El auge de GenAI ha sido asombroso. En marzo de 2024, las 40 principales herramientas de GenAI que rastreamos recibieron casi tres mil millones de visitas mensuales de cientos de millones de usuarios. ChatGPT destaca como el líder indiscutible de este boom, capturando más del 82,5% del tráfico total, con más de dos mil millones de visitas globales y 500 millones de usuarios cada mes.
El ritmo de adopción es particularmente notable. ChatGPT estableció un récord como el software de consumo de más rápido crecimiento en la historia, alcanzando los 100 millones de usuarios solo 64 días después del lanzamiento de la versión actualizada de ChatGPT3.5 en mayo de 2023. No está solo en este aumento; El chatbot de IA de Baidu, «Ernie Bot», superó los 200 millones de usuarios en solo ocho meses después de su lanzamiento.
Sin embargo, a pesar de estas impresionantes cifras, el tráfico de las herramientas de GenAI sigue estando por detrás de los sitios web más populares. Hay signos de saturación del mercado y de intensificación de la competencia. Por ejemplo, ChatGPT obtiene menos del dos por ciento del tráfico diario de Google. Además, el crecimiento de varias herramientas de GenAI, incluido ChatGPT, se ha estancado desde mediados de 2023, lo que indica que la novedad inicial puede estar desapareciendo y la competencia se está calentando. De cara al futuro, es probable que el crecimiento futuro de GenAI dependa de ampliar los límites de las capacidades de la IA y descubrir formas innovadoras de integrar estas herramientas en diversas aplicaciones. A medida que el panorama evoluciona, mantenerse a la vanguardia requerirá una adaptación continua y la exploración de nuevas posibilidades en el ámbito de la IA.
Etiqueta: ChatGPT
ADOPCIÓN DE LA INTELIGENCIA ARTIFICIAL
Las oleadas anteriores de automatización se han centrado en tareas predominantemente físicas, mientras que la IA tiende a ofrecer el potencial de automatizar las cognitivas. Sin embargo, incluso esta distinción puede ser engañosa. Invariablemente, la automatización pasada en forma de máquinas que realizaban tareas físicas automatizaba algo que haría un humano y que implicaba no solo interacciones físicas sino también una expresión cognitiva de intención y aplicación. Y con la revolución de la tecnología de la información, muchas de las tareas (en concreto, la computación) automatizaban procesos cognitivos.
La principal diferencia radica más bien en la capacidad de una máquina para interactuar en entornos variables y no estandarizados. Así, mientras que se ha logrado crear una máquina que puede coger un objeto específico en una ubicación concreta y moverlo a otra ubicación, la IA promete coger y mover un objeto aleatorio que no se encuentre en una ubicación concreta. Para ello es necesario tener un sentido del entorno. Por tanto, si hay una propiedad que tiene la IA que destaca por encima de otras, es la capacidad de automatizar tareas en contextos más variados.
La calidad de los datos surge como una barrera clave para la adopción de GenAI
Un informe reciente de Forrester revela que la calidad de los datos es ahora el principal factor que limita la adopción de la inteligencia artificial generativa (GenAI) en todas las industrias. Desde la aparición de GenAI, particularmente con el lanzamiento de ChatGPT en 2022, las empresas han estado ansiosas por explorar su potencial para diversos casos de uso. Sin embargo, el camino desde la experimentación hasta la implementación a gran escala se ha visto obstaculizado por desafíos relacionados con la calidad de los datos.
Inicialmente, la adopción de GenAI enfrentó obstáculos debido a la disponibilidad limitada de aplicaciones listas para usar y la falta de experiencia entre los usuarios. Sin embargo, con los avances tecnológicos, las empresas ahora tienen acceso a una variedad de modelos de lenguajes grandes (LLM) y plataformas de software fáciles de usar, lo que hace que GenAI sea más accesible que nunca.
A medida que entramos en 2024, hay un cambio notable hacia el lanzamiento de GenAI en soluciones de producción para satisfacer las necesidades de los clientes y mejorar las funciones de cara al cliente. La capacidad de GenAI para resumir grandes cantidades de texto sin formato y generar contenido creativo ha captado la atención de los medios, los inversores y las empresas por igual.
