#AISummit | IA para la Transformación Digital en Empresas
#AISummit | IA para la Transformación Digital en Empresas
Category
🦄
CreativityTranscript
00:00Bienvenidos nuevamente. Seguimos con más IA Summit, del cronista y apertura. Y en esta
00:05oportunidad vamos a hablar con Marcela Riccillo, que es experta en IA y en robótica.
00:10¿Cómo estás, Marcela? Bienvenida. Muy bien, puñito, muy bien. ¿Todo bien?
00:15Todo bien, perfecto. Recién estábamos hablando, antes de sentarnos,
00:19de hace 30 años que vos te dedicas a este tema. Quiero que me cuentes un poco cómo era antes,
00:24si bien algunos conceptos eran compartidos. Me hablaste de redes neuronales, que es un
00:28concepto que todavía se escucha. ¿Y qué cambió? Sobre todo en la usabilidad. ¿Cómo se usaban
00:33antes y para qué? ¿Y cómo viviste vos prácticamente la masificación de estas tecnologías, hasta hoy 2024?
00:39En realidad, las técnicas matemáticas son las mismas. O sea, son las mismas de los años 50,
00:4560. Lo que fueron agregándose algunas en los años 90, como las Support Vector Machines,
00:51las redes neuronales son de los años 50, los árboles de incisión de los años 80.
00:56Algunas técnicas fueron después creándose, pero la parte matemática, la parte básica,
01:03sigue siendo la misma de esa época. Entonces, lo que yo vi, por ejemplo,
01:08era el tema de que en los años 70 hubo lo que se llamó el invierno de la inteligencia artificial.
01:13En esa época hubo mucho dinero, mucha expectativa por la inteligencia artificial y se rompió la
01:18burbuja y caen en el invierno la inteligencia artificial. En los años 80, retoma todo esto,
01:25yo empiezo en los años 90 con esto. En los años 90 hay un resurgimiento de redes neuronales. Ahí
01:30es cuando empiezo yo con esto. Y era a nivel académico. Para el año 2010 aproximadamente,
01:36empieza a ponerse esto en las empresas. Fue una primera, llamémosla revolución,
01:42que en esa época por ahí no se lo consideraba tanto porque es como que de a poco la gente se
01:46fue enterando, hasta lo que es noviembre, diciembre del 2022 con lo del ChachiPT.
01:51Pero hay que tener en cuenta que la inteligencia artificial generativa sí fue un cambio. Fue una
01:56tecnología nueva, pero combinando cosas que existían. Pero esa tecnología, ese cambio
02:04grande hizo que las personas ahora se preocupen y se habla de inteligencia artificial y te lo
02:08leen y están interesadas. El cambio es que las empresas hasta ahora eran como redes que hacías
02:16y por ahí no era mucho de hablar. En cambio, ahora es como que quiero la neura esa,
02:20que quiero hacer esos cambios ahora yo también. Y hay que ver realmente para qué sirve,
02:27cómo aplicarlo. Esto no sirve para todo, pero para lo que sirve tiene un gran potencial.
02:30Te quiero preguntar qué rol crees que jugó, ahora que mencionaste el caso de ChachiPT,
02:34en esta masificación y digamos a nivel mediático, a nivel de que todos quieren saber,
02:39a todos les interesa. Como bien decías, la tecnología es vieja y las aplicaciones no
02:43han cambiado radicalmente. ¿Qué rol crees que juega a nivel social el hecho de que ahora esté
02:48un poco al alcance de cualquiera que quiera jugar con esas tecnologías?
02:53Yo vengo trabajando y enseñando la parte de inteligencia artificial y cuando yo daba charlas
03:00por ahí a principios de los 2000, pensaba la gente que era ciencia ficción. Japón, robotitos,
03:06o sea, lo consideraban a ese nivel. Cuando yo hablaba de redes neuronales era como,
03:10claro, eso acá he escuchado personas que decían, no, pero acá en Argentina,
03:15redes neurales. Sí, obvio. O sea, ¿por qué no? Es algo accesible. Y la gente lo está entendiendo
03:21desde que aparece lo del ChachiPT. Volvemos. Desde el 2010, 2011, las empresas están abiertas
03:28a esto porque las grandes de tecnología, Microsoft, Google, IBM, Amazon, llamémosle también de
03:35tecnología, Facebook, Meta, empiezan a transformarse a todo lo que es inteligencia
03:43artificial. Entonces las empresas empiezan a ver. Pero con el ChachiPT fue algo que llegó
03:47directamente al público. Llegó directamente a, ah, yo lo uso. Pero no hay que perder de vista que
03:53no es solamente usar inteligencia artificial, sino también crear inteligencia artificial. Y eso creo
03:58que también es muy importante porque cualquier persona puede crear inteligencia artificial.
