Qué es la IA generativa y qué puede hacer
Reconocer cuándo un problema pide crear contenido nuevo, terreno de la IA generativa, y cuándo basta con ML predictivo o una API especializada, situando la IA generativa dentro de la jerarquía IA ⊃ machine learning ⊃ deep learning.
1. El problema de negocio
En una aseguradora, los tramitadores de siniestros dedican buena parte de la jornada a redactar cartas a los asegurados, resumir informes periciales extensos, localizar cláusulas en las pólizas y contestar correos repetitivos. La dirección quiere aliviar esa carga este trimestre sin abrir un proyecto de desarrollo. En la misma reunión, el área de riesgos pide que la herramienta elegida puntúe también el riesgo de fraude de los miles de siniestros que entran cada mes.
2. Solución de Google: Gemini app y Google Workspace with Gemini para crear, resumir, descubrir y automatizar
- Servicio
- y para crear, resumir, descubrir y automatizar
- Capa
- Aplicaciones
- Por qué
- Redactar, resumir, localizar cláusulas y contestar correos repetitivos corresponden a los cuatro verbos de la IA generativa: Create, Summarize, Discover y Automate. Una oferta ya lista como la o aporta esas capacidades de procesamiento del lenguaje natural (NLP), campo transversal de la IA, sin desarrollo ni equipo de ML, lo que acorta el plazo.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones[Capa de esta lección]
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Google Workspace with Gemini
- Gemini Notebook
- Gemini for Google Cloud
Capa 4Agentes
Software que persigue un objetivo usando un modelo y herramientas.
- Agentes en Agent Platform
- Gemini Enterprise for Customer Experience
Capa 3Plataforma
APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.
- Agent Studio
- Agent Search
- Model Garden
- Agent Platform AutoML
- RAG Engine
- Agent Runtime
Capa 2Modelos
Algoritmos entrenados con grandes volúmenes de datos que generan contenido.
- Gemini
- Gemma
- Imagen
- Veo
Capa 1Infraestructura
Cómputo y almacenamiento físico para entrenar y servir modelos.
- AI Hypercomputer
- Cloud TPU
- GPU
- Centros de datos de Google
3. Límites
- No la uses si
- La necesidad no es crear contenido sino predecir una etiqueta, como el riesgo de fraude, a partir de un histórico etiquetado: un modelo predictivo, o una API especializada si existe para esa tarea, llega antes a un resultado fiable y medible que adaptar un asistente generativo.
- Variable que fuerza el cambio
- Plazo de entrega
- Alternativa
- Un modelo de ML predictivo entrenado con o, si existe para la tarea, una API preentrenada especializada.
4. La trampa habitual
- [✗] Distractor
- Pedir al mismo asistente generativo que asigne a cada siniestro una puntuación de riesgo de fraude leyendo el expediente, en lugar de usar un modelo predictivo entrenado con el histórico de siniestros.
- Por qué tienta
- El asistente ya está en uso y entiende los expedientes, así que reutilizarlo parece más rápido que poner en marcha otra herramienta.
- Por qué es incorrecto
- En la jerarquía IA ⊃ machine learning ⊃ deep learning (el deep learning usa redes neuronales de muchas capas), la IA generativa es la aplicación de ML centrada en crear contenido nuevo. Puntuar el fraude de miles de siniestros es una predicción sobre datos etiquetados, que un modelo predictivo entrenado con ese histórico resuelve de forma más previsible y medible.
5. Micro-check
Fuentes oficiales
Chatbot de Google para redactar, resumir, traducir y crear imágenes. Gemini Advanced (hoy Google AI Pro) es su nivel de pago. La guía de estudio le atribuye protecciones de nivel empresarial; en el producto, las da una licencia de Google Workspace with Gemini.
Ficha de Gemini appIA generativa integrada en Gmail, Docs, Sheets, Slides y Meet: redacta correos, ayuda a escribir, genera imágenes y resume reuniones. La guía del examen la sigue llamando Gemini for Google Workspace.
Ficha de Google Workspace with GeminiOpción de Model Builder que entrena modelos de ML sin programar y con mínimo conocimiento técnico: automatiza la preparación de los datos, la elección del modelo y su ajuste para clasificar imágenes, detectar objetos o predecir con datos tabulares.
Ficha de Agent Platform AutoML