¿Alguna vez has oído hablar de inteligencia artificial generativa? En 2002, la tecnología dio un salto gigante, causando un verdadero frenesí, tanto en la gente como en las grandes corporaciones. Claro que, a pesar del cariz sensacionalista de las noticias sobre la IA, que siempre generan un gran revuelo, existe un verdadero potencial de negocio en la IA, capaz de impulsar ventas y conexiones.

¿Pero qué significa realmente el término “IA generativa”? Para simplificar, este tipo de inteligencia artificial utiliza un banco de datos ya existente para crear algo nuevo, como un nuevo poema (basándose en todos los poemas que posee en su sistema) o, incluso, un e-mail para un nuevo lead, basándose en la misma lógica.

Al leer esa explicación, debes de haber pensado inmediatamente en el Chat GPT, ¿no? Y no es para menos; de hecho, es el ejemplo perfecto de IA generativa: usando un banco de datos (todo lo que se ha producido de contenido en internet), crea una nueva información; o, mejor dicho, combina información diversa sobre el mismo tema para arrojar una respuesta pronta a quien le ha formulado una pregunta.

A diferencia de los modelos tradicionales de inteligencia artificial, la IA generativa “no solo clasifica o predice, sino que crea un contenido propio [...] y lo hace con un comando de lenguaje parecido al de los humanos”, explica el científico en jefe de Salesforce, Silvio Savarese. Sin embargo, a pesar de no componer su esencia, la capacidad de clasificar y predecir datos de forma precisa también está presente en la IA generativa.

Cabe recordar que, cuando se trata de inteligencia artificial, la calidad del producto depende de los datos con los que cuenta la IA como base. Es lo que observa Paula Goldman, jefe del sector de ética de Salesforce: “La IA es tan buena como los datos que le pones a disposición y debes asegurarte de que ese conjunto de información sea representativo”.

Existen varias maneras de hacer funcionar una IA generativa, pero una que está cobrando bastante fuerza consiste en usar modelos de lenguaje extenso (MLL, por su sigla en inglés) pre entrenados para crear contenido a partir de comandos basados en texto. Para tener una idea, la IA generativa ya está ayudando a las personas a crear resúmenes de estudio, planes de negocio y hasta arte digital de esa forma.

Pero su potencial, aquí en Salesforce, va más allá de crear imágenes graciosas y realistas de osos polares tocando la guitarra.

Para que la IA funcione de manera útil, el usuario debe dirigir lo que la IA deberá producir para que, entonces, basándose en los modelos de lenguaje, la inteligencia artificial generativa cree algo que podrá variar desde palabras hasta códigos, pudiendo llegar a productos tan ambiciosos como, por ejemplo, nuevos tipos de proteínas que no se encuentran en la naturaleza.

Para Savarese, eventualmente, las herramientas de IA “nos ayudarán en diferentes ámbitos de nuestra vida, asumiendo el papel de ayudantes superpoderosos”. Ahora, cuando hablamos de empresas, es especialmente importante incluir un “toque humano” cuando se esté desarrollando o usando una IA generativa. Así, las empresas pueden validar y probar flujos de trabajo automatizados con supervisión e intervención humana antes de lanzar sistemas totalmente autónomos al mercado.

De esta forma, se pueden prevenir potenciales riesgos y garantizar que la tecnología creada no se utilice de manera irresponsable o antiética. Además, tener una mente humana involucrada en el proceso ayuda a generar confianza entre los consumidores y stakeholders que acompañen ese trabajo.

LEE MÁS: ¿Qué es Inteligencia Artificial?

Adentrándonos más en el funcionamiento técnico de la inteligencia artificial generativa, podemos citar dos modelos de aprendizaje que son especialmente usados: los llamados transformers y las GAN (Generative Adversarial Networks, o Redes Adversarias Generativas, en traducción libre).

• Las GAN están formadas por dos redes neurales: una generadora y otra discriminadora, que compiten entre sí. Mientras la generadora crea una salida (output) basada en una entrada (input), la discriminadora intenta determinar si el output es real o falso. Entonces, la generadora refina su salida basándose en el feedback de la discriminadora y el ciclo continúa hasta que la red discriminadora se confunda.

