Los grandes modelos lingüísticos son sistemas de IA entrenados en enormes conjuntos de datos para comprender entradas proporcionadas en lenguaje humano natural y emitir una variedad de respuestas: desde contenido escrito hasta imágenes únicas o música. El ChatGPT trajo recientemente la atención mundial sobre el potencial de los LLM, pero las organizaciones de todos los sectores llevan tiempo aprovechando los grandes modelos lingüísticos para agilizar diversos procesos.
Debido a la gran cantidad de datos necesarios para entrenar un LLM, los líderes de organizaciones pequeñas pueden creer que están encajonados para beneficiarse de los modelos. Sin embargo, además de los éxitos conseguidos con los LLM a medida y desarrollados internamente, muchas empresas están logrando resultados significativos aprovechando las capacidades de los modelos disponibles públicamente. A continuación, 20 miembros del Consejo de Tecnología de Forbes comentan algunos casos de éxito en el mundo real del uso de los LLM -incluidos algunos que ellos mismos vieron o consiguieron-, así como las lecciones que se pueden extraer de ellos.
1. Asistencia en diagnósticos clínicos
La colaboración de OpenAI con un importante proveedor de servicios sanitarios para desarrollar un modelo lingüístico de ayuda al diagnóstico clínico mostró un éxito mensurable, reduciendo los errores de diagnóstico en un 20% y acortando los tiempos de espera de los pacientes. La lección clave para otras organizaciones es la importancia de adaptar los LLM a las necesidades operativas específicas: la integración de la IA quirúrgica puede mejorar la precisión en entornos de alto riesgo. - Marc Rutzen, HelloData.ai
2. Mapear las normativas de ciberseguridad a políticas y controles
Ví a grandes empresas de servicios financieros aprovechar un dominio de ciberseguridad adaptado y afinado para reducir de meses a unos pocos días la engorrosa y compleja tarea de mapear las normativas a las políticas y controles. ¡Es verdaderamente mágico! Aprovecha la capacidad de los LLM para comprender la semántica y da rienda suelta a la fluidez lingüística que se les da bien a los LLM. - Shashank Tiwari, Uno.ai, Inc.
3. Agilizar la tramitación de reclamaciones
Mi empresa implementó un wiki de conocimiento generativo de IA para los peritos de siniestros, aprovechando los datos anteriores y los procedimientos operativos estándar para agilizar la tramitación y mejorar la experiencia del cliente. Una lección importante es que el éxito requiere algo más que seleccionar el modelo de lenguaje amplio adecuado. Para que estos modelos funcionen correctamente, las empresas deben centrarse en una gestión rigurosa de los datos y en la integración de los flujos de trabajo. - Anand Logani, EXL
4. Seguimiento y análisis de las opiniones de los clientes
La evaluación de las reseñas de productos impulsada por la tecnología LLM determina tanto las quejas habituales de los clientes como las características que éstos más valoran. Como resultado, el desarrollo de productos y las decisiones de marketing se convierten en decisiones basadas en datos. Esta aplicación resalta el potencial de los LLM a la hora de agilizar el proceso de análisis de opiniones y recopilar información procesable. - Roman Vrublivskyi, SmartHub
5. Responder a las preguntas del servicio de atención al cliente
Una empresa de semiconductores aumentó la eficiencia de su equipo de atención al cliente aprovechando la tecnología LLM para ingerir artículos de su base de conocimientos y extraer la información relevante en una respuesta personalizada que se ajusta a las consultas individuales de los clientes. En cuestión de minutos, los agentes pueden compartir estos artículos con los clientes, lo que se tradujo en una reducción de las tasas de cierre de los tickets y en una mejora de la satisfacción de los clientes. - Rohan Joshi, Wolken Software
6. Mejora de la productividad de los desarrolladores
Un gran ejemplo que muestra el éxito de la implementación de los LLM es GitHub Copilot, desarrollado a través de la asociación de OpenAI con GitHub. Al ofrecer sugerencias de codificación en tiempo real, Copilot mejora la productividad de los desarrolladores, reduce el tiempo de búsqueda de soluciones de codificación y acelera el flujo de desarrollo de software. - Indiana (Indy) Gregg, Wedo
7. Detección de indicios de malware
Un equipo de nuestro grupo de negocio de seguridad entrenó a un pequeño LLM (un modelo Electra) para detectar ofuscación en líneas de comando. Muchas campañas de malware y ransomware utilizan la ofuscación como técnica. Este LLM personalizado tiene una eficacia superior a la de nuestros mecanismos de detección anteriores y es más barato que utilizar un LLM comercial. - Michael Roytman, Seguridad de Cisco
8. Proporcionar a los clientes asistencia inmediata
Añadimos un LLM para servicios asistidos por IA para ampliar nuestras capacidades de atención al cliente. El LLM se entrenó con datos de Vyopta, lo que nos permitió atender a muchos más clientes sin aumentar el tamaño del equipo. El LLM ofrece asistencia inmediata y adaptada al contexto a los clientes en cualquier fase de su viaje. Esto mejoró la experiencia del cliente y su satisfacción. - Alfredo Ramírez, Vyopta
9. Resolución de problemas con los equipos
Ricoh, una de las principales empresas de impresión, necesitaba reducir el tiempo que tardaba en subir de nivel a los nuevos técnicos. Gracias a un proyecto de transformación digital que incluía la implantación de IA y un LLM especializado para ayudar a los agentes a solucionar problemas de forma más eficaz, el periodo de incorporación de los agentes responsables de la reparación y el mantenimiento de los productos de Ricoh se redujo de 10 semanas a dos. - Shahar Chen, Aquant
10. Resumir los detalles de la aplicación
