Contenidos Patrocinados
En 2016 ya había un gran entusiasmo por la Inteligencia Artificial, desatado en gran medida por AlphaGo y la idea de que la IA estaba derrotando a los humanos en más y más disciplinas. Por aquel entonces ya se hablaba de deep learning y las redes neuronales, el aprendizaje supervisado y no supervisado, el machine learning y otros tipos y subtipos de inteligencias artificiales. En las empresas más innovadoras de martech y, especialmente, en el sector adtech, cobraba importancia el mensaje de que ya estaban incorporando la IA en sus soluciones y utilizaban herramientas de inteligencia artificial automatizadas y a escala. Y después, el entusiasmo se desvaneció, pero sólo hasta la aparición ChatGPT, que ha desencadenado una supuesta revolución, al estilo de lo que muchos habrían deseado para el metaverso o los NFTs, que dejó al sector sin palabras. Pero, realmente, ¿por qué?
La ola toca tierra, ¿y después qué?
Cada moda necesita vivir un momento estelar para que la ola que la impulsa siga en movimiento. Pero también una ola, inevitablemente, alcanza la playa en algún momento. Y entonces miras a ver qué ha quedado atrás: a veces es mucho, en general agradable, pero en la mayoría de las ocasiones, la isla sigue ahí. Y la ola de la IA Generativa no nos ha arrastrado como si fuera un tsunami, sino que más bien todo sigue igual que antes y, solo allí donde hay un verdadero valor añadido, se ha quedado algo más.
Es cierto que las olas siguen llegando, con nuevas versiones, plug-ins y aplicaciones. Pero son muy pocas las olas capaces de revolucionar una industria de un día para otro. Muchas podrán mejorar la calidad y acelerar los procesos, pero en el sector publicitario en particular, mucho de lo que se puede automatizar ya está automatizado, y lo que no a menudo es porque implica procesos complicados de aprobaciones en los que a la gente todavía le gusta mantener el control. Si bien es cierto que experimentaremos cambios importantes en el medio y largo plazo, y algunas tareas se eliminarán por completo, en el corto plazo estamos viendo cambios más graduales, ajustes a procesos que ya existen. Es una evolución, más que una revolución.
Para que se produzca un cambio real se necesita tiempo. Y esto no es tanto consecuencia de que la IA no sea capaz de hacerlo, incluso si todavía hay mucho por desarrollar, sino a que los humanos muchas veces somos reacios a ceder el control, y especialmente en el sector del marketing. Por eso, es poco probable que se produzca una disrupción repentina. Y si miramos con un poco de distancia el lanzamiento de ChatGPT al gran público, esto se hace cada vez más evidente.
La IA es IA, y la IA generativa es un componente de esta misma IA; más concretamente, un proceso de aprendizaje profundo. Al final, la cuestión no está en cómo la IA resuelve un problema, a saber, mediante el aprendizaje profundo, sino qué problemas resuelve la IA generativa, especialmente aquellos que antes no se podían resolver.
Si pensamos, por ejemplo, en una plataforma que ofrece segmentación basada en el contexto de una web, o que emplaza anuncios en “entornos seguros”, no necesita IA generativa para llevarlo a cabo. Hay otros procesos que pueden resolverlo correctamente y, sorpresa, también están basados en el deep learning y las redes neuronales, y desde hace años. Por tanto, ya existe un sistema de funcionamiento altamente especializado en segmentación contextual y seguridad de marca desde mucho antes de que surgiera todo el revuelo en torno a la IA. Y la producción automatizada de textos, imágenes, gráficos y otros recursos no es necesaria en este caso, como tampoco lo es la interacción a través de consultas, por lo que los únicos selling points de la IA generativa, en este caso, no aplican.
La cuestión no es la disrupción, sino la evolución gradual. ¿Podemos conseguir resultados similares pero de forma más eficiente? ¿Puede servir para optimizar los flujos de trabajo en la planificación de medios, o simplificar el acceso al conocimiento especializado sobre modelos de lenguaje de gran tamaño (LLM)? Cada empresa debería plantearse dónde está el potencial para la optimización a través de la automatización, la integración de componentes de IA en los flujos de trabajo o incluso en todos los procesos automatizados. La IA generativa y la nueva forma de interactuar a través de consultas, y el uso del lenguaje natural, hacen que estos temas sean más tangibles y adecuados para el uso cotidiano, y los saca del nivel experto para acercarlo al masivo, ya que ahora todo el mundo puede comunicarse con la IA, incluso quienes no realizan tareas especializadas.
Todos deberían plantearse la disrupción desde el punto de vista estratégico. No habrá una “muerte súbita” para la mayoría, sino una optimización coherente que pasa por preguntarse ¿dónde y cómo puedo utilizar la IA, incluyendo la IA generativa? ¿Cuánto mejorará el resultado y a qué coste?