• Los modelos transformers, como el ChatGPT (sigla que significa Chat Generative Pre Trained Transformer, o transformador pre entrenado para generar conversaciones), crean outputs basados en datos secuenciales (como frases o párrafos) en vez de datos puntuales. Este abordaje ayuda al modelo a procesar el contexto del texto que se traducirá y a tomar decisiones “informadas”.

Mientras las GAN y los transformers están entre los modelos más populares de IA generativa, también se utilizan diversas otras técnicas, como las VAE (Variational Autoencoders, o Auto Encodificadores Variacionales), que, de la misma forma, dependen de dos redes neurales para generar nuevos datos basados en una muestra de datos.

Además, existen los NeRF (Neural Radiance Fields), que se usan para crear imágenes en 2D y 3D, además de las criptomonedas homónimas, que se usan para realizar pagos en línea por medio de transacciones sin intermediarios.

Los modelos de IA generativa, como el Stable Diffusion, el Midjourney y el propio ChatGPT, que tanto hemos mencionado, han dominado el imaginario de los empresarios y líderes de negocios en todo el mundo. En realidad, una encuesta reciente realizada por Salesforce mostró que dos tercios (67%) de los líderes de TI están priorizando la IA generativa en sus empresas y que, para un tercio (33%) de los entrevistados, en 18 meses, esa IA será una de las prioridades top.

Y como ha puesto de relieve una de las últimas noticias del Einstein GPT de Salesforce, la tecnología es “abierta y extensible: además de apoyar propuestas de modelos de IA públicos y privados para CRM, está preparada para manejar datos en tiempo real, de forma confiable”.

Hace años que Salesforce explora cómo desarrollar e implementar IA generativa para respaldar la necesidad de los consumidores. Por ejemplo, introdujimos el CodeGen, centrado en democratizar la ingeniería de softwares mediante la traducción de comandos simples en inglés a códigos ejecutables. Otro proyecto creado por nosotros, el LAVIS (acrónimo de Language-Vision), ayuda a hacer accesible, para un amplio público de investigadores, la capacidad de lenguaje-visión de la IA.

Según Ketan Karkhanis, vicepresidente ejecutivo y gerente general de ventas del Sales Cloud, mientras la tecnología puede considerarse una bendición para los grandes negocios, también es una herramienta potencialmente útil para pequeñas y medianas empresas (Pymes). Para él, “funcionalidades como automatizaciones, propuestas generadas por IA y comunicación con los consumidores, junto con modelos predictivos de ventas, darán a las Pymes herramientas aún más poderosas para ayudarlas a crear increíbles jornadas de compra y experiencias para los clientes”.

Para reforzar esa idea, la experta Clara Shih, CEO de IA en Salesforce, cree que la inteligencia artificial generativa transformará totalmente el campo del customer service. Ella afirma que “con la IA generativa superpuesta en programas como Einstein y el Customer 360, tendremos la capacidad de generar, automáticamente, respuestas personalizadas para que los agentes de ventas y atención respondan los mensajes más rápidamente sin dejar a los clientes esperando. Así, los agentes quedarán libres para dedicarse más profundamente a demandas complejas y construir una relación de largo plazo con los consumidores.”

LEE MÁS: ¿Cómo la inteligencia artificial afectará tu estrategia de marketing?

Paula Goldman señala que, a pesar de su potencial gigantesco, la IA generativa también comporta riesgos. En un artículo de autoría compartida con Kathy Baxter, arquitecta de Salesforce para práctica ética de IA, ambas advierten que “no es suficiente con entregar solo capacidad tecnológica de IA generativa. También necesitamos priorizar una innovación responsable que nos ayude a entender cómo se puede y debe usar esa tecnología transformadora, asegurando, de esa forma, que nuestros colaboradores, aliados y clientes tengan las herramientas que necesitan para desarrollar y utilizar esas plataformas de manera segura y ética.”

