Reflexiones del IA Summit Barcelona

hace 2 días

6 min de lectura

Hoy hemos tenido el placer de poder asistir al IA Summit Barcelona que se celebra entre el 21 y 22 de septiembre en las instalaciones del World Trade Center.

Y digo lo del placer en modo irónico, porque la organización del evento ha sido en su primer día un auténtico desastre- colas de 50' para acceder, 20' más para conseguir el "badge" (aunque disponíamos ya del mismo en digital- pero se exigía llevar colgado uno físico 🤔), más colas (de hasta 60') para acceder a los keynotes (sesiones de entre 15-40'), overbooking en unas salas claramente limitadas en espacio, fallos de sonido, ruido ambiental, colas al salir de las sesiones porque te tenía que volver a escanear el "badge", una conexión en streaming (para el equipo que lo estaba viendo desde la oficina), de los años '90 que se caía constantemente... vamos el "full package de los despropositos", a años luz de lo que alguien espera de un evento que pretende posicionarse como de referencia en el entorno tecnológico.

IA Summit Barcelona
IA Summit Barcelona
IA Summit Barcelona

Pero, una vez compartidas las penas referentes a la organización entremos en materia... Después de estar escuchando a expertos de Amazon, Microsoft, Blackrock, Typerform, Skyscanner, Miro, Nauta Capital, Esade, Nestle, Bonpreu y múltiples start-up de soluciones IA, la primera gran conclusión es:

No tenemos ni puñetera idea de hacia dónde evolucionará la IA

Y sí, ya se que podéis pensar que es un mensaje sensacionalista, pero es lo que siento después de estar escuchando a los diferentes expertos.

Muchos generalismos, muchas palabras "buenistas" y finalmente muchas, muchas dudas en todos los lados.

IA Summit Barcelona
IA Summit Barcelona
IA Summit Barcelona

A mi me recuerda a la película "La vida de Bryan", donde el protagonista tenía la sensación de estar controlando su vida disfrutándola, pero la realidad es que su vida estaba controlada, guionizada y modulada por terceros.

Pues con la IA tengo esa sensación- evidentemente hay que entender el valor geopolítico, estratégico de esta tecnología para los gobernantes de los países (tanto los que ya se han lanzado a obtener el máximo de ella- USA, China, como los que están asustados y su palabra favorita es "prohibir"- la UE), el rol de los grandes propietarios de los modelos (LLM)- OpenAI, Google, Amazon, Meta, X, Microsoft, Deepseek, Mistral,... y que quieren decir la suya para acabar siendo el de referencia, los proveedores de infraestructura (chips, energía,...) con Nvidia al frente y por supuesto los inversores que han puesto grande sumas de dinero.y obviamente esperan obtener sus beneficios.

Estos pocos son los que realmente definen, redefinen y vuelven a definir hacia donde va la IA- con muchas dudas de que estén alienados y menos que tengan una hoja de ruta clara. Creo que a veces se mueven a bandazos en función de intereses corto placistas.

Y mientras el resto, pobres de nosotros pensamos que podemos decir algo al respecto y como mucho, lo que podemos hacer es intentar jugar con sensatez con los que nos ofrecen/ dejan, tanto en nuestro entorno personal como profesional.

Pero bueno, de todo siempre se pueden sacar aspectos positivos y de este primer día del AI Summit destacaría:

Cuando se aborda un proyecto de IA, es clave empezar siempre pensando en el problema y en los usuarios, no en el "hype" de implementar tecnología porque es lo que toca. Es en definitiva, evitar el síndrome "you need to...", que tantas otras veces hemos vivido con otras tecnologías.

cambiar la pregunta de «¿dónde podemos poner IA?» por «¿qué resultado necesitamos mejorar y cómo sabremos que ha mejorado?

Tener claro los objetivos que se persiguen- trabajar sin objetivos es condena de fracaso... y vuelve a ser algo que los han estado en anteriores revoluciones (web, mobile, app, mundos virtuales, big data,...) han vivido/ sufrido.
Tener clara la diferencia entre "adopción" e "impacto"- que los usuarios usen una implementación/ solución tecnológica no conlleva una mejora

uso > cambio en la forma de trabajar > mejora de resultados > impacto en el negocio

Del error siempre se aprende, y esto en mercados anglosajones lo tienen clarísimo desde hace muchos años y por eso están donde están... pero en mercados latinos, tenemos una auténticao temor al error y eso nos paraliza.
No existe un modelo óptimo para todo. Es decir, debemos cambiar el chip de querer trabajar con una sola solución y empezar a crear ecosistemas de modelos. Una petición puede dividirse en tareas de comprensión, extracción, búsqueda y razonamiento. Asignarles modelos diferentes permite equilibrar calidad, rapidez y coste.

