Declaración de Intenciones

[00:00] Muy buenas a todos y bienvenidos al episodio número uno de ya de varias travesías de podcasting de episodios anteriores de programas anteriores de este podcast que se llama Inteligencia Artificial para negocios.

Va a ser bastante concreto en lo. En los temas de conocimientos de inteligencia artificial intentaremos no entrar mucho o alentarnos en temas técnicos avanzados, sino más bien utilizando nuestra experiencia de este recorrido que tenemos en inteligencia artificial para poder potenciarlo y poder sacarle el mayor jugo posible.

Pero antes, eh, le saludo como siempre a nuestro cohost, al señor Luis Martínez que nos acompaña, nos ha acompañado en esas travesías de podcasting. Señor Luis, muy buenos días.

¿Qué tal? ¿Cómo están? Pues aquí ya listos para poder explorar este, este nuevo proyecto. Y me refiero al podcast en cuanto al tema, porque de el área de inteligencia artificial, pues ya llevamos unos poco más de año y medio en este, en esta que empezó como una exploración y después terminamos una especialización. Y pues aquí estamos ansiosos para ver qué va a ir surgiendo en el podcast. Yo tengo la idea de la esperanza de que dentro de estas charlas también nos pueda salir ahí alguna idea de un algún producto que podamos desarrollar para para eficientar algo que no esté tan en el mercado, ¿no? La idea a toda la audiencia es que podamos ir sacando los temas más avanzados dentro de los, esto que se le llaman, libros de recetas de los grandes empresas de inteligencia artificial, que son bastante técnicos y poderlos presentarse los ustedes de una manera digerible, útil sobre todo y que puedan llevarlo a cabo en sus empresas. Vamos a hacer muchas relaciones de lo que existe, de lo que, de las tendencias, de lo que pueda haber, de cómo se utilizan las herramientas tal vez, e incluso de las mejores prácticas que pueda haber, porque pues hemos encontrado ya casos donde existen certificaciones incluso de inteligencia artificial, aún y cuando no no necesariamente sea vaya acorde al mercado, o vaya acorde a la utilización de las de las tecnologías, más bien a un tema de regulación que, como sabemos, siempre la regulación tiende a ser más, mucho más lenta que la tecnología. Entonces la idea de este programa, de este podcast, es darles una un panorama mucho más claro y más amplio de lo que es y lo que no es la inteligencia artificial. Porque también nos hemos encontrado que, no sé si sea un poco generacional o no, pero existen dudas, trabas con respecto al uso de la herramienta. Si puede ser útil o no para las empresas, si les sirve o no. Yo creo que más bien es como el tema del internet hace unos 20 años que.

20, 30 años, 30 años, porque ya estamos en donde nos ven 25, ¿verdad? Hace 35 años. Donde no se sabía que existiera el internet y se pensaba que no era para todos los negocios, o no, ni siquiera para.

Para ciertos sectores. Entonces sucede lo mismo. Piensa que se nos ha tocado ocasiones donde se compara literalmente con un robot y pues sí, pero no tan no se llega a un campo de robótica.

Pero si es a pensamientos avanzados o todos estos términos de. Los técnicos de inteligencia te dijeron que no necesariamente son útiles a verlos, pero sí entender un poquito la lógica que no es la robótica en sí. Si no se nos ha presentado en el mercado, prospectos que nos digan eso. Entonces la idea es que que les podamos compartir nuestras experiencias y poder avanzar todos juntos y que sepan sepan que que existe algo más. Además de responder preguntas, los los chat bots en específico, que es lo más lo más conocido.

Yo creo que podríamos empezar por primero aclararles algunos este algunos de la audiencia que seguro hay. Ehm, no, no sirve para buscar, no es para suplantar Google. Incluso aún cuando, pues dentro de Google hacemos la búsqueda y ya nos aparece ahí Gemini un un texto rápido, que es la primera respuesta.

Sí, sí puede esa no esa no es la intención vaya, aunque puede funcionar de esa manera. No, tampoco es una barra de búsqueda dentro de una librería, como también en algún momento nos nos hicieron referencia de de como cuando tú buscas en tu explorador de archivos y le describes Excel y te van a aparecer todos los archivos de Excel. No, no es eso. Pero creo que también es importante hablar sobre lo que hemos podido aplicar o lo que hemos encontrado para hacer. Y de ahí van a salir un montón de temas. El tema de la regulación en la experiencia que tenemos de seguridad de la información y en las auditorías, pues a mí me ha pasado de que no todos los auditores están debidamente actualizados.

