El coste de un proyecto de IA generativa: inversión económica e inversión en talento

En el último año se ha escrito mucho sobre la revolución que ha supuesto la llegada de la IA generativa y su democratización con Chat GPT. Por este motivo, no voy a ahondar en el incremento que supone para la productividad empresarial ni en la forma en la que nos está ayudando a acelerar nuestras tareas del día a día; tampoco quiero hablar de lo que va a suponer desde el punto de vista de la competitividad empresarial… Ni de los múltiples ejemplos de uso que podemos imaginar para los diferentes sectores empresariales.

Hoy me gustaría centrar mi discurso en algo que ha sido menos comentado en este tiempo y que es una de las primeras preguntas que toda compañía con la que trabajamos pone sobre la mesa cuando estudiamos la posibilidad de integrar esta nueva tecnología en sus procesos: ¿qué coste va a suponer?

Responder a esta cuestión, como os podéis imaginar, depende de muchos factores. La buena noticia es que lo que parece tan nuevo no lo es tanto, por lo que una buena parte de las empresas ya llevan años trabajando con Deep Learning y Big Data y el camino está bastante avanzado.

Teniendo este contexto en cuenta, la respuesta a nuestra pregunta es “depende mucho de los datos que tengas”. En un proyecto de IA, casi el 90% del presupuesto se destina a limpiar los datos y homogeneizarlos. Por tanto, dependiendo del trabajo previo que se haya realizado con la calidad del dato, nos llevará más o menos tiempo ponerlo en marcha. Hay que tener en cuenta que los datos van a ser la base para entrenar al algoritmo y no es lo mismo partir de cero que tener una buena materia prima; y tampoco es lo mismo haber trabajado ya con un algoritmo que crearlo desde el principio.

Todo depende del origen y del modelo

La banda de inversión es muy amplia y puede variar desde los 50 000 euros hasta los 5 millones de euros. Una variación que va a depender principalmente de cómo esté de entrenado el algoritmo y de la fiabilidad y calidad de los datos, como decíamos. Por poner un ejemplo, si obtienes un algoritmo que te predice el stock, pero que tiene un porcentaje de éxito del 60% no nos sirve y será necesario que el científico de datos trabaje exhaustivamente bajo el método de prueba-error para aumentar su fiabilidad al 90 o al 85%.

Los clientes suelen demandar dos tipos de servicios de IA, lo que también condiciona el presupuesto. Estos modelos son la IA de propósito general y la IA personalizada. La primera es la que ha sido entrenada con datos externos a las empresas que lo consumen, y ya es proporcionada por grandes compañías como Google, Amazon, Microsoft, IBM, Oracle… En estos casos, trabajamos con nuestros clientes en la integración de sus sistemas con estos servicios para mejorar sus procesos. En el segundo caso, la personalizada, se hace para un cliente concreto y único, ya que los algoritmos son entrenados con datos internos del cliente particular, no son públicos y muchas veces son confidenciales. Esto no sólo implica diseñar, entrenar y poner en producción algoritmos ad hoc, también implica la digitalización y calidad de los datos, diseño de la infraestructura, etc. Estos proyectos tienen un mayor coste y el punto de partida dependerá del estado de digitalización y del grado de madurez en la gestión del dato de cada cliente.

Inversión en talento, la apuesta más segura

A la hora de hablar de talento tenemos que pensar en la aceleración que nuestro talento va a conseguir realizando el trabajo con la ayuda de un sistema de IA que sea competente y colaborativo. Esto va a permitir a nuestros equipos dejar de realizar las tareas más tediosas y repetitivas para que puedan centrarse en otras más productivas.

La combinación humano-máquina es lo que hace grande a la IA generativa, por lo que, al menos, en esta primera fase, no se producirá un cambio de roles, pero sí será necesario que nuestro talento adquiera conocimientos que le permita manejar de forma eficiente esta tecnología. La ingeniería de prompts será una habilidad muy demandada y que demos extender en nuestras corporaciones.

Por tanto, el principal reto al que nos enfrentamos y la principal inversión que tenemos que hacer es en la formación de nuestro talento en estas tecnologías, no solo en modelos de lenguaje como GPT o similares, sino también en el aprendizaje profundo que está detrás de la IA generativa y que implica el Big Data, cloud y ciencia de datos y de los que actualmente hay poca oferta de talento.

La IA generativa nos ayudará a todos a acelerar nuestras tareas de una forma espectacular y será como tener un compañero muy competente y empollón, con buenas ideas, disponible 24x7, que no se cansa y que lo que le pedimos lo hace muy rápido y con la calidad suficiente para que sea impensable trabajar sin él de aquí a pocos años. Por ello, todos tenemos que estar preparados y tener la mayor formación posible para este cambio de era.

La IA incrementará la productividad de la mayoría de las personas en sus puestos de trabajo, y por tanto, la productividad de las compañías. Las empresas que no la utilicen serán, por tanto, menos competitivas respecto a las empresas con las que compiten y sí lo usan.