Diffusion Este modelo permite la generación de imágenes fotorrealistas a partir de entradas de texto y en base a sus datos de entrenamiento, enfocado en la creación de imágenes de arte (Stable Diffusion, 2023). No obstante, esta tecnología ha tomado relevancia en el campo de la medicina. Por ejemplo, un estudio realizado por investigadores de Stanford AIMI midió la capacidad de generación de imágenes de esta herramienta enfocada en imágenes médicas de radiografías torácicas. A partir del entrenamiento con 1000 radiografías frontales seleccionadas al azar, cinco imágenes seleccionadas a mano de radiografías de tórax normales, cinco imágenes seleccionadas a mano con presencia de anomalías claramente visibles, y un millón de indicaciones de texto general, determinaron que, aunque no era perfecto, representaba una oportunidad futura de exploración (Goth Itoi, 2022). En base a dichos resultados, los investigadores, en noviembre del año 2022, propusieron el modelo multimodal RoentGen, el cual fue entrenado con un conjunto de 1,5 millones de imágenes de rayos X de tórax junto con sus descripciones textuales. Dicho modelo tiene la capacidad de generar imágenes de rayos X de enfermedades como neumonía, cáncer de pulmón y neumotórax, logrando generar imágenes de alta calidad y representa un avance significativo en el desarrollo de modelos multimodales para la generación de imágenes médicas (Chambon y otros, 2022). Mientras que el modelo de generación de texto más relevante es respecto al modelo GPT, debido a su gran capacidad para la generación de lenguaje natural (Hendy y otros, 2023) de texto y código funcional en distintos campos o aplicaciones (Polo, 2023). GPT El caso más relevante fue con respecto al lanzamiento y evolución del gran modelo de lenguaje GPT (transformador pre entrenado generativo). Este modelo emplea una arquitectura denominada transformador6, la cual es un tipo de aprendizaje no supervisado y que se entrena con grandes cantidades de texto para poder predecir palabras faltantes en una secuencia de texto determinada (EY Perú, 2023). Respecto a ello, ChatGPT es un software lanzado en el año 2022 y que está basado en el modelo de lenguaje GPT (Britannica, 2023) el cual es capaz de responder preguntas, realizar tareas por escrito, mantener una conversación con fluidez, entre otras tareas en cuestión de segundos (Suzuki, 2023). Este software representa un gran avance para la inteligencia artificial debido a que funciona con una gran cantidad de datos y mejora constantemente su predicción en las respuestas, ello debido a que utiliza el refuerzo por aprendizaje a través de la retroalimentación humana (RLHF) (Suzuki, 2023). En el año 2023, ChatGPT fue el modelo de lenguaje más utilizado y de más rápido crecimiento a nivel global debido a que, al cierre de agosto de dicho año, se estimó que esta herramienta obtuvo un total de 100 millones de usuarios activos (Silverio, 2023), representado en la Figura 7, siendo el segundo aplicativo que menos tiempo tardó en lograr dicha cifra en comparación con las más grandes redes sociales, únicamente por debajo de Threads. 6 Los transformadores se basan en el concepto de autoatención y son adecuados principalmente para el modelado de lenguaje, resúmenes de texto y traducción automática (EY Perú, 2023). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 21 Figura 7. Mundo: tiempo total empleado en alcanzar los 100 millones de usuarios, por aplicación, 2023 (en número de meses). Nota. Los valores en días y años fueron convertidos a meses, se consideró un mes equivalente a 30 días calendario. Los valores obtenidos de Tiktok no incluyen a la aplicación conjunta Douyin, la cual únicamente se encuentra disponible en China. Adaptado de: “How Long it Took for Popular Apps to Reach 100 Million Users”, de Pallavi, R., (2023). Por otro lado, en la región de América Latina y el Caribe, se ha presentado un número significativo de usuarios que visitan y usan esta herramienta. Por ejemplo, Statista Research Department (2023) elaboró un ranking de los países de la región con mayor número de visitas a esta herramienta, representado en la Figura 8, destacando Brasil con más de 70 millones de visitas al portal web de ChatGPT. Respecto al Perú, se encuentra en la sexta posición con un total de veinticuatro millones de visitas aproximadamente, lo cual es indicador de que, aunque es una cifra considerable, la mayoría de la población no utiliza, desconoce o emplea otro tipo de modelo de lenguaje. 