Hace poco escuché una entrevista que le hicieron en un podcast al CEO de una de las empresas tecnológicas más grandes del mundo. Dijo algo muy interesante: las verdaderas ganadoras de la IA serán aquellas empresas e industrias que la utilicen para aumentar la productividad y el crecimiento económico.
Esto nos lleva a los avances prácticos que hemos visto gracias a la inteligencia artificial generativa, especialmente con los modelos de lenguaje pequeños (SLM) y los agentes de IA. Aunque hoy en día son menos reconocidos que los grandes modelos de lenguaje (LLM), que están presentes en ordenadores, teléfonos y titulares de noticias, los SLM ofrecen beneficios excepcionales y aplicaciones reales para los trabajadores de primera línea en sectores como el comercio minorista.
Una selección de SLM dedicados, como parte de un conjunto de agentes de IA, puede optimizarse de manera eficaz para la automatización inteligente de tareas específicas. Estas prestaciones de IA permiten a los trabajadores de primera línea capturar de forma fácil, precisa y rápida el contexto del flujo de trabajo e integrarlo directamente en un ordenador móvil portátil con agentes de IA, con el fin de mejorar la productividad, obtener una mayor visibilidad de los activos y enriquecer la experiencia del cliente.
Hacerlo realidad
Los SLM también son idóneos para la IA integrada en dispositivos, ya que incorporan capacidades de IA a dispositivos móviles, wearables y otros dispositivos con recursos limitados, lo que permite funciones como asistentes de voz sin conexión y traducción en tiempo real. Los agentes de IA SLM permiten aplicaciones de computación periférica, lo que facilita el procesamiento de datos a menor distancia de la fuente, reduciendo así la latencia y el consumo de ancho de banda.
Esto ofrece importantes ventajas para los trabajadores de primera línea en el comercio minorista, los almacenes y las operaciones logísticas, ya que mejora significativamente la toma de decisiones en tiempo real y aumenta la eficiencia en estos entornos.
- Un “agente de conocimiento” (knowledge agent) podría permitir la interacción de manera conversacional con las ayudas de trabajo y los procedimientos operativos estándar, agilizando la incorporación y garantizando que los empleados reciban la información que necesitan en el momento preciso.
- Un “agente de ventas” que ayude con preguntas de clientes y empleados sobre productos, consultas en tiempo real sobre disponibilidad y precios, así como con recomendaciones de venta cruzada y venta adicional durante las interacciones con los clientes.
- Un agente de merchandising podría combinar tecnología de reconocimiento de imágenes integrada en el dispositivo mediante visión artificial para automatizar de forma inteligente la evaluación del estado de las estanterías. Además, podría complementar los flujos de trabajo de los equipos de primera línea para resolver problemas de distribución, como huecos en los estantes o incidencias con los planogramas, así como colocación, precios y señalización incorrectos.
IA al instante, sin necesidad de la nube
Los SLM integrados ofrecen ventajas muy atractivas que serán muy apreciados por los equipos de TI, innovación y CTO, como una mayor privacidad, que representa un beneficio importante. Los datos de los usuarios nunca salen del dispositivo, lo que minimiza el riesgo de filtraciones y garantiza un mayor control sobre la información personal.
También se reduce la latencia, ya que el procesamiento se realiza de forma local sin necesidad de comunicarse con un servidor remoto. Esto permite respuestas prácticamente instantáneas, lo cual es fundamental en aplicaciones en tiempo real, como asistentes de voz o traducción en vivo.
Además, se pueden reducir los costes de ancho de banda y de computación en la nube de los LLM, ya que los datos permanecen en el dispositivo y el procesamiento local puede disminuir significativamente el consumo de datos móviles. Los SLM también pueden funcionar offline, ya que la IA sigue operativa incluso sin conexión a Internet, lo que resulta especialmente útil en zonas con conectividad limitada o inestable.
El potencial se extiende a varias áreas, como asistentes de voz más avanzados que resultan más rápidos, respetuosos con la privacidad y capaces de comprender y responder a solicitudes complejas incluso sin conexión a la nube. También dispone de traducción en tiempo real, con interpretación instantánea de lenguaje hablado y texto sin depender de la nube.
Los agentes multimodales de IA son el futuro
El futuro de la inteligencia artificial es inherentemente multimodal. Los seres humanos no experimentamos el mundo únicamente a través del texto; utilizamos la vista, el oído, el tacto y más. La IA necesita hacer lo mismo, usando todos los sentidos, para comprender e interactuar con el mundo de manera eficaz.
La buena noticia es que los SLM y los agentes de IA pueden ser multimodales, como en el ejemplo de distribución que he mencionado anteriormente. No se limitan únicamente a procesar y generar texto. Y, en esta visión, deben ser multimodales para alcanzar todo su potencial, especialmente cuando se despliegan en dispositivos edge. Existen un par de enfoques principales para lograrlo, cada uno con sus ventajas y consideraciones:
- SLM multimodales integrados: son modelos específicamente diseñados para procesar múltiples modalidades de forma directa. Este es el enfoque más eficaz, pero requiere un diseño y entrenamiento minuciosos.
- Sistemas multimodales modulares: consisten en combinar un SLM con modelos especializados e independientes para otras modalidades (por ejemplo, un modelo de reconocimiento de imágenes o un modelo de voz a texto). El SLM actúa como coordinador, procesando el texto e interactuando con los otros modelos según sea necesario.
La tendencia apunta a SLM multimodales integrados a medida que la tecnología madura y se encuentran formas más eficientes de entrenar estos modelos complejos. Sin embargo, un enfoque modular suele ser más práctico y rentable a corto plazo, especialmente cuando se enfrentan a las limitaciones de recursos que conlleva la implementación en dispositivos locales.
Este futuro implica una combinación de ambos enfoques, dependiendo del caso de uso específico y de los recursos disponibles. La investigación y el desarrollo actuales permitirán crear SLM multimodales integrados y agentes de IA más eficientes y potentes, al tiempo que se desarrollan sistemas modulares robustos que puedan personalizarse y desplegarse fácilmente en una amplia gama de dispositivos.
En última instancia, el objetivo es habilitar sistemas de IA que puedan procesar y comprender el mundo a través de múltiples sentidos, permitiendo interacciones más naturales, intuitivas y eficaces con las personas y el entorno. La IA que mejore el trabajo día a día será la verdadera ganadora.
Más información en Zebra Companion.
