Preguntas frecuentes de la IA Generativa
A medida que las herramientas de IA generativa, como ChatGPT, se han vuelto cada vez más poderosas y disponibles, muchos de nosotros en la comunidad de Analítica de Personas hemos estado explorando, probando y documentando enfoques nuevos potenciales para nuestro trabajo. Cuando empecé a tener conversaciones con colegas, aprendí que muchos de nosotros estábamos llegando a las mismas conclusiones. El objetivo de este FAQ es ahorrarle tiempo, como practicante de analítica de personas, líder empresarial, profesional de RR.HH., o estudiante, que mis colegas y yo invertimos felizmente explorando estas herramientas. Por supuesto, esto no sugiere que no debas investigar por ti mismo, sino más bien mi esperanza es que este FAQ pueda ayudarte a comenzar desde el escalón 1 o 2 (en lugar de cero). Ten en cuenta que, mientras escribo esta publicación, se deriva de conversaciones con docenas de personas. Haré mi mejor esfuerzo por reconocerlas en una sección al final de este FAQ. De igual manera, ten en cuenta que este artículo está escrito a partir del lanzamiento de GPT-4 por OpenAI, y algunas partes probablemente estarán desactualizadas con el lanzamiento de GPT-5. FAQ Preguntas Generales
¿Qué es la IA Generativa? Este video rápido ayuda a explicar la naturaleza de la IA generativa. Pero aquí tienes una respuesta del propio ChatGPT basada en la pregunta “Describe la IA generativa en dos frases para una audiencia profesional”: “La IA generativa se refiere a sistemas avanzados de inteligencia artificial que pueden crear contenido nuevo, como texto, imágenes o música, aprendiendo de vastos conjuntos de datos para imitar estilos específicos o generar salidas novedosas. Estos sistemas aprovechan algoritmos complejos como el aprendizaje profundo y las redes neuronales para entender y replicar patrones en los datos, ofreciendo soluciones innovadoras en varias industrias, desde la creación de contenido hasta la modelización predictiva.”
¿Cómo debería pensar en la IA generativa en un entorno profesional? Para la mayoría de las personas (yo incluido), las herramientas de IA generativa son una caja negra; introducimos una petición en un cuadro de texto, y mágicamente comienza a proporcionar respuestas detalladas en lenguaje natural. Esto no es malo; al igual que no necesitamos entender cómo funciona la pantalla táctil de nuestro teléfono celular para usarla, no necesitamos comprender completamente la matemática detrás de la IA generativa para tener un entendimiento práctico de ella. Todo lo que necesitamos entender es qué debemos introducir, qué podemos esperar en términos de resultados, y cómo debemos contextualizar esos resultados.
¿Qué es la ingeniería de solicitudes, y por qué importa? Aunque las herramientas de IA como ChatGPT están diseñadas para tomar el lenguaje natural como entrada, es bastante fácil que interpreten tu solicitud de manera diferente a lo previsto y tomen una dirección completamente diferente. La ingeniería de solicitudes puede pensarse como un “libro de recetas” a través del cual puedes aumentar la probabilidad de obtener el resultado deseado. Aquí tienes una guía que el propio ChatGPT publicó sobre este tema.
¿En qué es muy buena la IA generativa? La IA generativa es excelente recibiendo algo en una forma no estructurada (texto en lenguaje natural, imágenes, etc.), dándole estructura aprovechando su base de conocimientos, y luego respondiendo en lenguaje natural. Argumentaría que no hay un modelo mejor que ChatGPT para convertir datos en texto cohesivo.
¿Dónde tiene problemas la IA generativa? Aunque ciertamente hay otros problemas, cuando pienso en un ambiente de producción, considero lo siguiente: Reproducibilidad: ChatGPT lucha por tomar el mismo enfoque consistentemente a través de diferentes consultas o sesiones. Esto significa que incluso si tomó el enfoque correcto y proporcionó una buena salida en el tiempo 0, eso no significa que hará lo mismo en el tiempo 1 (incluso con la misma solicitud exacta). Alucinación: ChatGPT miente con confianza, lo que significa que puede generar información plausible pero falsa, inventando detalles y creando narrativas que no se alinean con hechos del mundo real. Costo: Los recursos computacionales requeridos para usar la IA están lejos de ser insignificantes; OpenAI traslada la mayoría de esto al usuario, por lo que es bastante fácil acumular una factura más allá del valor que obtienes.