0.2 2 9 30 44 55 61 70 78 0 20 40 60 80 100 Threads ChatGPT Tiktok Instagram Snapchat Spotify Telegram Uber Google Translate Tiempo empleado para llegar a los 100 millones de usuarios (en meses) A p lic at iv o INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 22 Figura 8. América Latina: ranking de los países con mayor número de visitas a ChatGPT a nivel regional, 2023 (en millones). Nota. Adaptado de “Ranking de los países con mayor número de visitas a ChatGPT en América Latina y el Caribe en 2023”, de Statista Research Department (2023). Sin embargo, esta tecnología también involucra riesgos potenciales, entre los cuales se han destacado, según Zhuo (2023), seis aspectos: 1) resultados sesgados; 2) genera información inexacta que debilita la confianza en los resultados; 3) uso incorrecto y poco ético; 4) daños en la relación persona-máquina; 5) daño ambiental; y 6) infracción a la privacidad y protección de datos. 73 62 58 24 24 24 23 15 0 10 20 30 40 50 60 70 80 C an ti d ad d e vi si ta s (e n m ill o n es ) País ChatGPT se lanzó en el año 2022 y tuvo un impacto significativo debido a sus impresionantes capacidades generativas, lo que le valió una atención más allá de los círculos de investigación. Aunque en su lanzamiento se incluyeron mecanismos de seguridad, es imposible prever todos los posiblesescenarios desafiantes que los usuarios finales puedan imaginar; por ende, las infracciones en los sistemas de seguridad normalmente se identifican durante la fase de implementación en tiempo real (Maslej y otros, 2023). Por ejemplo, el investigador Matt Korda descubrió que esta herramienta podía manipularse para proporcionar detalles e instrucciones sobre cómo construir una bomba si se utilizaba un prompt que solicitara evaluarlo desde la perspectiva de un investigado involucrado en una investigación de seguridad relacionada con bombas (Maslej y otros, 2023). No obstante, un día después de la publicación de dicho hallazgo, el mismo método ya no funcionaba, ello debido a que la herramienta respondió que no podía proporcionar información sobre actividades ilegales o peligrosas (Maslej y otros, 2023). En ese sentido, será importante fomentar el uso ético de esta herramienta, así como también implementar regulaciones en el contenido permitido para un mejor aprovechamiento de la herramienta (Maslej y otros, 2023). Box 2. ChatGPT, una “bomba” en su lanzamiento INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 23 En ese sentido, estos y otros modelos de lenguaje vendrían a ser el medio por el cual se desarrollan las principales aplicaciones de la IA generativa. Respecto a ello, en la Tabla 1 se esquematizan algunas de las principales aplicaciones de los modelos de lenguaje, ello según su modalidad (texto, imagen, código, entre otros). Tabla 1. Aplicaciones principales de los modelos de lenguaje de IA generativa, por modalidad, 2023. Modalidad Aplicación Texto Redacción de contenidos Chatbots o asistentes virtuales Búsqueda Análisis y síntesis Código Generación de código Prototipo y diseño de aplicación Generación de conjuntos de datos Imagen Generador de imágenes Editor de imágenes Audio Generación de texto a voz Creación de sonido Editor de audio 3D u otros Generación de objetos 3D Diseño y descubrimiento de productos Video Creación de video Editor de video Traducción de voz y ajustes en video Cambios y ajuste de rostros Nota Técnica. La lista mostrada no es exhaustiva; es decir, se remite a una síntesis de las aplicaciones principales. Adaptado de “Exploring opportunities in the generative AI value chain”, de Härlin, T., y otros. (2023). Asimismo, en relación con el tema de salud, se cuenta con dos aplicaciones principales: Atención médica: según lo mencionado por Lin (2023), la IA generativa ha potenciado significativamente al sector salud; particularmente, se destacan dos empresas proveedoras de servicio de atención médica que han integrado esta tecnología: Abridge