04:02Obviamente hay que tener algunos conocimientos básicos para poder empezar a hacerlo,
04:06pero cualquier persona puede hacer inteligencia artificial. Pero al poder verlo y ver una
04:11aplicación directa que funciona, que te responde y de una manera bastante loca, la gente se empezó
04:18a acercar a lo que es inteligencia artificial de otra manera desde el ChachiPT. Pero es parte
04:22de la inteligencia artificial esto. Bueno, justamente en relación a esto mencionabas
04:26anteriormente, se puede usar, pero no es para todo. ¿Dónde ves que hay quizás cierta, a ver,
04:32pasa como con cualquier tecnología disruptiva? Me acuerdo con Blockchain fue lo mismo,
04:35que hayan hacido una base de datos de 20 casillas, todo con Blockchain, por si las dudas. Ayudame
04:40a entender un poco y más que nada a las personas que están escuchando interesadas, empresarios o
04:45inversores o quien sea, quizás algunos tips o algunas reglas simples para saber en dónde sirve,
04:51en dónde hay que ver si sirve y en dónde definitivamente hay otras soluciones clásicas
04:55que quizás no hace falta introducir soluciones de IA. Yo creo que una empresa tendría que, o sea,
05:01se podría plantear desde dos maneras. O decir, bueno, quiero hacer esta transformación. ¿Dónde
05:06empiezo a hacer esto? O desde el punto de vista de decir, yo tengo una problemática,
05:11la podré solucionar con esto que estoy accediendo. La parte de inteligencia artificial tiene mucho
05:20de predicción. La idea es predecir. La idea es decir, quiero sacar un nuevo producto. ¿Será
05:29un éxito o no? Soy una telefónica y quiero ver cuáles de mis clientes se van a ir a la competencia,
05:36lo que es el churn. Soy un banco y quiero detectar fraudes. O soy un médico y quiero tratar de
05:44predecir si determinada enfermedad, cómo va a ser una epidemia o cómo va a ser determinado
05:50medicamento, cómo va a resultar. O soy un artista y quiero determinar si una obra de arte es
05:57verdadera o no es verdadera. O cómo aplicar lo que es inteligencia artificial generativa en arte.
06:02Entonces hay un montón de aplicaciones y hay un montón de cosas que ya existen. Google Maps te
06:09predice cuánto vas a llegar de tiempo y eso es inteligencia artificial. Hay cosas que ya están
06:13inmersas, todos los filtros del teléfono. Inteligencia artificial es la parte de aprendizaje,
06:19de predicción, Machine Learning, pero también la parte de visión artificial y la parte de
06:23procesamiento de habla. Entonces los chatbots que ya existían de antes, antes del chat GPT y todo,
06:28y que muchas empresas tratan también de utilizar esos chatbots, también es inteligencia artificial.
06:32Entonces inteligencia artificial ya está inmersa en un montón, ya desde que está en el celular o en
06:37el Google Traductor. Incluso el autocompletar tan sencillo que hace años que lo venimos usando,
06:42en algún punto responde a la misma lógica. Sí, no tiene aprendizaje, lo hace más por estadística,
06:47pero termina siendo inteligencia artificial porque tiene que trabajar con el habla, entender. No es
06:51lo mismo, cuando uno ve esto, uno detecta luces, detecta cosas. La máquina ve puntitos de colores.
06:59Darle un significado a esos puntitos de colores o a esos ruidos que terminan siendo el habla de
07:05una persona, eso es inteligencia artificial. Y en eso entonces las empresas, resumiendo digamos,
07:11o vamos por algún proyecto de algo que se necesita y ver si esto lo pueden aplicar,
07:16como decíamos, conocer mejor al cliente, aumentar la productividad, detectar fraudes,
07:23mejoras de procesos o al revés, decir bueno, tengo esto, tengo esta cantidad de datos,
07:28¿qué podría yo rescatar, sacar, explotar de estos datos para poder sacar información?