¿Debería preocuparme por que mi trabajo sea reemplazado por la IA? Eso depende de tu rol. Para la mayoría de los profesionales, espero que la IA realmente ayude a acelerar tu productividad automatizando tareas rutinarias, dándote más tiempo para concentrarte en trabajos interesantes. Algunas empresas pueden pensar “vaya, con toda esta productividad extra podemos despedir gente”, pero otras pensarán “vaya, con toda esta productividad extra podemos construir mucho más”. En un mundo ideal, los trabajadores despedidos del primer tipo de empresa serán reasignados al segundo, pero solo el tiempo lo dirá. Si tu rol implica hacer una tarea repetitiva una y otra vez, o tomar lenguaje natural y tomar alguna decisión basada en él (como trabajar en un centro de llamadas), tu rol corre un riesgo desproporcionado. Experiencias con Casos de Uso Clave en Analítica de Personas
¿Es buena la IA generativa en el análisis exploratorio de datos? Las herramientas de IA generativa son bastante buenas explorando un conjunto de datos. Puedes subir fácilmente un archivo csv a ChatGPT, darle algo de contexto, y no solo proporcionará los resultados de su análisis, sino también su proceso de pensamiento e incluso el código que usó para llegar allí. Esta guía puede ser útil para aquellos que buscan explorar datos de esta manera. En general, puede ser una forma bastante genial de explorar un nuevo conjunto de datos o descubrir algunos insights en los que quizás no habías pensado.
¿Es buena la IA generativa en tareas de análisis de datos repetitivas? Todavía no. Aunque esto podría cambiar a medida que la tecnología avance, sufre de problemas de reproducibilidad, alucinación y costo (todos descritos arriba), lo que la hace difícil de vender para producción. Como profesional de datos, quiero asegurarme de que la información que mis interesados reciben de mi equipo sea precisa, consistente y no rompa el banco, y ChatGPT aún no está ahí. Personalmente, me he encontrado con varios casos de alucinación y reproducibilidad previa, y también he visto cómo un uso bastante simple de la API puede comenzar a acumular una factura. En general, diría que ChatGPT es excelente para explorar qué es posible y darte una ventaja al programar una solución tú mismo.
¿Es la IA generativa un buen copiloto para programar? Muy sí, especialmente con Python. Personalmente, he visto mi productividad de desarrollo duplicarse con la ayuda de ChatGPT. No es una bala de plata, pero es una versión mucho mejor de Stack Overflow que puede extender y adaptar código fácilmente, además de escribirlo desde cero. Aquí están algunos de mis casos de uso favoritos: Código desde Cero: Pide a ChatGPT que cree un programa o función que haga X; si haces bien la solicitud, te llevará al menos al 80% del camino. Optimización: Pide a ChatGPT que tome un programa o función preexistente y lo haga más eficiente computacionalmente; es tan bueno en esto, que me hace sentir mal por mi propia programación. Traducción: Pide a ChatGPT que traduzca un bloque de código de un lenguaje de programación x (como python) a un lenguaje de programación y (como SQL). Hará un buen trabajo si las mismas acciones o resultados son posibles. Extensión: Dale a ChatGPT un programa que tenga un componente fórmulico (como construir gráficos para el tiempo 1 y 2), y pídele que extienda el programa a un nuevo alcance (como construir gráficos para los tiempos 3-50). Solución de Problemas: Después de encontrarte con un error, pega tanto tu código como el error en ChatGPT y pídele ayuda para resolverlo. 9 veces de 10, te dirá tu error, lo corregirá y te escribirá código funcional en menos de un minuto.
¿Es buena la IA generativa para resumir comentarios abiertos? Sí, mucho. Aunque aún no he trabajado con este caso de uso en producción, lo he probado, y mis colegas me dicen que ya les está ahorrando cientos de horas de tiempo. Como alguien que solía leer cada comentario de encuestas de compromiso para resumir insights, estoy muy emocionado al respecto. No solo puede crear comentarios “típicos” a partir de similares, sino etiquetar comentarios que coinciden con una descripción determinada (es decir, recomienda acción, demuestra valor x) y permitir una búsqueda más robusta de comentarios sobre un tema en particular.
¿Es buena la IA generativa en la detección automática de anomalías? Dadas sus problemas con la alucinación y la reproducibilidad, de nuevo, argumentaría que ChatGPT en su estado actual no es un buen motor para identificar anomalías. Dicho esto, creo que ChatGPT es excelente para convertir insights/anomalías que ya has encontrado (como una tabla) en puntos de bala en lenguaje natural. Así que podría argumentar que esta es una buena oportunidad para que la programación tradicional y ChatGPT colaboren para el mejor resultado. Consideraciones Legales Nota: No soy abogado y esto no es asesoramiento legal.
¿Estará bien el equipo legal o de seguridad de mi empresa con que yo use ChatGPT para hacer X? Pregunta a tu equipo legal; cada uno tendrá un diferente apetito de riesgo e interpretación de la ley, y es importante asociarse con ellos para proteger tanto a tu organización como a las personas que la componen. Los equipos legales excelentes tendrán una política de uso aceptable claramente escrita, con ejemplos y foros para hacer seguimiento con preguntas.