En una entrevista conducida por Silicon, Goldman afirmó que “Precisión es lo más importante cuando hablamos de IA en un contexto de negocio, pues es fundamental asegurarse de que la IA no esté inventando hechos, ya sea en comandos y en recomendaciones para chats con clientes o en e-mails centrados en ventas y prospección.” Por lo tanto, garantizar que los datos sean verdaderos y confiables es la base para cualquier aplicación de IA.

En ese  sentido, las respuestas supuestamente oficiales o verídicas dadas por el ChatGPT son objetos que se deben vigilar, enfatiza Savarese, quien también advierte sobre lo que llama “falla confiada”.

“El posicionamiento adoptado por esos modelos cuando responden a una pregunta del usuario asume, a menudo, un tono profesional, confiriendo a esas plataformas una capacidad de interacción impresionante al mismo tiempo en que hace que sus fallas sean aún más peligrosas”, señala Savarese. “No es raro que hasta a expertos cojan desprevenidos el poder de persuasión de las IA”, complementa.

Para entender lo mucho que está en juego, basta con extender la confianza que los usuarios comunes tienen en el ChatGPT al nivel de grandes empresas de actuación mundial. Sin embargo, a pesar de los riesgos, los líderes de TI están atentos. Según la encuesta hecha por Salesforce ya mencionada aquí, 6 de cada 10 (59%) de los gestores del área declaran que consideran imprecisos los outputs de la IA generativa.

¿Cómo usar la IA generativa de forma ética y responsable?

Es justamente para responder a esta pregunta que Salesforce está construyendo capacidades de IA confiables, con orientación y guías de uso incorporadas a las propias herramientas, para ayudar a prevenir probables problemas antes de que ocurran. Si un día el mundo llegará a darse cuenta del potencial de la IA generativa, será porque tendrá buenos motivos para confiar en esos modelos en la situación que sea.

Una IA responsable es una IA sostenible. En ese sentido, la inteligencia artificial consume significativamente más energía que las tecnologías de trabajo tradicionales y el 71% de los líderes de TI están de acuerdo en que la IA generativa aumenta la huella de carbono de la humanidad en virtud del creciente uso de energía que demanda.

Más allá de que es necesario explorar la inteligencia artificial generativa de manera inclusiva y criteriosa, la tecnología guarda un vasto potencial para impulsar el futuro del CRM, no solo de los softwares, sino también de la estrategia de gestión de clientes como un todo. 

LEE MÁS: Tipos de CRM: diferencias y ventajas

Antes que todo, hay que señalar que la inteligencia artificial ya forma parte de la plataforma Salesforce desde hace mucho tiempo. Por ejemplo, las tecnologías de IA del Einstein entregan más de 200 mil millones de predicciones por medio del Customer 360. Esto permite a varios tipos de corporaciones acelerar sus ciclos de cierre de negocios, además de generar conversaciones de IA que se asemejan a la interacción humana para las páginas de FAQ, ayudando a satisfacer y entender mejor al consumidor.

Además, recientemente, Salesforce anunció el Einstein GPT, la primera IA generativa para CRM del mundo. Desde e-mails personalizados para ventas hasta códigos autogenerados, el Einstein GPT entregará contenido creado por inteligencia artificial en cada segmento de ventas, atención al cliente, marketing, comercio e interacción con la TI en hiperescala.

También es importante señalar que el Einstein GPT usa datos del Data Cloud combinados con datos públicos para crear una experiencia relevante para los clientes por medio del Customer 360.

Lo mejor es que el Einstein GPT hará todo eso con la misma inclusión, responsabilidad y sostenibilidad que forman parte de todos los productos de Salesforce, aportando más seguridad para ti y tu negocio.

¿Te gustó saber más sobre IA generativa?

Nuestro blog y Centro de Recursos están siempre actualizados con novedades y contenidos sobre CRM e inteligencia artificial. A continuación te sugerimos otras lecturas que te pueden resultar útiles:

• Inteligencia Artificial para Atención al Cliente
• Servicio de Atención al Cliente Automatizado e IA de Service Cloud
• Guía de la Inteligencia Artificial
• Inteligencia Artificial para CRM

Aprovecha para conocer todas las funcionalidades del Einstein y entender cómo puede transformar tus resultados.