🎧 #091. Claudia Davila — Inteligencia Artificial en las corporaciones, OpenAI, Riesgos y Beneficios de usar AI, Sesgos en su implementación, cómo prepararte para trabajar en AI
🎧 #091. Claudia Davila — Inteligencia Artificial en las corporaciones, OpenAI, Riesgos y Beneficios de usar AI, Sesgos en su implementación, cómo prepararte para trabajar en AI
Viernes de Podcast — "Innovación Sin Barreras" 🚀
En el episodio de hoy tenemos como invitada a Claudia Davila, CTO & Co-Founder de Sociate AI, una startup dedicada a mejorar la vida cotidiana de las personas y complementarlas con Inteligencia Artificial (IA). Actualmente, este emprendimiento esta creando asistentes de IA de voz y visión para ayudar y potenciar las tareas diarias de las personas y su objetivo es cerrar la brecha entre los últimos modelos DL y RL más complejos para que todos puedan reconocer el poder de la IA.
Además, ha desempeñado cargos en Rímac Seguros como Data Scientist, Product Owner Chatbot y AI Project Lead. Finalmente, hace poco adquirió el cargo de Lead Bot AVI en Interbank.
En nuestra conversación, Claudia nos comparte su experiencia como Data Scientist, qué es Inteligencia Artificial (IA), tendencias y riesgos del IA. Asimismo, conversamos sobre el uso y proceso de datos para un modelo de IA.
¡Ahora vamos con el episodio!
Enlaces de interés:
LinkedIn de Claudia Davila
Página web de Sociate AI
Temas del episodio:
¿Qué es inteligencia artificial? (15:26)
¿Cómo se usa la data y entrena la inteligencia artificial? (19:09)
Tendencias de inteligencia artificial en empresas (23:10)
Casos de éxito (25:48)
Qué están explorando las empresas (28:30)
Riesgos del IA (34:55)
Lo destacado
¿Por qué empezar a involucrarse en inteligencia artificial? (02:12)
“Creo que más que nada por las endless possibilities, las posibilidades de replicar o exponenciar la inteligencia humana con modelos matemáticos representados con algoritmos”.
Hay dos tipos principales de modelos de inteligencia artificial (15:46)
“Unos son más enfocados en la predicción y recomendación, hay ejemplos rápidos de identificar como predecir si un cliente se va a ir de mi empresa, utilizas un modelos de inteligencia artificial, pero podrías utilizar un modelo cualquiera de riesgo de repente. Solo que ese modelo es estadístico y el otro modelo es inteligencia artificial porque son algoritmos distintos que ya implican poder computacional, necesitas programarlo y no solo se basa en una tendencia sino en diferentes características de la persona… La otra parte es robots que ganan en ajedrez, en Dota, esa es la otra rama que es más cognitiva, significa que hay modelos que reconocen las imágenes como las personas queremos reconocerlas, que pueden entender lo que estamos diciendo, transcribir lo que estamos hablando, traducir cosas”.
De acuerdo a la data, hay modelos supervisados y no supervisados (19:19)
“El supervisado es que a partir de la data, que te dice que esto es un perro, esto es un gato, una persona, hombre o mujer, esa etiqueta te dice que es supervisado… si no tienes la data para generar el modelo, lo primero que decimos es que guarde la información de que Jaime entra a su app a cierta hora, que le gusta cliquear en este botón, esa información la tienes que guardar. Y luego tienes los no supervisados, hay varios modelos pero el más sencillo de explicar es el reinforcement learning, que son estos modelos que pueden ganar jugando Dota sin entrenarlos, lo que haces es combatir con otra persona y con prueba y error va aprendiendo el modelo, sin la data supervisada de ‘así se juega, así no se juega’... lo entrenas para que aprenda a aprender”.
