El Financial Times presenta un algoritmo generativo en modo chatbot, Ask FT, desarrollado a partir del Claude de Anthropic y entrenado con varias décadas de sus propios artículos, poniendo de manifiesto la lógica de la IA generativa: que quien tenga datos, debe ponerlos en valor, bien sea vendiéndolos a un tercero (como es el caso de Reddit en los Estados Unidos, de Prisa en España o de Le Monde en Francia) o utilizándolos él mismo para alimentar algoritmos capaces de generar servicios o propuestas interesantes.

En el caso del Financial Times, que cuenta con un archivo histórico de 135 años de noticias económicas o con trascendencia sobre la economía con una reputación muy positiva y ganada a pulso, plantearse utilizar esas noticias para dar respuesta a preguntas de los usuarios es algo que tiene, simplemente, toda la lógica del mundo. La elección de Claude, el algoritmo creado por Anthropic, no es tampoco casual: desde sus inicios, la compañía se planteó hacer su algoritmo muy eficiente a la hora de ingerir y procesar grandes cantidades de texto.

A partir de ahí, cabe plantearse, en primer lugar, el valor que obtiene la compañía, más allá de encontrarse con miles de usuarios intentando obtener resultados más o menos «pintorescos» o «absurdos» y divirtiéndose compartiéndolos en redes sociales. Todo algoritmo generativo tiene casos habituales de las llamadas «alucinaciones» que se corresponden simplemente con correlaciones bajas que no representan relaciones reales, pero que el algoritmo interpreta como tales, y ese efecto se magnifica cuando muchos usuarios directamente se dedican a «buscarle las cosquillas».

La respuesta a esa pregunta debe comenzar con una reflexión acerca de la evolución de la búsqueda, que particularmente en entornos especializados deviene cada vez más en interfaces conversacionales a las que el usuario puede plantear preguntas directas y encontrarse con respuestas razonadas, redactadas y convenientemente fundamentadas, en lugar de con simplemente punteros a los que dirigirse, que en muchos casos son referencias tangenciales, para tener que llevar a cabo el trabajo de síntesis ellos mismos.

En segundo lugar, cabe pensar en un factor muchas veces subestimado: el aprendizaje institucional que tiene lugar cuando una compañía desarrolla e implanta herramientas de este tipo. Conseguir que las herramientas algorítmicas sean vistas por las compañías como algo cercano, razonablemente accesible y que puede ser perfectamente desarrollado in-house es un beneficio muy significativo, particularmente para compañías que se benefician enormemente de una cultura de permanente actualización en sus trabajadores como es el caso de un medio de información. Tener contacto habitual con algoritmos generativos propios puede hacer que muchos empleados apliquen su lógica a otros campos en los que se consideran especialistas, y que planteen desarrollos con un potencial, en muchos casos, muy relevante.

Es lo que llevamos viendo desde el inicio de la era de la algoritmia generativa: las compañías deben plantearse su actividad en torno a los repositorios de datos que poseen, entender qué valor potencial pueden llegar a tener en función del estado en el que estén (nivel de calidad, digitalización o etiquetado), y tratar de desarrollar algoritmos que sean capaces de materializar ese valor en forma de propuestas interesantes. Si no lo haces, ya lo sabes: serás como aquellos que, a finales de la década de los ’90s o a principios de este siglo aún decían aquello de «¿y yo para qué diablos necesito internet?»

 
 Nota:enriquedans.com