Los LLM pueden ser potentes herramientas para analizar y resumir datos. Nuestro equipo de Filogix Expert Pro desplegó una solución de autocomposición que analiza los detalles de las solicitudes recogidos por los intermediarios del sector hipotecario y proporciona resúmenes automatizados que se transmiten a los prestamistas. Es una gran lección, ya que el equipo identificó un proceso laborioso y engorroso y aprovechó los LLM para resolver el punto problemático. - Adam Lieberman, Finastra
11. Automatización de las tareas de relación con los clientes
Einstein AI de Salesforce aumenta la eficacia de las ventas y la satisfacción de los clientes automatizando y personalizando las tareas de gestión de las relaciones con los clientes. Este caso muestra la importancia de alinear la IA con los objetivos empresariales y el impacto de la automatización en la liberación de recursos humanos para desafíos complejos, resaltando cómo la IA puede impulsar mejoras empresariales significativas. - Bhushan Parikh, Get Digital Velocity, LLC
12. Responder a preguntas simples y complejas
Digicert, una empresa de seguridad digital y uno de nuestros clientes, utiliza la tecnología LLM y la IA generativa para responder a las preguntas más rápido y mejor. Obtener respuestas solía llevar días a los miembros de su equipo, pero ahora les lleva segundos. Su solución de inteligencia del conocimiento puede gestionar el 85% de las consultas, desde las más sencillas a las más complejas. Los usuarios están más satisfechos, ya que obtienen respuestas rápidas y precisas sin retrasos ni omisión de detalles. - Ramki Pitchuiyer, Ascendo AI
13. Raspado de datos online
Conocí el caso de una empresa que tenía que raspar diariamente datos mostrados en diversos formatos -incluidos PDF, archivos de Word y otros- de más de 300 sitios web diferentes. Sustituyó su método de reconocimiento óptico de caracteres por un LLM, una herramienta mucho más robusta. Piense en el OCR como si intentara leer una palabra de una frase cada vez y no fuera capaz de unir todas las palabras; por el contrario, un LLM infiere el significado de toda la frase. - Jay Bhatty, NatGasHub.com
14. Potenciar la investigación de mercado
La investigación de mercados y la generación de datos sintéticos son los casos de uso más disruptivos para los LLM. Mezclamos un LLM, la generación aumentada por recuperación y el diseño de preguntas en un sistema que toma y aprende de encuestas limitadas y genera respuestas similares a las humanas. Esto desplazará definitivamente a los conjuntos de datos deepfake que se utilizan hoy en día para tomar decisiones. - Chiranjiv Roy, Curso5 Inteligencia
15. Simplificar la revisión analítica
Act-On, una empresa de automatización de marketing, reconstruyó su plataforma con una solución analítica GenAI integrada impulsada por LLM. La plataforma permite a los usuarios hacer preguntas sobre el rendimiento de sus campañas de marketing en lenguaje natural y recibir respuestas, junto con perspectivas generadas por la IA. En 30 días, Act-On registró un aumento del 60% en el uso de los informes y los usuarios pasaron casi el doble de tiempo en la plataforma. La analítica es clave para una experiencia de usuario atractiva. - Sudheesh Nair, ThoughtSpot
16. Creación de mapas semánticos de temas complejos
Una empresa global de auditoría fiscal utilizó LLM y IA neurosimbólica para crear mapas semánticos de créditos fiscales de I+D muy complejos. También desarrolló un copiloto de IA para ayudar a los auditores a evaluar y aplicar con precisión las políticas fiscales pertinentes y evitar posibles auditorías. - Ahmer Inam, Relanto
17. Curar la literatura científica
El análisis de la literatura científica está muy extendido en las empresas farmacéuticas y de ciencias de la vida. Pero es un proceso manual que requiere mucho trabajo y es propenso a errores, lo que deja sin respuesta muchas preguntas críticas para la misión. Añadimos un LLM específico del dominio para curar automáticamente la literatura científica. Nuestros datos mostraron que el uso del LLM supuso un ahorro de tiempo de días a semanas (frente a minutos) y liberó a 30 expertos. - Lana Feng, Huma.AI, Inc.
18. Potenciación de las bases de conocimientos internas
Como parte de una iniciativa de inversión para ampliar y escalar las ofertas de IA y ayudar a nuestros clientes a reimaginar sus negocios a través del poder de GenAI, desplegamos una herramienta interna de GenAI, ChatPwC, a los empleados en un entorno seguro para responder a consultas basadas en texto, transformando nuestras formas de trabajar. Los casos de uso incluyen la creación y el resumen de contenidos, la organización de datos no estructurados y la revisión del desarrollo de software. - Matthew Lieberman, PwC
19. Lluvia de ideas sobre contenidos de marketing
Nuestro equipo de contenidos implementó una herramienta de redacción de GenAI que les permitió duplicar la producción y aumentar el tráfico del blog en un 40%. La herramienta no sustituyó a nuestros redactores; les permitió ser más estratégicos. Mientras la IA se encargaba de los primeros borradores y de las recomendaciones SEO, el equipo se centraba en las áreas de mayor impacto. Las organizaciones que utilicen la IA para liberar tiempo de sus equipos abrirán la puerta a un potencial de crecimiento ilimitado. - Raj De Datta, Bloomreach
20. Generación de datos de prueba
Necesitábamos poblar una aplicación web de muestra con una lista de libros, autores y otros datos de prueba. Utilizamos ChatGPT para generar una lista completa de datos de prueba realistas que pudiéramos utilizar para nuestra aplicación. Los LLM son especialmente buenos para la generación de datos de prueba y pueden ahorrar a los equipos horas de introducción manual de datos. Pueden ser una buena alternativa a hacer manualmente datos falsos o desinfectar datos reales (¡lo que puede ser arriesgado!). - Adam Sandman, Corporación Inflectra
