L

a sabiduría predominante en inteligencia artificial sugiere que los modelos más grandes ofrecen mejores resultados. En nuestro trabajo para compañías de seguros de salud y administradores externos de planes de salud, hemos descubierto que esta suposición se sostiene en muchos casos, pero se desmorona cuando la IA pasa de tareas generales a dominios profesionales especializados.

En este artículo compartimos lo que hemos aprendido sobre cómo los ejecutivos que evalúan inversiones en IA para aplicaciones profesionales de resolución de problemas deben decidir entre modelos de IA generalistas y modelos especializados.

Cuando la escala ofrece el mayor valor

Las ofertas de IA generativa más conocidas como ChatGPT, Claude y Gemini, se basan en modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) y otras tecnologías de IA que se entrenan con texto e imágenes provenientes de innumerables dominios, y por lo tanto parecen capaces de responder prácticamente cualquier pregunta imaginable.

En contraste, los modelos de IA generativa especializados no solo comprenden qué información recuperar, sino también cómo opera esa información dentro del marco de toma de decisiones de un dominio específico. Estas tecnologías de IA generativa agregan datos de entrenamiento altamente contextualizados y metodologías a las capacidades fundamentales de las tecnologías de IA generalistas.

Una arquitectura híbrida como camino hacia el futuro

Nuestra experiencia sugiere que el futuro de la implementación de IA generativa empresarial radica no solo en elegir entre modelos generalistas y especializados, sino también en estrategias de implementación híbrida bien pensadas. Los enfoques más eficaces aprovechan los modelos generalistas para las tareas en las que se destacan, mientras dependen de proveedores especializados para el razonamiento y la toma de decisiones específicas del dominio.

Cómo elegir un proveedor de IA y evitar errores comunes

Dado el buen desempeño que tienen actualmente los mayores LLM en tareas que no son críticas para la misión, es difícil que los líderes empresariales cometan errores graves al elegir entre ellos para tales propósitos. Sin embargo, eso no ocurre cuando se evalúan modelos de IA más especializados. Hemos desarrollado varias preguntas clave que los líderes empresariales pueden formular durante las evaluaciones de proveedores de IA especializada para evitar los errores más comunes:

— ¿Puede el proveedor demostrar claramente la lógica detrás de su IA y hacer que su razonamiento sea transparente?

La pregunta crítica no es si la IA puede procesar información más rápido que los humanos, sino si puede usar esa información de maneras en que sus principales expertos en el dominio puedan confiar, comprender y aprovechar. Busque soluciones que integren marcos de juicio profesional, no solo árboles de decisión, y que puedan explicar por qué priorizan ciertas evidencias.

— ¿El proveedor mantiene una colaboración continua con expertos en su campo? ¿Cómo maneja las prácticas en evolución?

Esto requiere una profunda colaboración entre los desarrolladores de IA y los expertos del dominio, no solo para recopilar datos de entrenamiento, sino también para comprender los marcos subyacentes que guían la toma de decisiones profesionales. Esta pregunta garantiza que su proveedor pueda adaptarse conforme cambian los estándares profesionales, mientras mantiene acceso a la experiencia en el dominio que impulsa la mejora continua.

— ¿La solución propuesta por el proveedor puede abordar la integración entre dominios y la expansión de alcance, o su oferta solo funcionará como una solución puntual?

La clave para captar todo el potencial de la IA radica en comprender y abordar las barreras organizacionales y culturales que enfrentan las iniciativas de IA, en lugar de simplemente desplegar modelos generales más potentes. Esta pregunta ayuda a los líderes a elegir proveedores que anticipan cómo se interconectan las decisiones profesionales entre dominios, y que amplíen sus capacidades conforme evolucionan las necesidades de la organización.

En entornos empresariales de alto riesgo, la experiencia especializada supera a la inteligencia general. Nuestro recorrido desarrollando IA específica para el sector salud nos enseñó que el camino hacia una IA profesional efectiva no radica simplemente en elegir modelos más grandes, sino también en seleccionar soluciones más inteligentes que comprendan cómo piensan, deciden y actúan realmente los profesionales.