Los datos de las personas son sensibles, ¿cómo puedo aprovechar ChatGPT mientras sigo protegiendo la privacidad? Naturalmente, si te preocupa que OpenAI o cualquier otra compañía tenga acceso a estos datos, siempre tienes la oportunidad de simplemente no usar su herramienta. Pero si tienes un buen caso de uso que involucra datos sensibles, hay enfoques que puedes tomar. Muchos de mis colegas y yo empleamos el hash / ofuscación de datos que enviamos a ChatGPT. Esto significa que, aunque estamos enviando datos reales, estamos convirtiendo campos sensibles (como nombres de segmentos) en cadenas sin sentido antes de enviarlos a ChatGPT, obtener nuestro resultado, y luego convertir esas cadenas sin sentido de nuevo a sus valores originales. A través de este enfoque, uno puede usar ChatGPT para analizar datos sin saber realmente qué está analizando. Siéntete libre de explorar más aquí.
¿Las respuestas de la IA generativa son sesgadas? La IA generativa es un reflejo de la información que se le alimenta. Desafortunadamente, la web mundial en la que se entrena la IA está llena de discriminación, estereotipos y sesgo, lo que afecta las respuestas de ChatGPT tanto como nos afecta a nosotros como humanos. Hay innumerables ejemplos de ChatGPT demostrando sesgo, pero aquí hay uno para aquellos interesados. La capacidad de ChatGPT para escalar sus decisiones crea la oportunidad para un escalamiento desproporcionado, por lo que es importante ser consciente de que no está libre de sesgo.
En un contexto de Personas, ¿qué deberías evitar usar la IA generativa para a toda costa? Tomar decisiones sobre personas. Como se señaló anteriormente, ChatGPT no está libre de sesgo, y fácilmente puede perpetuar desequilibrios preexistentes. Espero que haya numerosas startups que salgan prometiendo usar la IA para preseleccionar candidatos, ayudar a generar evaluaciones de rendimiento, e incluso qué trabajadores pueden ser propensos a irse y podrían usar un incentivo de retención. Todas estas son acciones tangibles que las empresas están tomando respecto a sus trabajadores y candidatos, y tienen la oportunidad de crear impacto adverso. Mientras que las empresas podrán salirse con la suya a pequeña escala, si alguien decide demandarlas basado en este tipo de actividades, sospecho que tendrán éxito. Aunque no es un ejemplo de IA generativa específicamente, aquí hay un caso bien conocido de este tipo de sesgo perpetuándose. Mirando hacia el Futuro
¿Qué debería esperar de la IA generativa para la Analítica de Personas en el futuro? ChatGPT nos ha mostrado lo que es posible, y por lo tanto termina siendo con lo que mucha gente está trabajando ahora mismo. Pero a medida que más empresas adapten estas herramientas, espero que veamos más funcionalidad de IA integrada en nuestras herramientas favoritas. Desde Databricks para programación, hasta Tableau para BI, hasta Confluence para documentación, mi entendimiento es que los tres están trabajando en soluciones de IA nativas a su plataforma. Esto significa que no tendremos que crear integraciones y llamadas a la API entre estos sistemas para hacer nuestro trabajo; simplemente tomará el contexto específico de la plataforma y funcionará.
¿Cómo cambiará la IA generativa el mercado laboral de la Analítica de Personas? Al igual que la programación ha sido un multiplicador de fuerzas para los equipos durante la última década, espero que la familiaridad con las herramientas de IA tenga un efecto similar en los años venideros. Como tal, los profesionales que estén familiarizados con las herramientas de IA estarán en mayor demanda y recibirán una compensación más alta que aquellos que no lo estén.
¿Qué es lo que más te emociona personalmente de la IA? Cualquiera que haya charlado conmigo profesionalmente sabe que amo la automatización, así que este es un momento muy emocionante para mí. Aunque puede parecer extraño, estoy emocionado por la oportunidad de que la IA automatice mi trabajo. Así como puedo escribir un par de líneas de python para ejecutar una regresión lineal y saber que se tomará un cierto enfoque mañana, imagino un mañana donde tenga mi propia función “analizar” asistida por IA que vaya más profundo. Imagino un flujo de trabajo que primero identifica anomalías (es decir, la rotación es alta este trimestre en Ventas), identifica la población impulsora (Ejecutivos de Cuenta en Brasil), determina la consistencia de esta tendencia (durante los últimos 3 trimestres), crea un gráfico y puntos de bala que describen este insight, lo pone en una presentación de diapositivas o correo electrónico junto con otros insights, y se envía automáticamente a un líder junto con acciones recomendadas, todo sin romper el banco en términos de cómputo. Desde mi perspectiva, aún no estamos en este punto, pero también creo que no estamos tan lejos de él como algunos pueden pensar.