La clave es saber ¿qué modelo resuelve esa tarea concreta bajo las restricciones con las que trabajamos

Los modelos abiertos y cerrados convivirán. Los abiertos, en los últimos tiempos han dado un gran salto de calidad, pero los cerrados en tareas exigentes todavía dan un plus diferencial. La decisión de usar unos u otros dependerá de dónde se procesan los datos, cuánto control se necesita y dependencias aceptadas de diferentes proveedores.
La medición de costes en base a tokens es un error. Este ha sido el modelo que desde los grandes players nos han querido inculcar- una unidad específica, de difícil medición (con lo que se añade opacidad), pero la realidad es que deberíamos trabajar por coste por resultado, que es la forma que nos permite comparar diferentes modelos para una tarea específica. En este coste de resultado se deben tener en cuenta los re-intentos, la latencia y el trabajo de supervisión. Esta es la forma de poder evaluar modelos y no solo por el número de tokens consumido.
Los datos son y serán cada vez más un activo estratégico. No solo el dato en bruto, sino las trazas de producción: solicitudes que llegan, donde falla el agente, que herramientas usa, que respuestas funcionan. Si los conservamos, sumados a los datos en bruto podremos evolucionar el modelo y si toca especializarlo. Si hacemos esto, iremos ajustando y personalizando el modelo y eliminaremos esa tendencia al cambio constante, cada vez que se anuncia un nuevo modelo y que lleva oculto muchos costes (económicos, de aprendizaje y de tiempo).
Los modelos propios son una opción, pero no necesariamente una obligación. Para crear un modelo propio, es clave disponer de datos de calidad, evaluación, capacidad de enriquecimiento continuado e ingeniería de datos. El debate es...

Podemos poner nuestras decisiones empresariales en manos de modelos externos que no sabemos como han sido configurados...

La inversión en el entorno de la IA vive en la dicotomía de seguir con la "carrera acelerada" hacia el precipicio o tirar de freno de mano y ralentizar la evolución. El debate está condicionado por las elevadas cifras ya puestas a disposición de las diferentes empresas con proyectos ilusionantes en el entorno de la IA y que provoca que los inversores no puedan ahora renunciar a esos beneficios prometidos. Pero, por otro lado el entorno inversor empieza a ver las "orejas del lobo" e interioriza que este ritmo no es sostenible, especialmente cuando no se ven retornos tangibles y la diferenciación de propuestas de valor se difumina...

¿Sobrevivirán todos? ¿He apostado por los correctos? ¿Sigo buscando el "mirlo blanco"? ¿Cómo justifico que no existirá el retorno esperado?

La supervisión humana frente a la IA actuando de forma independiente es otro de los grandes debates que hay encima de la mesa. Hay claramente dos posturas- los que defienden que el ser humano debe seguir siendo clave en las decisiones donde su criterio es diferencial (acordaros de la teoría de los 3 cubos) y los que ven un mundo donde la IA es autónoma (al estilo de Wall-e). La clave es la regulación algo que hasta la fecha funciona a nivel regional/ países y que ante esta tecnología se debería trabajar con un consenso mundial. Esto a día de hoy suena a utópico y hay es donde la brecha se crea y podemos encontrarnos con diferencias significativas por mercados, notícias alarmistas, miedos,...
La responsabilidad sobre la IA es otra de las grandes lagunas que preocupan en el sector. ¿Quién es el responsable? El que crea el software (algoritmo, entreno,...) o quien lo implementa y lo pone a disposición del usuario final. La lógica diría que debe ser el creador, pero qué pasa si en la implementación se realizan ajustes o un mal uso. Las casuísticas son múltiples y las consecuencias también y no hay legislación específica al respecto. (p.e: en Europa ante la irrupción de los vehículos autónomos, las asseguradoras han pedido que en caso de accidente sea responsable el conductor-el que esté detrás del volante o empresa propietaria del vehículo sin conductor pero también la marca fabricante del vehículo. Y estas ya han pedido que se incluya el fabricante del software).
La evolución de los modelos de negocio también está a debate. En base a que se habla de obtener resultados del uso de la IA y medir su calidad, se aboga por un modelo de Performance huyendo de los SaaS (suscripción), pero claro este modelo es puro resultadista y no contempla propiamente los costes internos de disponibilidad, evolución y evidentemente el mal uso por parte de los usuarios finales. Los usuarios finales quieren evolucionar al performance, pero la industria quiere seguridad tanto en el proveedor (que quiere mínimos garantizados) como en el cliente (corporarciones) que no quiere trabajar con presupuestos abiertos.

En definitiva, vivimos en una vorágine de "hype" alrededor de la IA, que provoca una sensación de FOMO entre los que todavía no han experimentado, probado o pueden decir que ya han conseguido resultados exitosos con la IA.

Pero la realidad es que como decía al principio de este post... "No tenemos ni puñetera idea de hacia donde evoluciona la IA", estamos en manos de unos pocos... y para acabar de rizar el rizo queremos evolucionar a una velocidad más rápida de la que la sociedad pueda asimilarla.