Conferencia

Finalmente, una charla en la que el término ‘IA’ no apareció. O al menos no tan a menudo. Una presentación sobre el cambio climático de Ben Wolkon de MUUS Climate Partners, seguida de una sesión interactiva dirigida por Ellie Johnston. El mensaje central es: No existe una única solución que resolverá todo, pero todas las soluciones necesarias ya existen. Es cuestión de implementarlas y escalarlas.

El futuro sostenible

La historia de Wolkon ya me era relativamente conocida. La electricidad deberá aumentar en la industria, el transporte y los edificios. La generación de esa electricidad deberá volverse verde. Además, se necesitan combustibles sintéticos para, por ejemplo, la aviación. Por cierto, aquí sí hay un papel para la IA y el análisis de datos, para gestionar y optimizar todos estos sistemas: una batería doméstica inteligente o una bomba de calor que ejecute la estrategia óptima.

Muchos productos de software, quizás todos, tienen ahora o tendrán pronto un componente de IA, o están construidos en torno a la IA. Asistí a una excelente presentación de una representante de Miro que ha reflexionado profundamente sobre cómo debe diseñarse la experiencia de usuario de la IA. “Nosotros damos forma a nuestras herramientas, y después, nuestras herramientas nos dan forma a nosotros” es una cita conocida, por lo que las decisiones de diseño de la IA son importantes. Una presentación llena de listas tipo “5 formas”. Aquí vamos.

Desafíos del diseño de IA.

• Trabajar con sesgos. La ponente ve esto tanto como un problema como una oportunidad. Podemos hacer el mundo de la IA como queremos eligiendo bien los datos de entrenamiento.
• Seguridad y privacidad. Las preocupaciones sobre una IA que toma el control del mundo no están fundadas, pero la privacidad y los deepfakes sí son una preocupación, así como el bienestar psicológico por chatbots que dan consejos incorrectos o agresivos.
• Diseño para la incertidumbre. Un LLM no es determinista, no puedes predecir de antemano qué va a salir.
• Confianza y transparencia. Cada día ves ejemplos de ‘alucinaciones’ de modelos de lenguaje que inventan cosas por sí mismos. Es importante mostrar las fuentes y así seguir ganando confianza.

Entonces, ¿cómo debes diseñar?

La primera charla a la que asistí fue de Google y McKinsey, y estuvo bastante bien. Ya se ha escrito sobre esto por Erwin Blom y Michiel Buitelaar pero daré mi perspectiva.

La idea que saqué fue: Necesitas buenos datos, un buen modelo de lenguaje y tu gente debe entender para qué les sirve. Con eso puedes generar un impacto poderoso.

Datos: En Google tienen una base de código increíble: El código sobre el que funcionan Chrome y Search, por ejemplo. 500,000 años-persona de trabajo, no solo con buen código sino que también se registran todos los cambios, todas las preguntas que los desarrolladores hacen en foros y las respuestas. Así que no solo el producto final sino también el proceso.