¿Son los menos?

Ni lo están, ni lo estarán.

Y entonces a mí, pues sí me preocupa un poco esa parte, ¿no? Imagínate, estás en una auditoría de seguridad de la información y pues posiblemente se dé el caso de que tengamos que explicar cómo se asegura la accesibilidad, la integridad o la confidencialidad de la información con un motor de inteligencia artificial. Eso va a ser, creo que complicado por las experiencias que he tenido en las, en diferentes auditorías y en diferentes procesos de implementación, ¿no? Y también del otro lado, pues otros temas aparte de la regulación, que en este caso, pues tal cual no es regulatorio, pero eso es una certificación de buenas, la de las mejores prácticas para garantizar el uso seguro de la tecnología. Sin embargo, pues yo creo que es muy pronto. Yo creo que la norma salió demasiado temprano para, para los usos que puede tener.

Ya que me refiero, pues van a decir, no mames, pues esto, esto salió, o sea, de qué me estás hablando, ¿no? Watson tiene los diez años menos que lo que la referencia que hiciste, ¿no? Veíamos en el noventa y tantos a Watson contestando.

Eh, yo parí por ahí un concurso yo, pero desde entonces ya estaba este proceso de modelos de lenguaje, pero hasta qué será unos cuat. Cuatro o cinco años que Google no democratizó, porque realmente es muy cara. Era muy cara la tecnología en ese entonces. Pero sí dio acceso a empresas, porque nos pasó en el dos mil diecisiete. En dos mil diecisiete, pues, recordarás, fuimos ahí a una presentación de un reclutador que podía identificar emociones y ciertas cualidades y características o talentos del candidato en un proceso de entrevista con base en texto. Y pues tal cual abiertamente nos dijeron.

Pues es que es que bueno que les gustó, pero ninguno de ustedes lo puede adquirir, porque es para empresas testers especializadas muy grandes que puedan pagar a través de a partir de muchos ceros y apenas hace 7000 dólares. Y aparte vea fila y tenías que cumplir con ciertas cualidades, características, incluso hasta certificaciones de la parte del equipo para que pudieran operar debidamente el modelo. Y después pues entra Google.

Google ya tiene, por lo menos desde 2018, 19 que implementó estos asistentes de voz y asistentes de texto. Sin embargo, pues el entrenamiento de este modelo de profundo aprendizaje, pues era era muy tardado entrenar estos y sigue siendo lo es. O sea, si ahorita se meten a a dialogue flow a. Es de ver text. Bueno, ver text es un poquito menos, pero sí hay muchas. Hay tecnologías que todavía requieren, pues de su tiempecito.

Y no me refiero a que la tecnología de Google sea difícil de de configurar. En realidad es sencillo. El problema es todas las posibilidades de entrenamiento en el proceso de experiencia de usuario y de la retroalimentación.

El feedback que da el usuario para poder entrenar a esos asistentes, pues no estaba tan. Tan ágil ahora se vuelve de una manera que ser que tendrá unos tres años de estar. Dos años y medio, tal vez de haber salido así como a la luz.

Famosísimo chat gpt la plataforma como pública o directa de open ahí. Y de ahí pues empezaron a salir un montón de cosas y relativamente es poco tiempo. Es poco tiempo en con el calendario, pero es muchísimo tiempo el que hay de horas de desarrollo y preparación.

Y así siento que hay un universo ahí adentro que surgió hace dos años y medio que no hemos explorado. Creo que nosotros ya llevamos ratitos. Podríamos ser de de de conforme a lo que hemos escuchado. Pues alguien con experiencia, ¿no? Con los puntos de referencia y aquí alguien con experiencia es alguien que tenga más de un año desarrollando proyectos integrando.

Oía entonces de las que no trabajen, las.

Las empresas que están claro que no sea que no sea Google, que no se opina y que no sean tropic. ¿Eh? Y pues creo que podríamos hacer un un recorrido breve para que la la gente que nos escucha pueda pues saber un poquito más de nosotros lo que nosotros les platico la historia.