Volviendo al ámbito de la tecnología publicitaria, lo cierto es que una industria tan automatizada como la nuestra, en la que la IA y todos los modelos imaginables de machine learning ya están extendidos, no se va a transformar por completo de un día para otro. Al fin y al cabo, la IA generativa no puede mejorarlo todo mucho más de lo que ya está. Lo que puede hacer es evidente: comunicar, parecer un humano y conjurar algunos resultados creativos aparentemente desde cero. Y veremos muchos servicios que se construyan sobre un modelo así, o que sean capaces de acelerar procesos que a día de hoy siguen siendo muy lentos. Pero al final, estos avances tendrán que integrarse en grandes flujos de trabajo que ya están automatizados. Y eso siempre es un problema, y suele necesitar tiempo.
En el principio era el bot
Precisamente por todas las razones que he mencionado anteriormente, la primera aplicación a la que todos prestan atención es el chatbot. ¿Por qué? Porque aunque los antiguos chatbots no eran buenos, hace tiempo que existen. Todos nos hemos desesperado alguna vez intentando utilizar alguno, y por eso tiene sentido sustituir estos interlocutores cuestionables por interacciones reales y de alta calidad que puedan ser de ayuda para los clientes. El esfuerzo que supone crear estos nuevos bots es totalmente asumible, ya que existen modelos de lenguaje “genéricos”, datos para entrenar a los antiguos bots, o simplemente la documentación de ayuda necesaria, por lo que no es tan complejo extenderlo. Eso sí, aunque los bots puedan ser de gran ayuda, no lo llamaría disrupción. Lo que sí hacen es activar a los usuarios, en el sentido positivo de la palabra, permitiéndoles tener una conversación en lenguaje natural con una máquina que puede serles de ayuda en muchos casos.
Sin embargo, para análisis más genéricos como la investigación, sigue siendo complicado. Cuanto más crítico es el análisis, más importantes son la corrección y la trazabilidad, citar fuentes y la fiabilidad de las declaraciones que se hacen. El problema que hemos tenido los humanos durante mucho tiempo es que no estamos seguros de poder confiar realmente en el resultado que ofrece la inteligencia artificial, no solo la IA generativa. Y, aunque nos puede servir como un filtro más en los procesos de análisis e investigación, los humanos nos vamos a quedar, al menos durante algún tiempo más.
En el ámbito creativo la IA también presenta problemas con la repetición y la iteración. Aunque son tecnologías capaces de generar correctamente activos y de servir de fuente de inspiración, siempre tienen límites. De hecho, es habitual hacer solicitudes a la IA que no terminan de ofrecer el resultado deseado para, al final, acabar diciendo: “uf, podría haberlo hecho yo más rápido de forma manual”. Y si lo vemos desde el punto de vista de la identidad corporativa, la IA (todavía) se queda fuera, o al menos desempeña un papel muy pequeño y bien definido.
La colaboración entre humanos e inteligencia artificial todavía tiene que aprenderse, y hay muchas que no tendremos claras hasta que la IA funcione de forma adecuada y eficiente.Lo que sí es necesario, en última instancia, es la “inteligencia aumentada”, la extensión de la inteligencia humana y no el sustituto de los humanos. Pero aún no estamos en ese punto y, por ahora, la IA se utiliza como generadora de imágenes o textos y, aunque potencialmente ofrece un sinfín de posibilidades, hace falta también tiempo y confianza.
Todavía hace falta tiempo
Las tecnologías revolucionarias, habitualmente, se integran en los procesos empresariales ya existentes, por lo que rara vez son realmente disruptivas. Y es especialmente complicado cuando la confianza es un componente integral y no todo se decide, de forma exclusiva, en función de los números.
Nadie pulsa un botón y automáticamente confía en la IA para crear sus propios contenidos, o para gestionar datos sensibles. Aunque está claro que avanzamos en esa dirección, todavía pasará bastante tiempo antes de que esos procesos se pongan en marcha.
Pero incluso cuando llegue, las preguntas siguen siendo las mismas: ¿Es mejor utilizar un modelo de deep learning súper granular para optimizar campañas frente a un modelo clásico de machine learning? ¿Qué aporta un modelo clásico? ¿Es más barato y más sostenible? ¿Con qué frecuencia se va a volver a entrenar el modelo y con qué frecuencia dispondremos de nueva información para entrenarlo? Y el asunto del coste-beneficio también es importante, porque de nada sirven las exageraciones si un modelo ofrece una calidad predictiva del 80 % y otro del 80,4 % pero tiene un coste 20 veces más elevado, o que solo está disponible una vez ha finalizado la campaña. En publicidad, hablamos de sistemas muy dinámicos.
En definitiva, tenemos claro que la IA generativa está aquí para quedarse. Y la tecnología se impondrá en determinados sectores, pero desde luego no en la industria publicitaria y menos aún sobre la forma en la que hoy en día ya se están resolviendo muchas cosas. Tiene que llover mucho todavía antes de que la IA generativa despliegue todo su potencial en nuestro terreno de juego.