E

n las primeras etapas de la innovación, las empresas enfrentan un dilema familiar: ¿Qué ideas merecen más inversión? La solución tradicional, la investigación de mercado centrada en el ser humano, puede proporcionar ideas valiosas, pero a menudo es lenta, costosa y limitada en alcance. Ahora, la IA generativa ofrece una nueva y fascinante herramienta: usuarios sintéticos.

Los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés), como ChatGPT y Gemini, han captado la atención por su capacidad para generar contenido e ideas. Pero una frontera menos explorada es su potencial para simular respuestas de clientes ante conceptos de productos y características. Nuestra investigación muestra que los LLM, usados con cuidado, pueden funcionar como grupos focales sintéticos, generando información temprana sobre las preferencias del cliente en una fracción del tiempo y costo de los estudios realizados con humanos.

De generador de texto a simulador de mercado

Los LLM se entrenan con enormes conjuntos de datos que incluyen reseñas de productos, discusiones y patrones de comportamiento expresados en lenguaje natural. Esto los hace sorprendentemente hábiles para responder preguntas estructuradas basadas en opciones sobre productos.

En nuestros estudios, utilizamos un programa para solicitar directamente a los LLM comparaciones de productos que imitan encuestas de investigación de mercado realizadas con humanos.

Para evaluar las respuestas de los LLM, también realizamos estos estudios de análisis conjunto con muestras humanas. ¿Los resultados? Los LLM produjeron preferencias realistas y direccionalmente precisas para muchos atributos conocidos.

En múltiples categorías de productos, los LLM generaron consistentemente clasificaciones de preferencias que se alineaban con los resultados obtenidos de humanos. Como herramienta de prueba previa, el potencial es claro: los LLM pueden identificar ideas débiles desde el principio y priorizar direcciones prometedoras antes de que comience la investigación formal.

Pero existen límites, y son importantes

A pesar de estos resultados prometedores, los LLM “listos para usar” no son simuladores perfectos. De hecho, tienden a sobreestimar el interés en características novedosas o inusuales.

Los LLM están preentrenados, y sin datos adicionales proporcionados por el investigador o acceso a internet, pueden revelar preferencias estáticas y no ajustarse dinámicamente a las condiciones actuales del mercado, proporcionando así información irrelevante.

Usando nuestras metodologías, actualmente los LLM pueden aproximarse a señales promedio del mercado, pero no pueden ofrecer información específica por segmento. Para cualquier cosa más allá de la detección de tendencias generales en etapas tempranas, la investigación humana sigue siendo esencial.

El poder de los datos propios

Uno de los hallazgos más contundentes de nuestra investigación es cuán mejor funcionan los LLM cuando se afinan con los datos históricos de clientes de una empresa.

El afinamiento implica ajustar los parámetros del modelo basándose en estas respuestas de encuestas pasadas. Este proceso mejora la capacidad del LLM para simular preferencias humanas, incluso para características que no ha visto antes.

Las empresas que construyen y afinan sus propios “simuladores de clientes” internos usando LLM y datos históricos de encuestas pueden desbloquear perspectivas más precisas en etapas tempranas.

Costo, velocidad y el embudo de innovación ampliado

Los estudios tradicionales de análisis conjunto pueden costar decenas de miles de dólares y tomar semanas en diseñarse, ejecutarse y analizarse. Nuestros estudios basados en LLM se realizaron en cuestión de horas, a una fracción del costo. Pudimos generar miles de respuestas simuladas e iterar rápidamente.

Esta velocidad permite un proceso de innovación diferente. En lugar de desarrollar solo unas pocas ideas para probar, los equipos ahora pueden explorar docenas, o incluso cientos, de conceptos iniciales, empleando usuarios sintéticos como filtro.

Aumento, no reemplazo

Es tentador imaginar un futuro en el que los usuarios sintéticos reemplacen por completo a la investigación humana. Ese futuro aún no ha llegado, y puede que nunca lo haga.

