¿Hacia dónde van las soluciones de negocio Ready-Made y Custom de Inteligencia Artificial?

Al igual que en otras ramas del desarrollo de software, existen soluciones de inteligencia artificial a la medida (custom), o soluciones pre-desarrolladas (ready-made).

Un ejemplo de solución a la medida sería un sistema de recomendación personalizado para una tienda en línea. Por supuesto, hay cientos de ejemplos de sistemas de recomendación, y aunque la lógica interna de los mismos sea similar, sus desarrollos y aplicaciones son lo suficientemente distintos como para considerarse custom. Spotify cuenta con un algoritmo que elige canciones que se asume serán atractivas para el usuario según su historial de selección de música, pero el mismo algoritmo no necesariamente podría utilizarse para las recomendaciones de Amazon.

Otro ejemplo es el de Coca-Cola, que implementó una solución custom para optimizar sus operaciones de la cadena de suministros. La solución analiza datos de distintas fuentes, incluyendo pronósticos del clima, datos del tráfico y redes sociales para predecir la demanda y de ese modo optimizar la logística, lo que lleva a una reducción significativa en los costos de transporte y mejora la eficiencia.

Por su parte, Uber utiliza una solución IA a la medida para conectar a conductores con pasajeros potenciales de acuerdo con una diversidad de factores, como ubicación, tráfico y demanda, gracias a algoritmos de machine learning.

Del lado de las soluciones ready-made encontramos los servicios de Google Cloud AI, IBM Watson, AWS AI o Azure AI Services. Para dar una idea de la gama de los servicios disponibles, en el caso de Microsoft Azure AI Services encontramos Azure OpenAI Service, Azure AI Search, Azure AI Content Safety, Azure AI Translator, Azure AI Speech, Azure AI Vision, Azure AI Language y Azure AI Document Intelligence. Estas herramientas de IA cubren la generación, traducción y manipulación del lenguaje; análisis de imagen y contenido; búsqueda inteligente; y conversión de texto a audio y viceversa, entre otras aplicaciones.

En cuanto a AWS, ofrece servicios equivalentes, como Amazon Personalize, Amazon Comprehend, Amazon Kendra y Amazon Rekogni9on, además de varios otros servicios de IA preentrenados.

Las soluciones de inteligencia artificial preentrenadas son ampliamente utilizadas por empresas como Toyota, Tetra Pak y ASUS. Las soluciones de IA de AWS en particular, impulsan los productos y servicios de empresas como Netflix, Siemens y PwC. Típicamente estas soluciones ready-made se venden como Saas (software-as-a-service), y se caracterizan porque sus plataformas o herramientas pueden ser utilizadas directamente o con relativamente mínima configuración.

Ventajas y desventajas

Naturalmente, existen ventajas y desventajas para ambos tipos de soluciones. Para las soluciones custom, entre los pros encontramos que existe un mayor control sobre los datos y la infraestructura, la posibilidad de obtener ventajas competitivas únicas, así como la total propiedad intelectual sobre el producto. Entre los contras está la necesidad de contar con un equipo de expertos en IA para el desarrollo, mantenimiento y actualizaciones; el periodo de tiempo prolongado para el desarrollo; y el riesgo y la responsabilidad en el diseño y la ejecución del proyecto.

En cuanto a las soluciones ready-made, entre las ventajas encontramos la facilidad de implementación y uso, los costos más bajos iniciales, y el soporte y las actualizaciones continuas por parte del proveedor. Del otro lado de la moneda, existe una menor flexibilidad para adaptarse a las necesidades específicas y se depende del proveedor para actualizaciones y mantenimiento.

Hay una gran cantidad de articulos en línea que comparan y contrastan ambos tipos de soluciones IA, pero, a fin de cuentas, el camino que tome el cliente o consumidor dependerá directamente de sus circunstancias específicas.

El estado actual de las soluciones de Inteligencia Artificial

Tomando en cuenta el estado de las soluciones custom contra ready-made en el ámbito de la IA, una pregunta que me parece más relevante en este momento histórico es ¿cuál será la tendencia para el futuro próximo?

Actualmente las soluciones ready-made son sumamente poderosas y tienen un potencial de aplicación tremendo. Si Azure o AWS sólo ofrecieran large language models, eso ya sería decir bastante. Un LLM puede abarcar prác9camente cualquier tarea que implique el procesamiento o la interpretación del lenguaje: desde chatbots personalizados para la necesidad del negocio, hasta generadores de reportes, pasando por traductores o correctores de estilo.

Dado el nivel de evolución que han alcanzado recientemente los LLM, así como los detectores y generadores de imágenes, una organización dihcilmente obtendría un balance posi9vo en términos de costo-beneficio optando por un desarrollo completamente nuevo de alguno de estos motores de IA. Haría mejor en contratar los servicios de alguno ya existente y ocuparse en adaptarlo a sus necesidades.

Sólo casos de uso para nichos específicos y con soluciones comparativamente más sencillas que la creación de un LLM desde cero se prestarían para el entrenamiento de modelos de ciencia de datos o machine learning.

Sin embargo, así como los motores pre-existentes de IA se han vuelto más sofisticados, las adaptaciones mismas a las necesidades del cliente también han cobrado complejidad. En Mobiik, la empresa para la que colaboro como arquitecto de software, hemos observado este proceso de cerca. En mi opinión, la tarea de adaptar las soluciones ready-made a las necesidades del cliente ha crecido al punto de que podríamos hablar ahora de soluciones que son tanto ready-made como custom, y sospecho que esto va a ser cada vez más así.

Una predicción

La irrupción en el mercado de soluciones de Inteligencia Ar9ficial robustas y con capacidades novedosas es reciente. Cuando desarrolladores, clientes y consumidores primero las vimos en acción, fue con asombro ante el salto cualitativo en comparación con lo que conocíamos hasta ese momento. Luego de algunos meses, hemos pasado del asombro a la normalización y la industria está siendo testigo de un incremento de las exigencias de los clientes. Ya no es suficiente con un chatbot que proporcione respuestas coherentes e inmediatas, como las daría un ser humano. Ahora se espera que ese bot domine todas las áreas de conocimiento del negocio, incluida la información contenida no sólo en textos e imágenes, sino en bases de datos, y que conteste sin cometer errores.

Yo pienso que este es un proceso natural que no va a dar marcha atrás. Los negocios consumidores de Inteligencia Artificial han aprendido que ponerla a su servicio representa una ventaja competitiva importante, por lo que van a buscar explotarla de más y mejores maneras.

A la luz de esta tendencia, podemos esperar que poco a poco las soluciones ready-made dejen de ser de fácil y sencilla implementación; y que la parte custom se centre justamente en adaptar esas soluciones a las crecientes exigencias de los clientes.

Espero que este artículo te haya sido útil y te haya dado una mejor comprensión del tema. Si tienes alguna pregunta o comentario, no dudes en ponerte en contacto conmigo. Me gustaría ayudarte a alcanzar tus objetivos de tecnología de la información y a brindarte soluciones innovadoras y eficaces para tus proyectos. ¡Gracias por leer!

----

Andrés Hernández

Espero que este artículo te haya sido útil y te haya dado una mejor comprensión del tema. Si tienes alguna pregunta o comentario, no dudes en ponerte en contacto conmigo. Me gustaría ayudarte a alcanzar tus objetivos de tecnología de la información y a brindarte soluciones innovadoras y eficaces para tus proyectos. ¡Gracias por leer!