07:33De los datos sacamos información y de la información sacamos conocimiento.
07:37Perfecto, se entiende bien la cadena de valor. Y pensando un poco en la parte,
07:43no sé si peligros, es la palabra, pero desafíos o cosas que pueden salir mal en general.
07:50¿Vos en dónde lo ves más que nada en las empresas? Porque, por ejemplo,
07:53para hacer todo lo que nombrabas, tenés que tener una base de datos robusta,
07:56organizada, curada o no es necesario. No, en realidad todo eso lo trabaja el
08:01humano. O sea, vos sacás, realmente es lo que vos pensás que estaría bueno tener de datos,
08:06lo que te dice tu cliente. Tu cliente puede ser otra empresa o puede ser alguien de la misma
08:11empresa de otro área. O sea, tu cliente y lo que hay. Básicamente esto se hace con lo que hay.
08:17Después está el trabajo de uno de buscar que esos datos sean lo mejor que puedan,
08:23más robustos que puedan. O sea, organizar esos datos de otra manera. Pero no es que
08:28uno tiene que conseguir la base de datos, no. A veces los clientes te dan un Excel,
08:33una conexión a una base de datos tipo Oracle y otra cosa. Y bueno, vos tenés que ver cómo
08:39juntás eso para obtener esa base. Yo siempre digo que los datos son como un kilo de naranjas.
08:46Pueden ser muy jugosas de información. Pocos datos pueden tener mucho jugo de información
08:52y muchos datos pueden tener poco jugo de información. Entonces, depende con lo que
08:57contás cómo podés sacar de eso lo que me quedó de ayer de verduras y te hago una linda cena, digamos.
09:05Sería básicamente eso con los datos que uno cuenta. No es que tiene. No, nosotros no tenemos datos así.
09:11Hace mucho que no importa. Parte del proyecto es cómo organizamos esos datos para sacar información.
09:16Y con respecto a los peligros, ya estoy como harta del trabajo. O sea, hace 40 años no existía
09:23la televisión a color. ¿Qué sé yo? ¿Qué sabe la gente cómo hacer el trabajo? ¿Cómo va a hacer
09:28la sociedad dentro de 40 años? ¿Dentro de 100 años? ¿Dentro de 20 años? Los celulares como
09:34los conocemos ahora hace 20 años no estaban así, con internet y todo. O sea, sí existían, sí, pero no
09:40como se usan ahora hace 20 años. Lo que es Netflix y todo eso. Entonces, el verdadero peligro de inteligencia artificial,
09:47que lo vengo diciendo hace años, el verdadero peligro es creer firmemente lo que me dice un sistema con
09:53inteligencia artificial. Ese es el gran peligro de inteligencia artificial. El otro día estaba viendo,
09:59chiquitito, estaba viendo un capítulo de Chicago Med, una serie de médicos, uno del año pasado.
10:06Y decían que tenían un sistema que si el sistema predecía que la persona no necesitaba tal
10:12tratamiento, no podían dárselo. Y la chica decide que sí necesita tratamiento, ya creía, al final le
10:19salva la vida, pero tuvo que buscar a alguien superior que pudiera pasar por arriba de esa
10:24regla que no se podía porque el sistema de inteligencia artificial decía, no, el sistema de inteligencia artificial
10:30sugiere y puede tener errores. Que me lo cuente alguien que haya usado el chat GPT si puede tener
10:35errores. Puede tener errores, puede estar mal entrenado. Entonces, tiene hasta un cierto límite de decir
10:41es una muy buena herramienta y llega un momento que puede equivocarse y es el humano el que tiene
10:46que tomar la decisión. La máquina sugiere, el humano decide y eso es lo importante. Al final lo sacan
10:53el sistema. No, no era sacarlo, era utilizarlo de tal manera que el humano pueda decidir.
10:59¿Crees actualmente que las empresas están buscando los perfiles que de algún modo puedan
11:05manejar las dos esferas? Porque la tasa de entes quizás se dedica solamente a refinar el modelo y el
11:12decisor quizás no entiende cómo funciona el modelo y ahí se genera un vacío. Es totalmente
11:17interdisciplinario. Es como cuando te dicen en la propaganda pañales hechos por pediatras.
