Google ve potencial en los servicios de Inteligencia Artificial Generativa en México

El gigante tecnológico Google ha decidido incluir en el impacto económico que generan sus servicios en México a aquellos que provienen de su división de nube Google Cloud. Para David Ruiz, líder de Práctica de Datos, Análisis e Inteligencia Artificial en Google Cloud México, esta decisión responde al potencial que la compañía ve en este tipo de servicios en el país.

En entrevista con El Economista, Ruiz habla sobre las oportunidades que ofrecen los servicios de nube a las empresas mexicanas, entre los que destaca los servicios de Inteligencia Artificial Generativa, pero también sobre los retos éticos y de consumo de energía que representan estos servicios.   

—Google ha incluido el impacto económico que tienen sus servicios de nube en México, ¿qué es lo que están viendo entre las empresas respecto del uso de la nube para hacer esta inclusión? 

En una palabra potencial; sabemos que la nube tiene un potencial altísimo en México. Nosotros pensamos que con la inversión en herramientas digitales de nube, podríamos impulsar hasta 15% más el PIB del país. Para nosotros, la intención de separar los números es reconocer el potencial que vemos en México y está básicamente dividido en dos partes: lo que se refiere a tener infraestructura digital en México y la segunda es poder tener habilidades digitales en el país.

—¿A qué te refieres con infraestructura digital en México? 

La parte de infraestructura digital es el tema de nuestra región de nube. Estamos trabajando en el plan y programa adecuado para tenerla lista. Para el 2030, la región de nube habrá contribuido para la economía en México por 226,300 millones de pesos y esto también incluye la creación de 117,400 empleos directamente, gracias al tema de la región de nube que tendremos en el estado de Querétaro.

—Cuáles son los servicios de nube que están demandando las empresas pequeñas, medianas y grandes en México?

Yo creo que darte una lista de servicios sería demasiado extenso, pero me gustaría mucho enfocarlo en el aspecto de que hemos visto un crecimiento importantísimo en el punto de la inteligencia artificial generativa. Nada más de abril a julio de este año, creció en 150 veces la cantidad de proyectos que hemos visto con respecto a la inteligencia artificial generativa en el mundo. Entonces, imagínate el potencial que nosotros estamos viendo y con esto yo creo que deberíamos de poder aprovechar algunas oportunidades importantes: la primera es el aspecto de poder conocer mejor a tu cliente; la segunda es el tema de poder compartir no solamente datos, sino conocimiento, para eso requieres servicios de analítica e inteligencia artificial para poder llegar a tener un conocimiento profundo. Y el tercero tiene que ver con el hecho de poder eficiente a las cadenas de valor, para el nearshoring, porque eso significa llegar a tener un conocimiento claro de qué comprar, dónde comprarlo y a qué hora comprarlo, para poder ofrecer los servicios que serían necesarios para aprovechar esta oportunidad.

—¿Para qué están dirigidos estos servicios de inteligencia artificial generativa en el caso de las empresas?

En el caso de las empresas está VertexAI, que busca ofrecer nuestras capacidades de Inteligencia Artificial Generativa. La primera es tener capacidades increíbles de sumarización y clasificación de  información, pueden ser hojas financieras, aspectos de riesgo, temas de logística, etcétera. La segunda tiene que ver con el hecho de cómo interactúan los humanos y las computadoras, es decir, los chats conversacionales, que definitivamente han cambiado para siempre la forma de trabajar de las empresas. La tercera tiene que ver con la creación de contenido: puedes crear texto a texto; puedes, a través de texto, crear imágenes; el tercero es texto a video y el último es texto a código.

—Estamos viendo que las grandes empresas tecnológicas están lanzando herramientas de Inteligencia Artificial Generativa, tanto para otras empresas como para los consumidores, ¿qué es lo determinante al momento de elegir un producto de Inteligencia Artificial Generativa?

Tiene que ver con el hecho de que el proveedor tenga un código de ética suficientemente fuerte como para seleccionar los casos de uso en los cuales va a estar trabajando. También importa mucho el hecho de poder cuidar claramente los datos, es decir, que tengamos la seguridad total de que los datos están siendo utilizados exclusivamente para los fines para los cuales yo lo he autorizado, y también es importante que los outputs, o sea, lo que termina siendo el resultado del modelo de Inteligencia Artificial Generativa, son del cliente. Google no tiene acceso a esos resultados, ni siquiera puede leerlos. Nosotros no entrenamos nuestros propios modelos utilizando los de nuestros clientes.

—Entiendo que Google tiene una serie de principios ya desde hace varios años para el uso de la Inteligencia Artificial, pero ¿qué pasa con la cuestión de los datos de los clientes, es decir, cómo eliminar la posibilidad de sesgos sin que ustedes justamente entren a observar los datos de los clientes o a evaluarlos?

Todos los sistemas de inteligencia artificial tienen sesgos, porque están imitando a los seres humanos y los seres humanos tenemos sesgos. Yo creo que el tema relevante es que los clientes se sientan seguros de que a la hora de estar subiendo los datos a la nube de Google son exclusivamente para los fines en que ellos están pensando. Nosotros podemos obviamente proveer consultoría para que puedan utilizar de manera efectiva los modelos, pero en cuanto a los datos, nosotros no los vamos a ver, no podemos verlos, eso es una de las promesas más importantes que hacemos desde Google Cloud, pero sí se recomienda o se hacen estas consultorías con el fin de revisar el sesgo. Todos los casos de uso de Inteligencia Artificial pasan por nuestro Comité de Ética, entonces con eso nos quedamos seguros de que se están utilizando siguiendo los lineamientos de ética que Google ha establecido.

—Es conocido que los modelos de Inteligencia Artificial y su entrenamiento consumen mucha energía y por tanto dejan una importante huella de carbono, ¿qué es lo que hace Google para eficientar el entrenamiento y que los modelos no consuman tanta energía?

Nosotros hicimos un compromiso de neutralidad de carbono; entonces estamos trabajando en ese sentido para ser neutrales en el aspecto de la huella de CO2 que tenemos en el mundo. Para poder conseguir esto, estamos tomando en cuenta el tema del entrenamiento de los modelos y partimos de tres componentes: el primero es que tengamos tecnología suficientemente buena para que el entrenamiento de los modelos sea rápido, lo que significa menos tiempo, menos energía, menos huella de carbono. El segundo es que creamos nuestro propio chip de silicio, para poder hacer que sea mucho más eficiente el proceso de entrenamiento y tenemos un chip que se llama TPU, que significa Tensor Flow Processing Unit. Este TPU está eficientado para entrenar modelos, entonces eso significa otra vez menos tiempo y menos consumo. El tercero tiene que ver con el hecho de poder disponibilizar con un consumo mínimo de energía el uso de los modelos. Entonces, si tenemos un entrenamiento rápido, sistemas que pueden hacerlo rápido y sistemas que disponibilizan rápido, esto va a provocar que tengamos en general menos consumo de energía.

rodrigo.riquelme@eleconomista.mx