La innovación abierta nos impulsa a cooperar para innovar y transformar las empresas y, a través de ellas, a nuestra sociedad.

Innovación Abierta IA

A la hora de emprender este camino hay que tener en cuenta que muchas empresas no tienen dentro toda la cadena de valor, por lo que hay que identificar las áreas en las que podemos actuar directamente y las que hay que desarrollar en colaboración con otros.

Desde el punto de vista de las empresas se trata de convertir las inquietudes en retos.

El proceso aplicado en la innovación abierta se apoya en tres pasos:

  • Definición de retos.
  • Búsqueda de soluciones.
  • Encaje de la solución más adecuada.

MODELOS DE NEGOCIO BASADOS EN LA IA

Aunque podamos tener la impresión de que la Inteligencia Artificial ha desbancado al software, lo que realmente ocurre es que la IA se ha convertido en un potenciador del software.

En este momento podemos agrupar el software en dos grandes grupos:

  • Software 1.0.
  • Software 2.0
Software 2.0

El software 1.0 utiliza la lógica y los datos como elementos de entrada. Aplica una programación y proporciona un resultado que es nuestro objetivo.

El software 2.0 se lleva a cabo en dos fases:

  • En la primera se usan el objetivo y una gran cantidad de datos como elementos de entrada. Aplicando modelos de aprendizaje se obtiene como salida la lógica.
  • En la segunda fase se usa la lógica generada en la primera fase, junto a nuevos datos para alcanzar el objetivo por medio de la inferencia. 

El software 1.0 solo permite abordar tareas sin incertidumbre, es decir, con reglas precisas.

El software 2.0 nos da la oportunidad de desarrollar tareas difíciles de describir con reglas precisas, y que se mueven en la incertidumbre.

Partiendo de esta base se podrían describir actualmente 3 tipos de modelos de negocio basados en la IA:

  • Full Stack. Es un formato propietario cerrado. Se crea una gran base de datos sobre la que la modelo se apoya, proporcionando el resultado en su propia App.
  • Foundation. En un formato que recoge inversiones que le permiten ampliar el conjunto de datos en los que se apoya el modelo, aumentando su efectividad. Después, se permite a otros usuarios acceder a los resultados a través de una API.
  • Frontend. Son formatos que aprovechan el modelo Foundation para ceder a su API, reduciendo el tiempo de implementación y los costes de inversión.

Unos de los casos más recientes de modelo Frontend es el de LuzIA. El asistente personal que usa el la API de ChatGPT y se integra en WhatsApp par hacernos la vida más fácil.

BENEFICIOS DE LA INNOVACIÓN ABIERTA EN LA IA

La clave está en compartir, colaborar, aprender de otros y volver a compartir.

Se busca eliminar los silos de información y de conocimiento que actualmente existen tanto en empresas como en organizaciones de todo tipo.

El objetivo es implantar el aprendizaje de la IA por refuerzo.

DESAFÍOS Y BARRERAS PARA IMPLEMENTAR LA INNOVACIÓN ABIERTA EN LA IA

Podemos destacar tres conceptos:

  • Miedo a que me lo copien.
  • Fuga de talento por falta de inversión.
  • Miedo a la regulación.

OpenAI ha compartido públicamente su modelo porque:

  • No tiene miedo.
  • Es caro implementarlo.
  • No todo el mundo sabe cómo hacerlo.

Con respecto a la regulación, Sam Altman (CEO de OpenAI) ha declarado en una reciente entrevista al Financial Times que, tal y como está enfocando la Unión Europea la regulación en lo relativo a OpenAI, no se descarta que tengan que dejar de operar en el territorio. Se plantea una legislación mucho más dura y estricta que la que hay en otros países como los Estados Unidos, y Chat-GPT podría peligrar en el viejo continente.

Esto podría conducir a Europa a una pérdida de competitividad insalvable con otros países, más dispuestos a abrazar esta nueva era de la IA.

PRIVACIDAD Y SEGURIDAD

Los datos son el combustible de la IA. 

Es fundamental que las herramientas y los modelos de datos sobe los que están construidos garanticen el cumplimiento de las normativas de protección de datos.

Los usuarios de las empresas deben estar convencidos de que no incumplen la legislación cuando utilizan estas herramientas.

Uno de los formatos más empleados para garantizar esto es la anonimización de los datos y su eliminación una vez pasado el periodo necesario para su anonimización.

La inversión necesaria para poner en marcha estos proyectos no es muy alta. El problema es que se necesitan personas preparadas para entrenar los modelos de datos en los que se basan las soluciones de IA. Y en Europa escasea este tipo de talento. Si no queremos perder este tren, habrá que implementar medidas rápidas y contundentes para cambiar esta situación lo antes posible.