La verdad es que el fenómeno de ChatGPT desarrollado por OpenAI  es una revolución y todo el mundo habla de ello. 

Los sistemas de AI generativa se basan en modelos de aprendizaje profundo entrenados en conjuntos de datos masivos, amplios y no estructurados (como texto e imágenes) que cubren muchos temas. Por ejemplo, en la industria farmacéutica para crear nuevas secuencias de proteínas, optimizar la producción y hacer más eficientes las fábricas.

Si le preguntas a GatGPT sobre el impacto de la AI generativa en los negocios su respuesta es que cambiará cómo:

1. Generación de contenido, artículos, post, descripciones de producto y post de social media. Tendremos la capacidad de automatizar la creación de contenidos, reduciendo costes e incrementando eficiencias.
2. Prototipos y diseño de producto; También ayudará a la generación y diseño de un producto introduciendo las preferencias de usuarios, realizando variaciones de diseño. Lo cual puede disminuir el ciclo de creación de productos haciéndolos más centrados en los requisitos de usuario.
3. Personalización y recomendación: Puede ayudar a analizar las recomendaciones de usuario y generar experiencias personalizadas en función de los gustos del usuario. Lo cual puede provocar mayores tasas de conversión e incrementar la satisfacción de usuarios.
4. Contenido creativo y publicidad: podrá crear contenido visual y de audio atractivo, como imágenes, videos y música. Permitirá a las empresas automatizar la creación de contenido para campañas de marketing, anuncios e iniciativas de marca. El contenido generado por IA también puede ayudar a crear imágenes únicas y llamativas que se destaquen de la competencia.
5. Asistentes virtuales y chatbots: ChatGPT es el mejor ejemplo, muchos pensaban que los asistentes virtuales no tenían futuro, que no eran buenos y llego ChatGPT y nos asombra a todos. Permitirá a las empresas automatizar la atención al cliente, las interacciones de ventas y otras tareas de cara al cliente. El futuro viene por responder consultas cómo si fueras un humano, proporcionar información relevante a los productos servicios de una compañía o tener conversaciones similares a las de un humano, mejorando y combinando la atención al cliente actual con la AI generativa.
6. Análisis de datos y toma de decisiones: los modelos generativos de IA pueden ayudar a las empresas a analizar grandes conjuntos de datos y generar conocimiento. Al reconocer patrones y tendencias en los datos, estos modelos pueden proporcionar información valiosa para la toma de decisiones estratégicas, forecast, la evaluación de riesgos y la optimización de los procesos comerciales. Esto puede conducir a una toma de decisiones más informada y basada en datos.
7. Simulación y optimización: los modelos generativos de IA pueden simular varios escenarios y optimizar procesos en áreas como la gestión de la cadena de suministro, la logística y la asignación de recursos. Así las empresas pueden identificar las soluciones más eficientes y rentables, mejorar la eficiencia operativa y reducir el desperdicio.

Mckinsey en el siguiente artículo https://www.mckinsey.com/capabilities/quantumblack/our-insights/generative-ai-is-here-how-tools-like-chatgpt-could-change-your-business destaca diferentes áreas en las que será de aplicación:

• Marketing y ventas: Para la creación de contenido personalizado de marketing, redes sociales y técnicas de ventas.
• Operaciones: automatización de tareas repetitivas, forecasting y mejoras de procesos de supply chain.
• TI/ingeniería: Cambará la manera que ahora se programa, revisamos vulnerabilidades y posibles ataques de informáticos o malware.
• Riesgo y legal: responder preguntas complejas, extraer grandes cantidades de documentación legal y redactar y revisar informes anuales.
• I+D: acelerar el descubrimiento de fármacos a través de una mejor comprensión de las enfermedades y el descubrimiento de estructuras químicas

Pero estas son las aplicaciones de la AI Generativa pero no nos podemos olvidar de los riesgos que ello conlleva ya que la IA generativa y su uso en compañías podrá afectar a ventas, marketing, supply chain, IT y sus trabajadores que cambiará la manera en la que ahora realizan sus tareas, por ello deben existir unos principios de aplicación:

• Transparencia
• Responsabilidad
• De dónde se obtienen los datos
• Ética
• Robustez

Algunas directrices que citan en siguiente artículo de HBR https://hbr.org/2023/06/managing-the-risks-of-generative-ai escrito por by  Kathy Baxter y Yoav Schlesinger son:

• Exactitud: Entrenar los modelos de IA con los propios datos de las empresas, para que estos ofrezcan resultados fiables, exactos. Importante comunicar y escalar cuando estos datos no son correctos y es necesario validarlos, por ello más que nunca el dato es el rey.
• Seguridad: Hacer todo lo posible para mitigar el sesgo, la toxicidad y los resultados dañinos mediante la realización de evaluaciones de sesgo. Las organizaciones deben proteger la privacidad más que nunca, evitar sesgos. Además, las evaluaciones de seguridad pueden ayudar a las organizaciones a identificar vulnerabilidades que pueden ser aprovechadas por malos actores.
• Honestidad: Al recopilar datos para entrenar y evaluar nuestros modelos, es necesario asegurar que si son datos de nivel alto se cuente con los correspondientes consentimientos. 
• Empoderamiento: En las industrias donde generar confianza es una prioridad principal, como en finanzas o atención médica, es importante que los humanos participen en la toma de decisiones, con la ayuda de información basada en datos que puede proporcionar un modelo de IA, para generar confianza y mantener la transparencia. Y, por supuesto, uno debe tratar a los contribuyentes de contenido, creadores y etiquetadores de datos con respeto (por ejemplo, salarios justos, consentimiento para usar su trabajo).
• Sostenibilidad: A medida que desarrollamos nuestros propios modelos, nos esforzaremos por minimizar el tamaño de nuestros modelos mientras maximizamos la precisión entrenando modelos en grandes cantidades de datos de CRM de alta calidad. Esto ayudará a reducir la huella de carbono porque se requiere menos computación, lo que significa menos consumo de energía de los centros de datos y emisiones de carbono.

Todos tenemos en la cabeza el fenómeno de ChatGPT pero hay más herramientas que requieren nuestro interés de AI generative cómo GitHub Copilot o las que mostramos en la siguiente imagen:

Da que pensar, hay que estudiar las mejoras aplicaciones de Chat GPT y otras aplicaciones de Inteligencia Artificial Generativa. Toca estar atento y pensar en que momento conceptual está cada empresa compañía y cuales son las mejores estrategias para su aplicación. En la vida real, asusta cómo integrar este hecho en el día a día, con nuestros hijos y en nuestro día a día. Diría que el futuro que trae es apasionante, pero también hace falta mirarlo con respeto