Un momento decisivo el 22 de enero de 2022 fue mayormente virtual, pero sacudió los cimientos de casi todas las industrias del planeta.
Ese día, OpenAI lanzó ChatGPT, el chatbot de inteligencia artificial más avanzado jamás desarrollado. Esto desencadenó la demanda de aplicaciones de IA generativa que ayuden a las empresas a ser más eficientes, desde proporcionar a los consumidores respuestas a sus preguntas hasta acelerar el trabajo de los investigadores en su búsqueda de avances científicos y mucho, mucho más.
Las empresas que antes incursionaban en la IA ahora se apresuran a adoptar e implementar las últimas aplicaciones. La IA generativa, la capacidad de los algoritmos para crear nuevos textos, imágenes, sonidos, animaciones, modelos 3D e incluso códigos de computadora, se está moviendo a gran velocidad, transformando la forma en que las personas trabajan y juegan.
Al emplear modelos de lenguaje extenso (LLM) para manejar consultas, la tecnología puede reducir drásticamente el tiempo que las personas dedican a tareas manuales como buscar y recopilar información.
Las apuestas son altas. AI podría contribuir con más de $ 15 billones a la economía global para 2030, según PwC . Y el impacto de la adopción de la IA podría ser mayor que las invenciones de Internet, la banda ancha móvil y el teléfono inteligente, combinados.
El motor impulsor de la IA generativa es la computación acelerada . Utiliza GPU, DPU y redes junto con CPU para acelerar aplicaciones en ciencia, análisis, ingeniería, así como casos de uso empresarial y de consumo.
Los primeros usuarios en todas las industrias, desde el descubrimiento de fármacos , los servicios financieros , el comercio minorista y las telecomunicaciones hasta la energía , la educación superior y el sector público , están combinando la computación acelerada con la IA generativa para transformar las operaciones comerciales, las ofertas de servicios y la productividad.
Haga clic para ver la infografía: Generación de la próxima ola de transformación de la IA
IA generativa para el descubrimiento de fármacos
Hoy en día, los radiólogos utilizan la IA para detectar anomalías en las imágenes médicas, los médicos la utilizan para escanear los registros de salud electrónicos para descubrir los conocimientos de los pacientes y los investigadores la utilizan para acelerar el descubrimiento de nuevos medicamentos.
El descubrimiento tradicional de fármacos es un proceso intensivo en recursos que puede requerir la síntesis de más de 5000 compuestos químicos y produce una tasa de éxito promedio de solo el 10%. Y se necesita más de una década para que la mayoría de los nuevos fármacos candidatos lleguen al mercado.
Los investigadores ahora están utilizando modelos generativos de IA para leer la secuencia de aminoácidos de una proteína y predecir con precisión la estructura de las proteínas objetivo en segundos, en lugar de semanas o meses.
Con los modelos NVIDIA BioNeMo , Amgen, líder mundial en biotecnología , ha reducido el tiempo que lleva personalizar los modelos para la detección y optimización de moléculas de tres meses a solo unas pocas semanas. Este tipo de modelo de base entrenable permite a los científicos crear variantes para la investigación de enfermedades específicas, lo que les permite desarrollar tratamientos específicos para condiciones raras.
Ya sea que prediga estructuras de proteínas o entrenamientos de algoritmos seguros en grandes conjuntos de datos sintéticos y del mundo real, la IA generativa y la computación acelerada están abriendo nuevas áreas de investigación que pueden ayudar a mitigar la propagación de enfermedades, permitir tratamientos médicos personalizados y aumentar las tasas de supervivencia de los pacientes.
IA generativa para servicios financieros
Según una encuesta reciente de NVIDIA , los principales casos de uso de IA en la industria de servicios financieros son los servicios de atención al cliente y el análisis profundo, donde se utilizan el procesamiento del lenguaje natural y los LLM para responder mejor a las consultas de los clientes y descubrir información sobre inversiones. Otra aplicación común es en los sistemas de recomendación que impulsan experiencias bancarias personalizadas, optimización de marketing y orientación de inversión.
Las aplicaciones avanzadas de IA tienen el potencial de ayudar a la industria a prevenir mejor el fraude y transformar todos los aspectos de la banca, desde la planificación de carteras y la gestión de riesgos hasta el cumplimiento y la automatización.
