Cómo los efectos de red hacen que la IA sea más inteligente

por Sheen S. Levine

Resumen:

Los efectos de red han dictado el éxito de las tecnologías, desde el teléfono hasta las plataformas de compra como Etsy, y las herramientas de IA como ChatGPT no son la excepción. Sin embargo, lo que es diferente es cómo funcionan esos efectos de red. Efectos de red de datos son un formulario nuevo. Al igual que los efectos de red directos e indirectos, más conocidos, el valor de la tecnología aumenta a medida que gana usuarios. Sin embargo, en este caso el valor no proviene del número de pares (por ejemplo, con el teléfono) ni de la presencia de muchos compradores y vendedores (como en plataformas como Etsy), sino de los comentarios que ayudan a hacer mejores predicciones. Más usuarios significan más respuestas, lo que aumenta la precisión de la predicción y crea un círculo virtuoso. Las empresas deben tener en cuenta tres lecciones: 1) la retroalimentación es crucial, 2) recopilar información de forma rutinaria y meticulosa y 3) tener en cuenta los datos que comparte, de forma intencionada o no.

___

A finales del año pasado, cuando OpenAI presentó ChatGPT, los observadores del sector respondieron con elogios y preocupación. Escuchamos cómo la tecnología puede abolir programadores de ordenadores, profesores, operadores y analistas financieros, diseñadores gráficos, y artistas. Temiendo que la IA lo haga ensayo sobre matar la universidad, las universidades se apresuraron a revisar los planes de estudio. Quizás el impacto más inmediato, dijeron algunos, fue ese ChatGPT podría reinventar o incluso reemplazar el motor de búsqueda tradicional de Internet. La búsqueda y los anuncios relacionados generan la gran mayoría de los ingresos de Google. ¿Los chatbots lo harán? matar a Google?

ChatGPT es un notable demostración de la tecnología de aprendizaje automático, pero apenas es viable como servicio independiente. Para apropiarse de su destreza tecnológica, OpenAI necesitaba un socio. Así que no nos sorprendió cuando la empresa anunciado rápidamente un acuerdo con Microsoft. La unión de la empresa emergente de IA y la empresa de tecnología tradicional podría representar finalmente una amenaza creíble para el dominio de Google, ya que aumentaría las apuestas en el» Carrera armamentista de la IA.» También ofrece una lección sobre las fuerzas que dictarán qué empresas prosperarán y cuáles se tambalearán a la hora de implementar esta tecnología.

Para entender qué llevó a OpenAI a aliarse con Bing (y por qué Google puede seguir triunfando), tenemos en cuenta en qué se diferencia esta tecnología de los avances anteriores, como el teléfono o las plataformas de mercado como Uber o Airbnb. En cada uno de esos ejemplos, los efectos de red (en los que el valor de un producto aumenta a medida que gana usuarios) desempeñaron un papel importante a la hora de determinar la forma en que crecieron esos productos y las empresas que tuvieron éxito. Los servicios de IA generativa, como ChatGPT, están sujetos a efectos de red similares, pero distintos. Para elegir estrategias que funcionen con la IA, los directivos y los emprendedores deben entender cómo funciona este nuevo tipo de efectos de red de IA.

Los efectos de red funcionan de manera diferente para la IA

El valor de la IA reside en las predicciones y sugerencias precisas. Pero a diferencia de los productos y servicios tradicionales, que se basan en convertir los suministros (como la electricidad o el capital humano) en productos (como la luz o el asesoramiento fiscal), la IA requiere grandes conjuntos de datos que deben mantenerse actualizados mediante interacciones de ida y vuelta con los clientes. Para seguir siendo competitivo, un operador de IA debe acorralar los datos, analizarlos, ofrecer predicciones y, a continuación, solicitar comentarios para afinar las sugerencias. El valor del sistema depende de los datos que llegan de los usuarios y aumenta con ellos.

El rendimiento de la tecnología —su capacidad de predecir y sugerir con precisión— depende de un principio económico llamado efectos de red de datos(algunos prefieren datos– aprendizaje impulsado). Son distintos de los conocidos directo efecto red, como los que hacen que un teléfono sea más valioso a medida que aumentan los suscriptores, porque hay más personas a las que puede llamar. También son diferentes de los indirectos o segundo pedido efectos de red, que describen cómo un número creciente de compradores invitan a más vendedores a una plataforma y viceversa: comprar en Etsy o reservar en Airbnb se hace más atractivo cuando hay más vendedores presentes.

Los efectos de red de datos son un nuevo formulario : Cuanto más conocidos sean los efectos, cuantos más usuarios, más valiosa será la tecnología. Pero en este caso, el valor no proviene de la cantidad de pares (como ocurre con el teléfono) ni de la presencia de muchos compradores y vendedores (como en plataformas como Etsy). Más bien, los efectos se deben a la naturaleza de la tecnología: la IA mejora mediante el aprendizaje por refuerzo, las predicciones seguidas de los comentarios. A medida que su inteligencia aumenta, el sistema hace mejores predicciones, mejora su utilidad, atrae nuevos usuarios y retiene a los existentes. Más usuarios significan más respuestas, lo que aumenta la precisión de la predicción y crea un círculo virtuoso.