Aunque los LLM pueden generar conocimientos iniciales creíbles, todavía carecen del matiz, la inteligencia emocional y la variabilidad de las personas reales.

Si se usan de manera responsable, los LLM deben aumentar, no reemplazar, la investigación de mercado.

H

oy en día, tenemos acceso a más información que nunca. YouTube y TikTok pueden proporcionarnos oportunidades de aprendizaje en profundidad de forma gratuita. Los modelos de lenguaje de gran tamaño como ChatGPT y Gemini han demostrado que pueden responder casi cualquier pregunta que se le ocurra con un nivel de precisión cada vez mayor.

Con tantos datos al alcance de la mano, cada vez más personas empiezan a preguntarse: ¿Por qué invertir tiempo y dinero en un título universitario cuando puedo reunir información y desarrollar habilidades en línea?

El problema con esta pregunta es que plantea a la universidad únicamente como una guardiana de la información. Para muchos, la educación superior ofrece mucho más: un viaje transformador en el que los estudiantes pueden establecer contactos y desarrollar habilidades blandas transferibles (como el pensamiento crítico, la comunicación, la resolución de problemas, la inteligencia emocional y la creatividad).

Para aquellos que creen que una educación universitaria puede ofrecer ventajas, aquí le presentamos cómo maximizar los beneficios de la educación superior mientras navega por el cambiante panorama tecnológico.

1. Aprenda las innovaciones más recientes a través de cursos.

La tecnología evoluciona a diario y no muestra señales de desaceleración. Para mantenerse al día con el ritmo del cambio, piense en complementar las habilidades blandas que ya está desarrollando en la universidad con las habilidades duras relevantes para su industria.

Comprender cómo el panorama tecnológico está impactando su campo puede ser parte de su educación universitaria, y un número cada vez mayor de instituciones están proporcionando a sus estudiantes oportunidades para que así sea.

2. Haga networking, networking y más networking.

Construir una red profesional sólida es esencial para su desarrollo profesional. Muchas universidades ofrecen a sus estudiantes oportunidades únicas para hacerlo: oportunidades que son difíciles de recrear a través de las redes sociales y las plataformas de aprendizaje en línea.

Mientras esté en la universidad, participe activamente en estas oportunidades, así como en talleres, seminarios y reuniones estudiantiles. Aproveche el acceso que tiene a personas que pueden abrirle puertas y hacer que su transición al mundo laboral sea menos estresante.

3. Aproveche las oportunidades de trabajo en equipo y resolución de problemas.

Participar en el aprendizaje basado en proyectos y en competencias puede mejorar significativamente su capacidad para resolver problemas del mundo real, los cuales a menudo requieren que trabaje con diferentes personalidades y personas de diversas disciplinas.

En la universidad, probablemente tendrá la oportunidad de trabajar con sus compañeros de esta manera, para resolver problemas bajo una cierta presión de tiempo. Si bien los avances tecnológicos están transformando varias industrias, su capacidad para comunicarse y colaborar eficazmente con los demás seguirá siendo invaluable. Para entrevistas de trabajo, presentaciones laborales y proyectos en equipo, necesitará las habilidades blandas que la universidad proporciona: la capacidad para comunicarse de manera persuasiva, compartir su perspectiva e ideas, y comprender las experiencias de sus colegas.

4. Complemente su educación con otros recursos.

Para complementar aún más su formación académica, puede ser útil buscar pasantías y proyectos comunitarios que le proporcionen experiencia práctica en el mundo real. Este trabajo le permitirá poner en práctica las habilidades y tecnologías más recientes en su industria. La red que construya mientras esté en la universidad puede ayudarle a conectarse con este tipo de oportunidades.

Además de buscar pasantías y trabajos voluntarios, usted puede obtener una ventaja competitiva en el mercado laboral al complementar su educación universitaria con cursos en línea, talleres y certificaciones adicionales en su área de interés. Dependiendo de sus intereses, puede encontrar talleres gratuitos o con descuentos para estudiantes en su localidad.