AI Inc. y Syntegra Inc. En primer lugar, la plataforma Abridge AI brinda soporte al personal médico debido a que permite redactar notas después de una atención médica, logrando un ahorro en tiempo y mejorando la eficiencia del proceso (GD, 2023), ello a partir de la generación de resúmenes de las conversaciones tomando como insumo grabaciones de audio de las atenciones médicas (Lin, 2023). Por ejemplo, dicha herramienta se integró en el sistema de salud de la Universidad de Kansas, en la cual sus centros médicos han dispuesto esta plataforma a más de 2000 miembros del personal médico (Lin, 2023). Además, es importante para los líderes de tecnología hospitalaria el poder reducir la carga y labor administrativa de documentación de sus médicos (Diaz, 2023b). En segundo lugar, Syntegra emplea IA generativa en la construcción de datos sintéticos de los pacientes que sirven como insumo para la investigación médica (GD, 2023); además, fue la primera empresa en emplear esta tecnología para la elaboración de datos médicos sintéticos (Lin, 2023). Por ejemplo, su uso está siendo integrado por la compañía Janssen Pharmaceutical Cos., la cual es una compañía farmacéutica y que, en palabras de Sebastian Kloss, líder de investigación de evidencia del INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 24 mundo real de la organización, logró optimizar sus procesos de investigación médica, reduciendo el proceso de seis meses a tan solo un mes (Lin, 2023). Investigación en el descubrimiento de fármacos: una de las oportunidades de mercado potencialmente más grandes y beneficiosas para la IA generativa es el descubrimiento y desarrollo de fármacos, el cual se valoró en 109 millones de dólares en el año 2022 (Martinez, 2023). Esta herramienta proporciona, mediante el aprendizaje profundo de patrones, algoritmos entrenados con bases de datos de moléculas de fármacos existentes, en conjunto con sus propiedades para desarrollar nuevos compuestos (Martinez, 2023). Entre sus aplicaciones, destaca la simulación de acoplamiento de proteínas 3D del modelo DeepMind y el descubrimiento de medicina genética con Deep Genics (Norden y otros, 2023). Asimismo, Maniar (2023), uno de los grandes modelos de lenguaje que puede contribuir significativamente en las ciencias de la vida y el descubrimiento de fármacos es Med-PaLM 2, el cual tiene la capacidad de responder preguntas médicas de forma segura y precisa, aunque actualmente es de acceso limitado para clientes selectos. INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 25 Además, cabe mencionar la aplicación de los modelos de lenguaje en la clasificación genética. Según lo estudiado por Mohammed y otros (2023), se evaluó el rendimiento de cuatro grandes modelos de lenguaje en base a once módulos de células eritroides. Como conclusión de dicho estudio, los modelos GPT-4 y Claude obtuvieron un mayor rendimiento y se destaca la capacidad de estos modelos para la priorización de genes candidatos con una mínima intervención humana, lo cual implica un potencial para el aumento de la productividad en tareas que requieran un amplio conocimiento biomédico. Por otro lado, la IA generativa ha revolucionado el aprendizaje remoto o en línea a nivel global, principalmente en los métodos y materiales de aprendizaje. Por ejemplo, los modelos básicos de lenguaje tienen la capacidad de generar lenguaje humano útil para el aprendizaje en línea gracias a herramientas como ChatGPT, las cuales trajeron oportunidades importantes para la educación (Porto & Pinto, 2023), tanto para los docentes (sugerencias y generación de materiales de curso) como para los estudiantes (respecto a la atención de preguntas) (Lo, 2023). Además, esta tecnología podría mejorar la educación al adaptar el aprendizaje a las necesidades individuales, automatizar tareas y proporcionar retroalimentación y prácticas personalizadas (Marc Lim y otros, 2023). Una de las aplicaciones de la IA generativa en la investigación de descubrimiento de fármacos fue el descubrimiento de anticuerpos de novo. A diferencia de los métodos tradicionales para su descubrimiento, los cuales requieren una elevada cantidad de bibliotecas inmunes o sintéticas y un control prolongado de las