¿Estamos realmente viendo el impacto de AI que tanto se promete? Comienzan a aparecer indicios de que la gente está cansada de leer cosas genéricas sobre casos de uso de AI, o quizás sólo yo estoy cansado de leer templates que no muestran diferenciación con datos o impacto concreto:
“Leveraging non-specialized Large Language Models (LLMs) to streamline general information discovery, gathering, and organization workflows that would have taken a lot more time to complete without it.”
Creo que podriamos mejorar mucho el entendimiento de la promesa de la inteligencia artificial generativa; el ritmo de inversión que estamos viendo necesita ejemplos concretos y directos como el siguiente:
“Alaska Airlines ha estado utilizando inteligencia artificial desde 2021 para ayudar a optimizar las rutas de vuelo por eficiencia. El sistema… analiza el clima, cierres de espacio aéreo y planes de vuelo de la FAA dos horas antes de cada vuelo para sugerir las mejores rutas. La AI procesa volúmenes de datos que sobrepasarían las capacidades humanas y, en menos de dos años, contribuyó a reducir los tiempos de vuelo en el 25% de los vuelos de Alaska, ahorrando un total de 41,000 minutos y aproximadamente medio billón de galones de combustible.”
AI in Airlines at NYC by Julie Weed
Este explica de forma simple cuál es verdaderamente el impacto en el negocio y por qué vale la pena invertir en GenAI. De hecho, creo que lo mejor que logramos en Microsoft for Startups al trabajar con OpenAI, Llama y Mistral fue crear casos de uso enfocados en el valor que esto genera para una startup.
Siempre digo lo mismo: para escalar, uno tiene que entender dónde la velocidad, el uso de datos y, sobre todo, el análisis de patrones tienen sentido.
Arrancamos con una pregunta simple ¿Porque un startup necesita velocidad? Primero porque necesita extender el runway, eso implica que a la necesidad de velocidad de implementación le suma velocidad para encontrar su “product-market fit”… y cuando lo logra, cambias sus necesidades a escalar su modelo de negocios e infraestructura (técnica/humana) pero sigue necesitando velocidad.
Quizas es esto lo que nos complica extender el caso de uso de “workflows that would have taken a lot more time to complete without it.” a “y con esto se ahorran 1.7 millones de galones de combustible” si logramos ese cambio en narrativa para clientes se explica mucho más simple: ¿cómo sabemos cuánto invertir? ¿Cómo sabemos cuánto esfuerzo dedicarle a GenAI?
Hacen falta más explicaciones de uso como el de Alaska Airlines o el de American Airlines que se menciona a continuación y menos escenarios aspiracionales.
“American Airlines ha desarrollado un sistema impulsado por AI llamado Smart Gating, que dirige las aeronaves entrantes a la puerta de embarque disponible más cercana, minimizando el tiempo de rodaje. Introducido por primera vez en Dallas Fort Worth en 2021, Smart Gating ahora se utiliza en seis aeropuertos, incluidos Chicago O’Hare y Miami International. Se estima que el sistema ahorra 17 horas de tiempo de rodaje diariamente y 1.4 millones de galones de combustible para aviones anualmente.”
Creo que ejemplos concretos de impacto ayudarían mucho a separar unos jugadores de otros en el mercado y sobre todo lograr qeu ¿Qué otros ejemplos concretos conoces que demuestren el verdadero impacto de AI en los negocios? ¡Comparte tus pensamientos en los comentarios!
Una respuesta a “Inversión en AI: de casos de uso a ROI”
Interesante artículo, pero cuánto hay de “AI” o “GenAI” en esas soluciones de American Airlines y cuánto simplemente de algoritmos o Machine learning clásico? Cuál es el salto que permitió lo que antes no se podía hacer? No veo realmente que esto sea sobre LLM, GenAI, si no simplemente algoritmos / ML clásico usado a favor del negocio.