Pues resulta que nosotros en un en en en en un afán de eficientar y en realidad era contrarrestar, pero llamamos de eficientar procesos y no contrarrestar otro tipo de de de problemas. Vamos a eficientar algunos procesos de consultoría en donde podamos estar dando respuestas rápidas con base en cierto contexto y cierta documentación. Y entonces, pues encontramos que se podía integrar un motor de inteligencia artificial.

En ese momento, pues no era tan fácil ingresar o hacer en la vectorización. Requería un proceso. Digo, creo que digo, yo lo digo fácil, ¿no? Pero todavía seguimos ahorita escuchando las preguntas de es que no tengo idea de cómo hacen para que la base de datos esté allá adentro.

Entonces, entendiendo el concepto de vectorización, no sé, pero no es tan el del programa.

Es que es que ni siquiera necesitamos entender el proceso en contexto de vectorización. Ya sí, sí. Sí, pues esa es la retroalimentación.

Pues ya entraremos a los racks, a los vectores, a las coordenadas, al todo esto, ¿no? Bien, y a partir de ahí, pues dijimos, bueno, y esta cosa entonces a ver, vamos a ponerla así. Ya sabe contestar, por ejemplo, sobre un procedimiento.

Se lo sabe mejor que la persona que lo redactó. Pues entonces vamos a buscar otro tipo de aplicaciones. Y la primera aplicación recuerdo era para atender el desborde de llamadas de todos, de de de una.

Una campaña de atención a clientes para una tarjeta que no era de crédito, pero sí.

Y pues desde ahí surgió. Ahora vamos a hacerlo cobrar. Ahora vamos a hacer que de soporte técnico hemos especializado para desarrollar incluso un. Un artefacto que pueda vender. Uso la palabra artefacto por falta de una mejor palabra, pues no todavía no logró. Yo le diría este no un pulpo.

O sea, yo lo veo como una. Como una línea de producción de muchos brazos. Nuestro el prospectador que que tenemos, que con base en ese es el asistente, es nuestro asistente de ventas ya entrenado con nuestros productos que prácticamente te puede vender por mail, WhatsApp e hacer llamadas.

O sea, también ese pulpo también tiene voz. Entonces ya también estamos en el entrando. Creo que está esa parte está más fuerte que el chatbot. Hoy estamos hablando de que esas 16 horas se convierten, tal vez, y acá echando el cotorreo en una hora, hora y media a lo mucho, ya arriba. Incluso con mejoras de UX, con la paleta de colores que corresponde, con la visualización alineada al resto de las aplicaciones. O sea, pues básicamente hemos podido incluso integrar esto, esta tecnología para el desarrollo de aplicaciones, para la integración de aplicaciones, para la complementación de aplicaciones, al punto de poder desarrollar desde cero una aplicación web que nos tomó...

O sea, tuvimos el que para que tenga el contexto la la gente era un proyecto de integración, terminó siendo un proyecto de desarrollo y nos atrevimos a devolverlo en un proyecto de desarrollo, porque pues vimos que la velocidad de entregabilidad de cada sección era muy muy acelerada. Pues prácticamente pudimos diseñar, desarrollar, probar y poner en marcha una aplicación completa desde cero en dos meses. Probablemente un desarrollo así hubiera tomado un año, calculo. Entonces, no solamente es el asistente, no solamente es el texto, sino también como lo integras dentro de tus procesos para corregir cosas dentro. Y pues el siguiente paso ya nada más es empezarlo a integrar. Para nosotros, nuestro caso, además del cookbook, pues es este.

Yo pensaría en analizar datos, analizar datos en vivo y que te pueda hacer el ejercicio, por ejemplo, de tendencias. O sea, que no tengas tú que ver los gráficos, sino que exista y seguramente ya debe de aparecer dentro de la lista del cookbook. No lo no lo he visto aún, pero una posibilidad genérica no específica para una funcionalidad, sino genérica para entregar resultados.

Ya hemos hecho un experimento en ese sentido con una agencia de cobranza que básicamente le dimos un gerente que contestaba. Mejor que sus gerentes humanos, porque tiene todos los datos y no se le ha ido ninguno y entiende todas las tendencias. Entonces esto, pero lo hicimos ad hoc en específico y buscar un aspecto genérico de esa función, creo que podría ser también interesante. Y pues eso es como hemos llegado hasta acá. Y el día de hoy empezamos, pero a compartirles las experiencias de pues todo lo que hemos hecho, lo que vamos a hacer y lo que estamos haciendo y lo que se nos vaya ocurriendo y los que se les vaya ocurriendo a quienes nos escuchan también.