11:23No, los pediatras no van a construir el pañal, no van a coser la tela. Pero el pediatra es el que te
11:29dice no, esto así, esto le puede traer irritación. Entonces es un trabajo en conjunto. Esto es
11:34totalmente multidisciplinario. Inteligencia Artificial por eso es tan importante que la
11:38gente no se quede solamente con el título de lo que lee, sino que obviamente no es que
11:43tenés que tener un conocimiento de Inteligencia Artificial, pero sí tener un poquito de criterio.
11:49Y cuando te dicen no, porque Inteligencia Artificial, para, para, para, para. Esto es una
11:53herramienta. ¿Me sirve? No me sirve. Es el humano el que dice. Si el humano quiere y puede, lo usa.
11:59Si no, busca la ayuda de la máquina. Entonces está bueno que al ser multidisciplinario, que la gente
12:06tenga más o menos el conocimiento hasta dónde se puede hacer. Por ejemplo, cuando yo doy los cursos,
12:11lo que explico es eso. Por ahí no salís haciendo Inteligencia Artificial si no querés, pero sí
12:16tener criterio de que si vas a comprarlo, qué es lo que compras, por ejemplo.
12:20Perfecto. Un salto importante en los últimos años en soluciones de IA, más que nada en el
12:26procesamiento de imagen, del lenguaje natural, porque uno con la IA habla a veces como puede,
12:31como le sale y más o menos se interpreta. Yo creo que ese fue un salto cualitativo grande.
12:37¿Qué crees que va a venir más adelante? No me gusta el tema del futurismo. A mí me gusta
12:45analizar tendencias. Hay algunos métodos de Machine Learning que te pueden predecir hasta
12:50un cierto periodo y después ya empiezan a fallar. Todo el mundo decía que los celulares iban a ser
12:55cada vez más chiquitos y hasta que iban a ser un chip abajo de la piel y son cada vez más grandes.
12:59Ese es el re-ejemplo de cómo no funciona algunas veces o muchas veces el futurismo. No sé el
13:06futurismo. Lo que sé son las tendencias. Y las tendencias es que tenemos redes neuronales
13:11adentro de Gmail. Tenemos redes neuronales en el Google Traductor. Tenemos redes neuronales,
13:16el chat GPT, como siempre digo, es una red neuronal con patas. Todas esas cosas van a
13:20seguir evolucionando. Nuevas técnicas, no sé, pero sí se va a seguir difundiendo y hay cosas
13:28que hoy es difícil matemáticamente de decidir, por ejemplo, qué red neuronal me conviene para
13:33esto o para otro cuando uno crea inteligencia artificial. Más allá del uso, crear inteligencia
13:38artificial que todavía está medio como prueba y error. Y yo creo que eso se va a afianzar porque
13:42como siempre digo, hoy hay gente que son empleados en empresas que están haciendo investigación.
13:47Entonces esto va a seguir creciendo en desarrollo y en aplicaciones. No tanto por ir nuevas técnicas,
13:54tal vez sí, tal vez no, pero sí en nuevos desarrollos. Perfecto. Y en el caso de industria,
13:59qué tendencia interesante estás viendo? Más allá quizás de un chatbot de asistencia,
14:05para dónde crees que están hoy por hoy apuntando en términos de soluciones de negocio. Que la
14:09gente se vaya de la idea de solamente el chat GPT. Bien. Porque justamente las empresas dicen
14:14empezamos con inteligencia artificial. Ah, vamos a un chatbot. Claro. Dale. Pero hay más cosas.
14:19Hay muchas cosas de predicción que se pueden hacer. Creo que el chat GPT ayudó a incorporar
14:25inteligencia, el concepto de inteligencia artificial, pero sesgó un poco. Chat GPT,
14:29Dalí, Gemini y todos sus amigos. Pero el tema es de entender el potencial que tiene esto,
14:36que como decíamos al principio, no sirve para todo, pero para lo que sirve. Predicciones,
14:40clientes, producción sirve un montonazo. Espectacular. Bueno, Marcela, muchísimas
14:44gracias y ustedes quédense del otro lado que sigue mucho más IA Summit.