Ahora es mucho más accesible probar modelos en la nube (23:34)
“Es mucho más sencillo ahora subir tu data y tener tu modelo inmediatamente, no necesitas un data scientist, es más sencillo probar tanto para los modelos que comentaba: de churn, de riesgos, de cobranza, de prospección, quick wins, y también imágenes. Está mucho más adaptado a otros tipos de lenguaje, hay más data scientists de otros países y es mucho más sencillo replicar para otros lenguajes. Los mismos modelos de traducción son mucho mejores entonces eso también ayuda, servicios en la nube full, es mucho más fácil”.
Hay una tendencia de generar en 3D (29:20)
“Ya no solamente en voz, texto, videos, sino 3D en base a fotos. Entonces ya tienes ciudades completamente reconstruidas en base a millones de fotos, los carros autónomos pueden simular que están manejando en ese tipo de locaciones porque tienes la generación 3D. También videos en base a fotos, videos de personas entonces ya puedes crear avatars… sirve para industrias como animación, películas, videojuegos, fashion, y también para cosas no tan buenas como noticias falsas, spreading de noticias virales. Hay mucho enfoque en la ética, en el responsable IA, de nosotros como creadores de modelos de IA, de mucha responsabilidad hacia las demás personas”.
La IA no va a quitar trabajos, los va a hacer más eficientes (35:24)
“Un IA que pueda hacer todo lo que un humano hace, es muy difícil de lograr. Solamente para que pueda generar el modelo en el que pones una palabra y te da un super texto, necesita un millón de entradas para entrenarlo. Y una persona no necesita un millón, necesita una clase de una hora para poder redactar algo. IA al final, con todos los modelos que hay, algoritmos y modelos que replican capacidades, nos ayuda a los humanos a ser más eficientes con nuestro tiempo. Las tareas repetitivas las puede hacer una máquina, un programa, un robot, una grabadora, al final es una herramienta que permite que nosotros no hagamos cosas repetitivas y tengamos al final tiempo para ser más creativos, más analíticos, razonar.”
La combinación humano - IA supera a la IA sola. (38:55)
“Es difícil que un modelo pueda replicar la empatía o los sentimientos, esa capacidad de entender a una persona por sus gestos o escuchándola, o cuidar a tus hijos, esa capacidad tan propia de ser humanos es tan difícil de replicar con un modelo… La IA nos complementa en la mayoría de situaciones… Al final, no hay inteligencia artificial sin humanos, se alimenta de la data que generan los seres humanos.”
Hay dos formas de trabajar los sesgos en IA (41:46)
“Una es que las personas que entrenen los modelos sean lo más diversas posibles, creo que es un problema muy difícil de resolver, yo misma lo enfrento al ser la única mujer en los equipos, siendo de una ciudad muy chica, entonces siempre trabajo para incentivar que muchas más mujeres o personas de otras regiones también se incluyan en tecnología. Ese deber es más social… La otra es que la data con la que trabajamos va a estar sesgada por el mismo sesgo que ya existe, entonces (debemos) trabajar en mecanismos y herramientas que precisamente reduzca el sesgo de la misma data. Hay frameworks para trabajar eso en la misma data.”
Para estar en IA necesitas curiosidad y aprendizaje constante (46:10)
“Con esas habilidades, e inglés, con curiosidad y la capacidad de aprender constantemente, no te atas a la tecnología que estés aprendiendo sino que eres curioso de lo nuevo que va a saliendo y aprendes solo, sin necesidad de un master, de un pregrado, de un mamá diciéndome que estudies. Esas habilidades son las que yo creo que reinan para el futuro y eso no te lo quita ninguna máquina, la curiosidad y las ganas de aprender por ti mismo no te lo quita ningún programa.”
No importa el tamaño de tu organización, quien aprovecha más la IA es quien tenga más data, no el que tenga más recursos (49:00)
“Una startup que es muy chica y ágil pero no tiene data de repente no la va a poder a poder aprovechar tanto, sin embargo si crece rápido sí, y si la startup va rápido, porque las corporaciones tienen muchas personas que no necesariamente son risk takers.”
¿Te compartieron este newsletter? Suscríbete gratis 🙌
Recibirás boletines como este con artículos e información referente a temas de innovación, nuevas tecnologías, crypto, emprendimiento y startups.