propiedades o resultados de los anticuerpos, la IA generativa tiene el potencial de incrementar la velocidad, control y calidad en el diseño de los mismos (Shanehsazzadeh y otros, 2023). En ese sentido, un grupo de investigadores implementó esta tecnología en modelos de creación de anticuerpos mediante zero-shot, representado en la Figura 9, lo cual significa que se diseña un anticuerpo para que se una con un antígeno, pero sin la necesidad de demostraciones previas (Shanehsazzadeh y otros, 2023); en otras palabras, los anticuerpos son diseñados a partir de una generación por modelos de una única etapa de optimización (Maslej y otros, 2023). Los resultados del estudio abarcan el diseño de aglutinantes para antígenos, ello sin necesidad de un estado alto de la maduración de la afinidad.(Maslej y otros, 2023). En síntesis, la IA generativa tiene la capacidad de crear nuevos anticuerpos, los cuales pueden acelerar significativamente el descubrimiento de fármacos para la mejora del sector salud (Maslej y otros, 2023). Nota. Recuperado de “Unlocking de novo antibody design with generative artificial intelligence”, de Shanehsazzadeh, A. (2023). Figura 9. Modelo zero-shot con IA generativa en el diseño de anticuerpos de novo. Box 3. Desbloqueo del diseño de anticuerpos de novo con IA generativa INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 26 Un ejemplo de ello se da en los aplicativos móviles para la educación. En particular, un caso cotidiano se presenta en la aplicación Duolingo, la cual permite el aprendizaje de múltiples idiomas y funciona mediante la IA (Yu & Guo, 2023) y que, en asociación con OpenAI, desarrollaron y lanzaron un nivel de suscripción “Duolingo Max” impulsado por IA generativa (Doughty, 2023). Asimismo, a nivel de América Latina, la IA generativa presentó algunos avances en su interés o aplicación por parte de algunas instituciones. Por ejemplo, después de los acontecimientos percibidos por la pandemia por la COVID-19, el Gobierno de Ecuador trabajó, en conjunto con el Banco Mundial, en la integración de una plataforma de aprendizaje impulsada por dicha tecnología en el sistema educativo. A raíz de ello, después de dieciséis semanas de utilización de la plataforma, los estudiantes lograron un dominio del 68,7 % del currículo esencial de matemáticas necesario para el rendimiento académico. A su vez, se empezaron a desarrollar proyectos de IA generativa en los planes de estudio universitarios del país (Noventiq, 2023), como por ejemplo el cambio significativo en la forma de enseñanza del periodismo digital en la Universidad San Francisco de Quito a raíz de la integración de la IA generativa en el plan de estudios de su cátedra “Periodismo Científico” (Espinosa, 2023). De igual forma, según Alejandro Artopoulos, director del Centro de Innovación Tecnológica de la Universidad de San Andrés en la Argentina, esta herramienta, aunque actualmente puede perjudicar a la educación, también se está aprendiendo a cómo obtener beneficio de ella; por tanto, sostiene que la manera en que se podría balancear la IA en la educación sería con mayor disponibilidad de IA al servicio de la docencia (Horvat, 2023). Además, en el Perú, esta tecnología permite añadir mejoras en el proceso de enseñanza y aprendizaje de los estudiantes, como resúmenes de texto, generación de códigos, entre otras funciones capaces de generar una mejora de la eficiencia en la docencia (Gómez Roncal, 2023). INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 27 No obstante, según menciona Azoulay (2023), la IA generativa, pese a que puede contribuir en el desarrollo humano, también está asociada a potenciales daños y perjuicios; en ese sentido, considera que no puede integrarse a la educación sin un trabajo conjunto con el sector público mediante regulaciones establecidas correctamente por parte de los gobiernos. Por otro lado, los avances y desarrollo de la IA generativa, en particular la enfocada en la generación de imágenes a partir de texto, han comenzado a cambiar al sector turismo (el cual previamente ya ha integrado herramientas de IA para proporcionar servicios más inteligentes, como por ejemplo mediante un servicescape o paisajes de servicios inteligentes7 (Yin y otros, 2023b)) mediante modelos como Midjourney o Stable Difussion que permiten, tanto a turistas como vendedores con poca formación en conceptos artísticos, generar imágenes personalizadas y de esta manera brindar un servicio personalizado que genere valor en el viaje de los clientes (Miao & Yang, 2023). En lo que respecta a la agricultura y ciencia de los alimentos, la IA generativa ha comenzado a integrarse en los modelos de monitoreo y siembra de cultivos, ello debido a que, mediante el uso de datos sobre el estado de salud del suelo, información genética del cultivo, clima y características del 7 Lugares diseñados mediante IA con el propósito de generar acciones comercialmente significativas. En marzo del año 2023, la compañía desarrolladora de la aplicación Duolingo, en conjunto con OpenAI, lanzó un nuevo nivel de suscripción denominado “Duolingo Max” basado en la tecnología GPT-4 (2023). Mediante el uso de esta tecnología, Duolingo Max integra dos nuevas funciones que permiten crear una experiencia de aprendizaje avanzada (Grupo GDA, 2023): Explica mi respuesta: funcionalidad que permite a los usuarios acceder a una conversación con Duo (un tipo de chatbot cuyas respuestas son generadas por IA) el cual les brinda información sobre las razones por las cuales su respuesta fue correcta o incorrecta; además, puede brindar ejemplos sobre ello o alguna aclaración adicional (Duolingo Team, 2023; 2023). Juego de roles: funcionalidad que permite a los usuarios interactuar y practicar una conversación de situaciones de la vida real a través de personajes en la aplicación basados en IA, la cual, aunque no se trate de una persona física, es sensible e interactiva, permitiendo la generación de una conversación fluida y que esta no se repita; además, el app también otorga una retroalimentación al final de la conversación sobre la precisión y complejidad de las respuestas otorgadas por los usuarios, así como también sugerencias para conversaciones futuras (Duolingo Team, 2023; 2023). Según Zan Gilani (2023), lo que diferencia a estas dos funcionalidades de los métodos tradicionales es debido a que la aplicación funciona mediante modelos de lenguaje modernos y chatbots, los cuales pueden brindar respuestas concisas y sin uso de jergas en los errores (lo cual es difícil incluso para los maestros), además de que pueden brindar retroalimentación y sugerencias con paciencia infinita para, de este modo, entender realmente la necesidad del usuario. Además de Duolingo Max, la compañía emplea también un modelo de IA denominado “Birdbrain” mediante el cual generan ejercicios para las lecciones de los usuarios ajustados a su nivel basado en sus debilidades y fortalezas, brindando así una experiencia personalizada al usuario y aumentando a su vez la productividad de la compañía (Henry, 2023). En general, y también como menciona Gilani (2023), Duolingo es una compañía la cual desde sus inicios ha trabajado y desarrollado funciones mediante el uso de IA para poder brindar una educación de calidad a través del aprendizaje experimental; es decir, solventa problemas asociados a los métodos tradicionales de educación al otorgar funcionalidades interactivas para el usuario que le permitan aprender “sin sentir que está aprendiendo”, y es en ese proceso, por lo mencionado previamente, que los modelos de lenguaje y chatbots toman un rol importante debido a sus múltiples capacidades y beneficios. Box 4. Duolingo lanza “Duolingo Max” basado en IA generativa INTELIGENCIA ARTIFICIAL: TECNOLOGÍAS PARA LA PRODUCTIVIDAD Y UN ESTADO EFECTIVO 28 suelo, puede optimizar el rendimiento de los cultivos a través de la generación de información relevante para la toma de decisiones de los agricultores, mejoramiento de cultivos, control de plagas o una eficiente gestión de recursos (Usmani, 2023). Además, según una encuesta realizada por Chui y otros (2023b), el año 2023 representa un año clave para la IA debido al crecimiento significativo en el uso de herramientas de IA generativa por parte de las organizaciones. Del estudio, se resalta que el 79 % de los encuestados afirmó que han tenido contacto al menos una vez con la IA generativa, y el 22 % de los mismos afirma que
Compartir