A pesar del progreso en la tecnología GenAI, la calidad de los datos sigue siendo un desafío importante. El informe destaca cómo la imprevisibilidad de los conocimientos de GenAI y la velocidad, escala y complejidad sin precedentes a la que consume datos exigen un nuevo enfoque para la gobernanza de datos. Los métodos tradicionales de gestión de datos ya no son suficientes para garantizar la precisión y confiabilidad de los conocimientos generados por GenAI.
Para abordar los desafíos de calidad de los datos asociados con la adopción de GenAI, Forrester recomienda a las empresas que adopten un enfoque holístico que combine experiencia técnica con conocimiento del dominio.
Aquí en XBRL International, estamos alentando a nuestro ecosistema global de reguladores, proveedores de software, la profesión contable y una amplia variedad de usuarios a combinar la tecnología de inteligencia artificial con conjuntos de datos estructurados. Nuestros propios experimentos demuestran resultados positivos (con mayor precisión y mejores resultados) cuando utilizamos conjuntos de datos estructurados con IA. Sólo hemos arañado la superficie, pero está claro que la capacidad de interrogar grandes cantidades de informes estructurados preparados en XBRL (usando un lenguaje sencillo) está a la vuelta de la esquina. XBRL obliga a los elaboradores de informes a proporcionar datos estructurados y metadatos sofisticados. Esta combinación es una especie de mina de oro de la IA y debería mejorar enormemente la calidad de los datos.
Juntas, estas tecnologías podrían desbloquear capacidades analíticas innovadoras.
Esforzándose por mantener el ritmo en la carrera de la IA
El rápido progreso y la sofisticación de la inteligencia artificial (IA) están dominando los titulares, con la IA generativa, una nueva tecnología capaz de crear contenido indistinguible del trabajo humano, despertando miedo y asombro en igual medida.
En marzo, los magnates de la tecnología Elon Musk, Steve Wozniak y más de 1.200 fundadores y científicos de investigación firmaron una carta abierta pidiendo una pausa de seis meses en los experimentos generativos de IA para comprender mejor los riesgos, beneficios e impactos de la tecnología en el mundo.
Goldman Sachs dijo el mes pasado que la IA podría reemplazar el equivalente a 300 millones de empleos a tiempo completo e Italia prohibió la popular herramienta generativa de IA ChatGPT por preocupaciones de privacidad. Sir Jeremy Fleming, director de Inteligencia del Reino Unido GCHQ, advirtió la semana pasada que la desinformación es una amenaza principal del avance de la IA.
Una cuestión clave es que la IA es omnipresente y conceptualmente resbaladiza, lo que hace que sea notoriamente difícil de regular, dice Matt O’Shaughnessy, miembro visitante del Programa de Tecnología y Asuntos Internacionales de la Fundación Carnegie para la Paz Internacional.
Uso de IA en el análisis de datos financieros
El Consejo de Normas de Contabilidad Financiera de los Estados Unidos (FASB) y el Consejo de Normas de Contabilidad Gubernamental (GASB) están investigando las formas en que los inversores están utilizando la inteligencia artificial (IA) para consumir y analizar datos financieros.
Con la creciente popularidad de ChatGPT, AI está recibiendo mucho tiempo de emisión recientemente. Como tal, FASB y GASB ven que es importante monitorear y comprender continuamente cómo los inversores están utilizando la IA.
El presidente de FASB, Richard Jones, dijo que una parte clave del alcance de los inversores de la junta «es realmente comprender qué datos son los más importantes, cómo se procesan y cuándo influyen realmente en esas decisiones de asignación de capital».
¿Nuestra perspectiva sobre el creciente poder de la IA para el análisis financiero? Si bien algún día podría ser posible raspar perfectamente los datos no estructurados utilizando inteligencia artificial, la tecnología aún está muy lejos. Siempre será más eficiente informar primero los datos de manera precisa y efectiva en un formato legible por máquina, y hacer que los datos resultantes estén disponibles públicamente para muchos tipos diferentes de uso. La IA funciona mejor con datos estructurados. Eso significa tres cosas en particular.