Problema de la última milla en IA: cómo lograr que la capacidad del modelo y la sostenibilidad de los costos se vean afectadas por datos imperfectos.

Joe RosePresidente de un proveedor estratégico de tecnología JBS Dev, tiene la misión de desmentir uno de los mitos más persistentes que rodean la adopción de la IA generativa y de agentes en la empresa.

“Es un error común pensar que los datos tienen que ser perfectos antes de realizar cualquier tipo de carga de trabajo.”

— Joe Rose, Presidente, JBS Dev

Como se destaca en un Artículo reciente en AI FieldbookLos proveedores y consultores suelen sugerir que las organizaciones necesitan enormes lagos de datos y programas de transformación de datos de varios años antes de poder empezar a aprovechar la IA, una idea que abruma a muchos ejecutivos. Pero la realidad, según Rose, es muy distinta.

💡 "Nunca antes las herramientas para gestionar datos de baja calidad habían sido mejores que ahora." dice Rose. "Es casi sorprendente lo que un licenciado en Derecho puede comprender a partir de una consigna a medio redactar."

La imprevisibilidad inherente de los modelos de IA requiere un manejo cuidadoso, especialmente cuando se trata de malos resultados. Aquí es donde entra en juego la intervención humana El modelo se vuelve esencial. Rose señala que, para los datos textuales o categóricos, ya existe una resiliencia natural incorporada, pero las organizaciones deben abandonar la mentalidad de "configurarlo y olvidarse".

“La gente está acostumbrada a pensar: ‘Lo construimos, funciona y nos olvidamos de ello’. Pero estos sistemas no funcionan así.”

— Joe Rose, JBS Dev

🏥 Ejemplo práctico: Conciliación de facturación médica

Para ilustrar el poder de la IA con datos imperfectos, Rose señala a un cliente en el sector médico que necesitaban migrar a un nuevo sistema de conciliación de facturación. Los registros eran una mezcla caótica:

• Algunos registros estaban en formato PDF, otros eran archivos de imagen
• Los detalles del procedimiento a veces se archivaban bajo el nombre del doctor
• Los nombres de los médicos aparecieron en campos del nombre del paciente
• Los datos eran inconsistentes en todo el sistema.

A pesar de esto, la IA generativa pudo delimitar y limpiar los datos utilizando una simple indicación, aprovechando OCR para imágenes y Extracción de texto de archivos PDFPosteriormente se aplicaron enfoques más centrados en el agente, como la comparación de los registros de los clientes con los contratos de seguros para verificar la exactitud de la facturación.

📈 El modelo de automatización incremental

“Se empiezan a superponer diferentes casos de uso. Comenzamos con un 20 % de automatización, luego un 40 %, después un 60 %, un 80 %, y así sucesivamente, aumentando esa cifra con el tiempo.”

— Joe Rose, JBS Dev

Rose enfatiza que no se trata de alcanzar la perfección de la noche a la mañana. enfoque gradual e incremental —con supervisión humana en cada etapa— es realista y eficaz. El objetivo es la automatización progresiva, no una transformación puntual.

🔗 El futuro de la IA: coste, portabilidad y sostenibilidad

De cara al futuro, Rose cree que el próximo cambio importante en el discurso sobre IA se alejará de los avances en la capacidad de los modelos y se centrará en cambio en sostenibilidad de los costos y portabilidad.

“¿Cómo podemos hacer que el coste sea más sostenible para no tener que construir centros de datos al ritmo que lo estamos haciendo?”

— Joe Rose, JBS Dev

📱 El desafío de la "última milla", como lo describe Rose, se trata de hacer que estos modelos se ejecuten en un portátil o un teléfono inteligente En lugar de requerir una infraestructura de centros de datos a gran escala, cuestiona la suposición de que los nuevos datos de entrenamiento impulsarán el próximo gran avance en IA, argumentando que los modelos ya han sido entrenados con un enorme corpus de información existente.

💬 Deja de comprar a proveedores de SaaS: ¡créalo tú mismo!

En Exposición de IA y Big Data, donde JBS Dev participa activamente, Rose se está preparando para compartir lo que él llama una versión más Opinión controvertida: las organizaciones deberían Deje de comprar a proveedores de SaaS. cuando tienen la capacidad de crear soluciones por sí mismos.

“No es tan difícil como parece. Casi todo el mundo tiene algún tipo de presencia en la nube, y por ahí empezaría. Las herramientas en la nube, especialmente para las tres grandes empresas, tienen todo lo necesario para empezar a implementar cargas de trabajo basadas en agentes mañana mismo, sin necesidad de nuevas licencias de software ni nueva formación.”

— Joe Rose, JBS Dev

✅ El mensaje es claro: las organizaciones no necesitan datos perfectos, presupuestos enormes ni contratos extensos con proveedores para empezar a usar la IA. Las herramientas ya están disponibles. La nube ya existe. Es hora de actuar.