El ochenta por ciento de la información relevante para el negocio está en un formato no estructurado, principalmente texto, lo que lo convierte en un candidato ideal para la IA generativa. Bloomberg News produce 5000 historias al día relacionadas con la comunidad financiera y de inversión. Estas historias representan un gran tesoro de datos de mercado no estructurados que se pueden utilizar para tomar decisiones de inversión oportunas.
NVIDIA, Deutsche Bank , Bloomberg y otros están creando LLM capacitados en datos propietarios y específicos de dominio para potenciar las aplicaciones financieras.
Los transformers financieros , o «FinFormers», pueden aprender el contexto y comprender el significado de los datos financieros no estructurados. Pueden impulsar chatbots de preguntas y respuestas, resumir y traducir textos financieros, proporcionar señales de advertencia tempranas del riesgo de contraparte, recuperar datos rápidamente e identificar problemas de calidad de datos.
Estas herramientas generativas de IA se basan en marcos que pueden integrar datos patentados en la capacitación y el ajuste de modelos, integrar la curación de datos para evitar sesgos y usar barandillas para mantener conversaciones específicas de finanzas.
Espere que las nuevas empresas de fintech y los grandes bancos internacionales amplíen su uso de LLM e IA generativa para desarrollar asistentes virtuales sofisticados para atender a las partes interesadas internas y externas, crear contenido de cliente hiperpersonalizado, automatizar el resumen de documentos para reducir el trabajo manual y analizar terabytes de datos públicos y privados. datos para generar perspectivas de inversión.
IA generativa para el comercio minorista
Con el 60% de todos los viajes de compras comenzando en línea y los consumidores más conectados y informados que nunca, la IA se ha convertido en una herramienta vital para ayudar a los minoristas a cumplir con las expectativas cambiantes y diferenciarse de la creciente ola de competencia.
Los minoristas están utilizando IA para mejorar las experiencias de los clientes, potenciar precios dinámicos, crear segmentación de clientes, diseñar recomendaciones personalizadas y realizar búsquedas visuales.
La IA generativa puede ayudar a los clientes y empleados en cada paso del recorrido del comprador.
Con modelos de IA entrenados en datos específicos de marcas y productos, pueden generar descripciones sólidas de productos que mejoran las clasificaciones de optimización de motores de búsqueda y ayudan a los compradores a encontrar el producto exacto que están buscando. Por ejemplo, la IA generativa puede usar metaetiquetas que contienen atributos de productos para generar descripciones de productos más completas que incluyen varios términos como «bajo en azúcar» o «sin gluten».
Los asistentes virtuales de IA pueden verificar los sistemas de planificación de recursos empresariales y generar mensajes de servicio al cliente para informar a los compradores sobre qué artículos están disponibles y cuándo se enviarán los pedidos, e incluso ayudar a los clientes con las solicitudes de cambio de pedido.
Fashable , miembro de la red global de startups tecnológicas de NVIDIA Inception , utiliza IA generativa para crear diseños de ropa virtual, eliminando la necesidad de tela física durante el desarrollo del producto. Con los modelos capacitados tanto en datos de propiedad como de mercado, esto reduce el impacto ambiental del diseño de moda y ayuda a los minoristas a diseñar ropa de acuerdo con las tendencias y gustos actuales del mercado.
Espere que los minoristas utilicen IA para capturar y retener la atención del cliente, brindar experiencias de compra superiores e impulsar los ingresos al conectar a los compradores con los productos correctos en el momento correcto.
IA generativa para telecomunicaciones
En una encuesta de NVIDIA que cubría la industria de las telecomunicaciones , el 95 % de los encuestados informaron que estaban comprometidos con la IA, mientras que dos tercios creían que la IA sería importante para el éxito futuro de su empresa.
Ya sea mejorando el servicio al cliente, agilizando las operaciones y el diseño de la red, apoyando a los técnicos de campo o creando nuevas oportunidades de monetización, la IA generativa tiene el potencial de reinventar la industria de las telecomunicaciones.
Las empresas de telecomunicaciones pueden entrenar modelos de IA de diagnóstico con datos patentados sobre equipos y servicios de red, rendimiento, problemas de tickets, encuestas del sitio y más. Estos modelos pueden acelerar la resolución de problemas de rendimiento técnico, recomendar diseños de red, verificar el cumplimiento de las configuraciones de red, predecir fallas de equipos e identificar y responder a amenazas de seguridad.