C

omprender cómo las empresas están aprovechando la IA para contratar es fundamental para conseguir su próximo empleo. He aquí cinco formas de prepararse para un proceso de contratación basado en IA, desde su currículum hasta las entrevistas.

Solicitudes, currículums y cartas de presentación

1. Cambie su narrativa. Al actualizar su currículum, desarrolle una narrativa sólida que muestre a los reclutadores y gerentes de contratación sus capacidades únicas y resistentes a la IA. Comience por trazar un mapa de su trabajo actual. Determine qué tareas podrían realizarse mediante IA y automatización, o si todo su trabajo podría volverse obsoleto.

2. Comprenda los filtros de currículum asistidos por IA. Aunque no se espera que la IA reemplace por completo a los reclutadores, muchas organizaciones están utilizando sistemas de seguimiento de candidatos impulsados por IA para filtrar a los posibles candidatos en función de sus habilidades aplicables. Sistemas como Workday, Oracle HCM y Greenhouse seleccionan candidatos calificados de fuentes de talento, tanto internas como externas, y luego evalúan y clasifican a esos candidatos según su nivel de adecuación.

Con un 83% de las empresas informando que están utilizando funciones de IA para filtrar currículums, si su currículum no incorpora casi todas las palabras clave de la descripción del puesto, es posible que nunca sea visto.

3. Utilice IA… con moderación. El hecho de que las empresas estén utilizando IA para seleccionar candidatos no significa que usted deba depender de la IA para redactar desde cero su currículum y carta de presentación. Las empresas son cada vez más conscientes del contenido generado por IA, lo cual podría no jugar a su favor.

Aunque las herramientas como Gemini, ChatGPT o Copilot pueden ser útiles para crear puntos clave concisos, no conocen sus logros y pueden generar un lenguaje similar para cualquier persona que postule al mismo puesto. Por lo tanto, solo debería apoyarse en herramientas de IA para alinear su currículum ya redactado con las palabras clave de carreras específicas.

Entrevistas

4. Prepárese para las entrevistas asistidas por IA. Muchas empresas están utilizando tecnología de IA como HireVue, VidRecruiter, CodeSignal y Brazen para preseleccionar candidatos a través de preguntas escritas y en video. Estos programas evalúan las respuestas para identificar a los mejores candidatos para los reclutadores. Pero el simple hecho de recibir una solicitud para una entrevista en video no significa necesariamente que usted esté en el proceso de contratación: algunas empresas envían estas preguntas a todas las personas que postularon al empleo o a una selección de personas cuyos currículums fueron filtrados por software de selección con IA.

Las preguntas de selección generadas por IA tienden a ser básicas, por lo que debe preparar sus respuestas a las preguntas más comunes con anticipación. Piense en:

— ¿Qué lo hace único?

— ¿Puede hablarnos un poco sobre usted?

— ¿Por qué es usted la persona adecuada para el puesto?

— ¿Por qué quiere trabajar aquí?

A continuación, practique responder estas preguntas por adelantado y grábese. Las herramientas de IA como Interview Prep AI, Interview AI, Huru e Interview Warmup le hacen preguntas comunes de entrevista y luego evalúan sus respuestas en cuanto a completitud y uso de palabras clave. Algunas herramientas incluso pueden ofrecer retroalimentación sobre su lenguaje corporal y forma de hablar.

5. Pregunte sobre el progreso en materia de IA. Debido a que el panorama tecnológico sigue cambiando rápidamente, una vez que tenga la oportunidad de entrevistarse con un humano, querrá comprender si la empresa está utilizando IA y cómo lo está haciendo.

Comprender el progreso de una organización en la implementación de la IA puede brindarle información sobre cómo podría lucir su éxito a largo plazo allí. Si determina que está postulando a una empresa que ya implementa IA, es posible que tenga menos temor de que su trabajo desaparezca en uno o dos años, ya que la empresa ya está buscando nuevas competencias para complementar sus programas de IA. Las empresas que aún no están innovando en el campo de la IA podrían estar contratando conjuntos de habilidades para seguir operando mientras debaten las implementaciones de IA, lo cual podría poner en riesgo su puesto de trabajo en el futuro.