Tendencias de este año, que es lo que viene y parece que va a ser el año del video. Está muy fuerte los generadores de video, solamente hay que tener muy claro, como siempre, los prompts, los estilos, que es lo que quieres que haga para que te lo entregue y hacer unas combinaciones interesantes entre generación de pixeles de video y o más bien de frames y audios. Porque si aún, si se quiere que todo esté automatizado al 100%, pues sí requiere mucho del.

El detalle fino humano de la visión te automatiza, como dice Luis, te ayuda, impulsa, pero no el video va a estar muy fuerte. El audio va a mejorar bastante su calidad. Vamos a encontrar ya muchos agentes de voz en el mercado de voz de llamas telefónicas. Pues siempre son los textos y después ya está bastante. Estandar, estandarizado. Pero las integraciones con las aplicaciones es en específico, como dice Luis.

No lo vamos a encontrar, sobre todo en el tema de soporte y atención al cliente, porque es donde soluciona mucho el volumen de las. De los request de los pedimentos. Y entonces vamos a ver si si mejoran la calidad de los videos, y sobre todo si no se saturan esos servidores que apenas están lanzando, lanzando sus herramientas.

Esto es de este año y pues no queremos seguir más que agradecerles y y dar darle. El corpón de listón a este programa.

Pues un poco oxidados este se siente, pero con todo el entusiasmo y y pues yo me quedaría nada más con. Con una con una pequeña frase ahorita que dijiste de hay muchas cosas en el mercado. Sí, hay muchas cosas en el mercado y nosotros vivimos varias experiencias con esos productos del mercado. Chequen que sí funcionen correctamente, porque nos ha pasado de que todo se conecta bien bonito, todo se ve muy bien. Pero al momento que empiezas a interactuar con el motor, esperando que te de cierta información, de cierto contexto, con base en una connotación de marcada de información, pues no funciona. O sea, por ejemplo, hemos escuchado ahí acentos que se oyen así como una persona con acento de Colombia, que se oyen naturalísimo.

Pero el prompt no jala bien. Aquí en el hemos visto en algunos eventos pues que tenemos otra, otras empresas, colegas que también están desarrollando su asistente. Pero pues el asistente se oye muy bonito, pero no contesta correctamente.

Aquí el truco es el prompt engineering. Y bueno, nada más tengan cuidado con eso, porque puede verse bonito, pero. Pero si si si tengan cuidado con ese prompt, porque puede ser que no les vaya a pasar, que digan ah, mira, está que lo hemos visto. Ya tengo mi asistente, lo gestioné yo solo. O sea, yo solito me lo me lo lo habilité, la plataforma me entregó una I frame o un cualquier cosa, un snippet, lo que sea. Y resulta que cuando le empieces a preguntar cosas, la la la chingadera nomás le 30 30 registros de una base de datos de 1500, 2000 registros.

Entonces, pues nada más tengan cuidado con eso, porque pues sí, hay mucha oferta en el mercado. Pero no, no toda está integrada debidamente y obviamente también está la otra parte. No hay unas cosas impresionantes que que pues esto es una carrera y aquí no se trata de correr más rápido, sino ir más rápido que el otro.

Y eso incentiva a unos desarrollos, pues bastante, bastante impresionantes. Y pues ya hablamos de los costos, ¿no?

Ya más adelante lo que sucede es que la diferenciaría en dos tipos de costos. Lectura de base de datos y no lectura de base de datos. Eso es lo que marca la pauta para para saber el nivel de tokens que vas a utilizar. O sea, no es lo mismo darte soporte a un documento, cien documentos o a diez mil registros. Que no son documentos, son variables. Vale.

Bueno, eso es todo. Si bastante apropiados, vamos a ir mejorando conforme va pasando el tiempo como todo. Pero aquí seguimos.

Es este este es el episodio uno declaración de intenciones. Este podcast es inteligencia artificial para para negocios. Muchas gracias a todos.

Gracias. Nos vemos.