Las aplicaciones de IA generativa en dispositivos portátiles pueden ayudar a los técnicos de campo escaneando equipos y generando tutoriales virtuales para guiarlos a través de las reparaciones. Luego, las guías virtuales se pueden mejorar con realidad aumentada, lo que permite a los técnicos analizar el equipo en un entorno 3D inmersivo o llamar a un experto remoto para obtener asistencia.
También se abrirán nuevas oportunidades de ingresos para las empresas de telecomunicaciones. Con una gran infraestructura de borde y acceso a grandes conjuntos de datos, las empresas de telecomunicaciones de todo el mundo ahora ofrecen IA generativa como servicio a clientes empresariales y gubernamentales.
A medida que avanza la IA generativa, se espera que los proveedores de telecomunicaciones utilicen la tecnología para optimizar el rendimiento de la red, mejorar la atención al cliente, detectar intrusiones de seguridad y mejorar las operaciones de mantenimiento.
IA generativa para energía
En la industria de la energía , la IA impulsa el mantenimiento predictivo y la optimización de activos, la gestión de redes inteligentes, la previsión de energía renovable, la seguridad de la red y más.
Para satisfacer las crecientes necesidades de datos en la infraestructura obsoleta y las nuevas regulaciones gubernamentales de cumplimiento, los operadores de energía están buscando IA generativa.
En los EE. UU., las empresas de servicios eléctricos gastan miles de millones de dólares cada año para inspeccionar, mantener y actualizar la infraestructura de generación y transmisión de energía.
Hasta hace poco, el uso de IA de visión para respaldar los algoritmos de inspección requeridos para ser entrenados en miles de fotos recopiladas y etiquetadas manualmente de los activos de la red, con datos de entrenamiento constantemente actualizados para nuevos componentes. Ahora, la IA generativa puede hacer el trabajo pesado.
Con un pequeño conjunto de datos de entrenamiento de imágenes, los algoritmos pueden generar miles de imágenes físicamente precisas para entrenar modelos de visión por computadora que ayuden a los técnicos de campo a identificar la corrosión, las roturas y las obstrucciones de los equipos de la red e incluso detectar incendios forestales . Este tipo de mantenimiento proactivo mejora la confiabilidad y la resiliencia de la red al reducir el tiempo de inactividad, al tiempo que disminuye la necesidad de enviar equipos al campo.
La IA generativa también puede reducir la necesidad de investigación y análisis manuales. Según McKinsey, los empleados dedican hasta 1,8 horas al día a buscar información, casi el 20 % de la semana laboral. Para aumentar la productividad, las empresas de energía pueden capacitar a los LLM en datos patentados, incluidas notas de reuniones, registros de SAP, correos electrónicos, mejores prácticas de campo y datos públicos, como hojas de datos de materiales estándar.
Con este tipo de depósito de conocimiento conectado a un chatbot de IA, los ingenieros y científicos de datos pueden obtener respuestas instantáneas a preguntas altamente técnicas. Por ejemplo, un ingeniero de mantenimiento que soluciona problemas de control de paso en el sistema hidráulico de una turbina podría preguntarle a un bot: «¿Cómo debo ajustar la presión hidráulica o el flujo para rectificar los problemas de control de paso en una turbina modelo de la empresa X?» Un modelo debidamente capacitado entregaría instrucciones específicas al usuario, quien no tendría que consultar un voluminoso manual para encontrar las respuestas.
Con las aplicaciones de IA para el diseño de nuevos sistemas, el servicio al cliente y la automatización, espere que la IA generativa mejore la seguridad y la eficiencia energética, además de reducir los gastos operativos en la industria energética.
IA generativa para la educación superior y la investigación
Desde los sistemas de tutoría inteligentes hasta la calificación automatizada de ensayos, la IA se ha empleado en la educación durante décadas. A medida que las universidades utilizan la IA para mejorar las experiencias de los docentes y los estudiantes, dedican cada vez más recursos para crear iniciativas de investigación centradas en la IA.
Por ejemplo, los investigadores de la Universidad de Florida tienen acceso a una de las supercomputadoras más rápidas del mundo en el mundo académico. Lo han usado para desarrollar GatorTron , un modelo de procesamiento de lenguaje natural que permite que las computadoras lean e interpreten lenguaje médico en notas clínicas que se almacenan en registros de salud electrónicos. Con un modelo que comprende el contexto médico, los desarrolladores de IA pueden crear numerosas aplicaciones médicas, como aplicaciones de voz a texto que ayudan a los médicos con registros médicos automatizados.
