Hasta ahora, cuando se trata de la “revolución de la IA”, parece que la atención se centró principalmente en las interfaces basadas en chat como ChatGPT. Pero actualmente estamos viendo un cambio de la IA basada en chat a la IA basada en tareas, impulsada por innovaciones como Gemini de Google.
Para empresas como la mía, que se centran en la resolución de problemas, se está volviendo mucho más valioso aplicar modelos de lenguaje grandes a aplicaciones basadas en tareas en lugar de aplicaciones basadas en chat. Por eso, en este artículo quería explicar por qué creo que el futuro de la IA puede estar más allá de las interfaces conversacionales.
La limitación de la IA basada en chat y el auge de las interfaces de IA orientadas a tareas
A pesar de los impresionantes avances en la IA basada en chat, cada vez es más obvio que estas interfaces no son adecuadas para todas las tareas. Su naturaleza generalista a menudo se queda corta en tareas específicas y complejas que requieren un enfoque más centrado y la capacidad de recordar y captar un contexto definido. La limitación clave radica en su diseño único que, si bien es versátil, carece de la precisión necesaria para tareas especializadas.
Las interfaces de IA orientadas a tareas pueden ofrecer soluciones directas a problemas específicos con mayor eficiencia y precisión y a escala. Su proceso tiene un objetivo definido, utiliza varias entradas como indicaciones, conjuntos de datos u otros formularios de datos y es útil para automatizar flujos de trabajo complejos o proporcionar información analítica precisa.
Por ejemplo, en el sector legal, la IA basada en tareas es particularmente útil en áreas como el análisis de los costos de renovación de los contratos, la determinación del impacto de los contratos en las pólizas de seguros o la evaluación de la legitimidad de las reclamaciones de seguros. Estas tareas requieren manejar grandes conjuntos de datos y emitir juicios precisos, áreas en las que sobresale la IA basada en tareas.
En lo que respecta a las desventajas y ventajas, los modelos de IA basados en tareas requieren tratar el proceso como uno holístico, lo que significa que se necesita mucha iteración para llegar a donde necesitan llegar. Este enfoque es menos ágil pero muy preciso y eficiente una vez que se establece el 99% del proceso. Por otro lado, los modelos de IA basados en chat, si bien son menos precisos y controlables, ofrecen más flexibilidad y ciclos de retroalimentación más rápidos, lo que permite experimentar y realizar ajustes más fácilmente.
El futuro de la IA: agentes especializados
Pero el futuro de la IA, tal como lo veo, estará dominado por agentes de IA especializados, modelos avanzados con capacidades de memoria que les permitan recordar tareas anteriores y ejecutar funciones específicas.
Estos agentes podrían integrar varias tecnologías, como el aprendizaje automático y la automatización robótica de procesos, para encadenar pequeños pasos y producir resultados útiles para la resolución de tareas. También realizarán tareas activamente e incluso pueden sugerir acciones posteriores. Por ejemplo, en lugar de simplemente proporcionar una consulta SQL, un agente podría ejecutar la consulta y todos los pasos necesarios sin que el usuario final lo sepa y proponer pasos adicionales.
Se puede ver un ejemplo temprano de esto con el nuevo mercado de GPT que permite la creación de muchos GPT especializados diferentes: todavía no están realizando tareas, pero están capacitados con datos especializados, lo que refina su producción.
Un futuro con agentes que realicen tareas requerirá superar desafíos en la implementación, como establecer límites designados y asegurarse de que las tareas sean reversibles. Pero ese futuro está por llegar.
*Con información de Forbes US