Tomemos, por ejemplo, Google Maps. Utiliza la IA para recomendar la ruta más rápida a su destino. Esta habilidad depende de anticipar los patrones de tráfico en las rutas alternativas, lo que hace basándose en los datos que llegan de muchos usuarios. (Sí, los usuarios de datos también son los proveedores). Cuanta más gente utilice la aplicación, más datos históricos y simultáneos acumulará. Con montones de datos, Google puede comparar innumerables predicciones con los resultados reales: ¿Llegó a la hora prevista por la aplicación? Para perfeccionar las predicciones, la aplicación también necesita sus impresiones: ¿qué tan buenas eran las instrucciones? A medida que se acumulan los hechos objetivos y las reseñas subjetivas, aparecen los efectos de red. Estos efectos mejoran las predicciones y aumentan el valor de la aplicación para los usuarios y para Google.

Cuando comprendamos cómo los efectos de red impulsan la IA, podemos imaginarnos las nuevas estrategias que requiere la tecnología.

OpenAI y Microsoft

Empecemos por la unión de OpenAI y Microsoft. Cuando probamos la versión beta de ChatGPT, nos impresionaron sus respuestas creativas y parecidas a las humanas, pero nos dimos cuenta de que estaba estancado: se basa en un montón de datos recopilados por última vez en 2021 (así que no pregunte por los acontecimientos recientes ni siquiera por el clima). Peor aún, carece de un circuito de comentarios sólido: no puede hacer sonar la alarma cuando hay sugerencias alucinatorio (la empresa sí permite responder con el «visto bueno»). Sin embargo, al vincular a Microsoft, OpenAI encontró la manera de poner a prueba las predicciones. Lo que preguntan los usuarios de Bing (y cómo valoran las respuestas) es crucial para actualizar y mejorar ChatGPT. El siguiente paso, nos imaginamos, es que Microsoft alimente el algoritmo con la enorme nube de datos de usuario que mantiene. A medida que digiere un número incalculable de hojas de Excel, presentaciones de PowerPoint, documentos de Word y currículums de LinkedIn, ChatGPT mejorará a la hora de recrearlos, para alegría (o horror) de los habitantes de la oficina.

Aquí hay al menos tres lecciones generales.

Primero, la retroalimentación es crucial. Los beneficios de la IA se intensifican con un flujo constante de reacciones de los usuarios. Para seguir siendo inteligente, un algoritmo necesita un flujo de datos con las elecciones actuales del usuario y una valoración de las sugerencias anteriores. Sin comentarios, ni siquiera el mejor algoritmo de ingeniería seguirá siendo inteligente durante mucho tiempo. Como se dio cuenta OpenAI, incluso los modelos más sofisticados deben estar vinculados a fuentes de datos en constante flujo. Los emprendedores de IA deberían recordar esto.

En segundo lugar, los ejecutivos deberían recopilar información meticulosa de forma rutinaria para maximizar los beneficios de estos efectos. Deberían revisar los registros financieros y operativos típicos. Se pueden encontrar datos útiles en todas partes, dentro y fuera de la empresa. Pueden provenir de interacciones con compradores, proveedores y compañeros de trabajo. Un minorista, por ejemplo, podría hacer un seguimiento de lo que han mirado los consumidores, lo que han puesto en su carrito y lo que, en última instancia, han pagado. En conjunto, estos detalles minuciosos pueden mejorar enormemente las predicciones de un sistema de IA. Incluso los bits de datos poco frecuentes, incluidos los que están fuera del control de la empresa, valdría la pena recopilar. Los datos meteorológicos ayudan a Google Maps a predecir el tráfico. Hacer un seguimiento de las palabras clave que los reclutadores utilizan para buscar currículums puede ayudar a LinkedIn a ofrecer consejos interesantes a los que buscan empleo.

Por último, todo el mundo debería tener en cuenta los datos que comparten, intencionalmente o no. Los datos y los comentarios son esenciales para crear mejores predicciones. Pero el valor de sus datos puede ser capturado de otra persona. Los ejecutivos deben considerar qué IA se beneficiará de los datos que comparten (o a los que permiten el acceso). A veces, deberían limitar el uso compartido. Por ejemplo, cuando los conductores de Uber navegan con la aplicación Waze, ayudan a Google, el propietario, a estimar la frecuencia y la duración de los viajes de transporte. Como Google está considerando operar taxis autónomos, esos datos podrían tener un valor incalculable. Cuando una marca como Adidas vende en Amazon, permite al gigante minorista estimar la demanda entre marcas (en comparación con Nike) y categorías (zapatos), además de la sensibilidad de los compradores a los precios. Los resultados podrían enviarse a un competidor, o beneficie a las ofertas de marca privada de Amazon. Para contrarrestar eso, los ejecutivos pueden eludir a los intermediarios de la plataforma o a terceros. Pueden negociar el acceso a los datos. Pueden esforzarse por mantener un contacto directo con los clientes. A veces, la mejor solución puede ser que los propietarios de datos agrupen y compartan en un intercambio de datos, como hacían los bancos cuando establecían formas de compartir datos sobre la solvencia crediticia.

Si tiene en cuenta los efectos de red de la IA, puede entender mejor el futuro de la tecnología. También puede ver cómo estos efectos, al igual que otros efectos de red, tienden a hacer que los ricos sean aún más ricos. La dinámica detrás de la IA significa que los primeros en moverse pueden recibir generosas recompensas y seguidores, por rápido que sea, puede quedarse al margen. También implica que cuando se tiene acceso a un algoritmo de IA y a un flujo de datos, las ventajas se acumulan con el tiempo y no se pueden superar fácilmente. Para los ejecutivos, los emprendedores, los responsables políticos y todos los demás, lo mejor (y lo peor) de la IA está por venir.