En Europa, una colaboración entre la industria y la universidad que involucra a la Universidad Técnica de Munich está demostrando que los LLM capacitados en datos genómicos pueden generalizar una gran cantidad de tareas genómicas, a diferencia de los enfoques anteriores que requerían modelos especializados. Se espera que el LLM en genómica ayude a los científicos a comprender la dinámica de cómo el ADN se traduce en ARN y proteínas, desbloqueando nuevas aplicaciones clínicas que beneficiarán el descubrimiento de fármacos y la salud.
Para llevar a cabo este tipo de investigación innovadora y atraer a los estudiantes más motivados y profesionales académicos calificados, los institutos de educación superior deben considerar un enfoque de toda la universidad para agrupar el presupuesto, planificar iniciativas de IA y distribuir los recursos y beneficios de la IA entre disciplinas.
IA generativa para el sector público
Hoy, la mayor oportunidad para la IA en el sector público es ayudar a los servidores públicos a realizar su trabajo de manera más eficiente y ahorrar recursos.
El gobierno federal de EE. UU. emplea a más de 2 millones de empleados civiles, dos tercios de los cuales trabajan en puestos profesionales y administrativos.
Estos roles administrativos a menudo implican tareas manuales que consumen mucho tiempo, incluida la redacción, edición y resumen de documentos, actualización de bases de datos, registro de gastos para auditoría y cumplimiento, y respuesta a consultas de ciudadanos.
Para controlar los costos y brindar una mayor eficiencia a las funciones laborales de rutina, las agencias gubernamentales pueden usar IA generativa.
La capacidad de la IA generativa para resumir documentos tiene un gran potencial para impulsar la productividad de los encargados de formular políticas y el personal, los funcionarios públicos, los oficiales de adquisiciones y los contratistas. Considere un informe de 756 páginas publicado recientemente por la Comisión de Seguridad Nacional sobre Inteligencia Artificial. Dado que los informes y la legislación a menudo abarcan cientos de páginas de texto académico o legal denso, los resúmenes impulsados por IA generados en segundos pueden desglosar rápidamente el contenido complejo en un lenguaje sencillo, lo que ahorra los recursos humanos necesarios para completar la tarea.
Los asistentes virtuales de IA y los chatbots impulsados por LLM pueden brindar instantáneamente información relevante a las personas en línea, eliminando la carga del personal sobrecargado que trabaja en bancos telefónicos en agencias como el Departamento del Tesoro, el IRS y el DMV.
Con entradas de texto simples, la generación de contenido de IA puede ayudar a los servidores públicos a crear y distribuir publicaciones, correspondencia por correo electrónico, informes, comunicados de prensa y anuncios de servicio público.
Las capacidades analíticas de AI también pueden ayudar a procesar documentos para acelerar la entrega de servicios vitales proporcionados por organizaciones como Medicare, Medicaid, Asuntos de Veteranos, USPS y el Departamento de Estado.
La IA generativa podría ser una herramienta fundamental para ayudar a los organismos gubernamentales a trabajar dentro de las limitaciones presupuestarias, brindar servicios gubernamentales más rápidamente y lograr un sentimiento público positivo.
IA generativa: un ingrediente clave para el éxito empresarial
En todos los campos, las organizaciones están transformando la productividad de los empleados, mejorando los productos y brindando servicios de mayor calidad con IA generativa.
Para poner en práctica la IA generativa, las empresas necesitan grandes cantidades de datos, una gran experiencia en IA y suficiente poder de cómputo para implementar y mantener modelos rápidamente. Las empresas pueden acelerar la adopción con el marco de IA generativa NeMo , parte del software NVIDIA AI Enterprise , que se ejecuta en DGX Cloud . Los modelos básicos preentrenados de NVIDIA ofrecen un enfoque simplificado para crear y ejecutar soluciones de IA generativa personalizadas para casos de uso empresarial únicos.
Obtenga más información sobre las poderosas herramientas generativas de inteligencia artificial para ayudar a su empresa a aumentar la productividad, automatizar tareas y desbloquear nuevas oportunidades para empleados y clientes.