Al construir el futuro centrado en la inteligencia artificial, Edward Kim, cofundador y director de tecnología de Gusto, ofrece una perspectiva diferente. Él argumenta que recortar el equipo existente y contratar a un grupo de ingenieros de IA especialmente capacitados no es el enfoque correcto.
En una entrevista con TechCrunch, Kim señaló que los miembros del equipo no técnicos pueden comprender mejor que los ingenieros promedio las situaciones y las dudas que pueden experimentar los clientes, lo que los hace más aptos para guiar el desarrollo de las funciones en las herramientas de IA. El método de Gusto consiste en que los miembros no técnicos de su equipo de experiencia del cliente escriban "recetas", que guían la interacción de su asistente de IA, Gus (anunciado el mes pasado), con los clientes.
Kim también mencionó que la empresa descubrió que "las personas que no son ingenieras de software, pero que tienen cierta inclinación técnica, pueden construir aplicaciones de IA realmente potentes y revolucionarias", como CoPilot, una herramienta de experiencia del cliente lanzada en junio para el equipo de CX de Gusto, que ya registra entre 2000 y 3000 interacciones diarias.
Kim afirma que Gusto puede, de hecho, capacitar a muchas personas dentro de la empresa para que construyan aplicaciones de IA. Esta entrevista ha sido editada para mayor claridad y comprensión.
Gus es la principal función de IA que Gusto ofrece a sus clientes, integrando en muchos aspectos muchas funciones puntuales construidas previamente. En las aplicaciones, se empiezan a ver repletas de botones de IA, como "pulsa este botón para hacer algo con IA". Gus permite eliminar todos esos botones; cuando creemos que Gus puede hacer algo valioso por ti, Gus puede aparecer de forma discreta y decir: "¿Puedo ayudarte a escribir una descripción del puesto?". Es una forma más limpia de interactuar con la IA.
Kim considera que la programación de software no es accesible para la mayoría de las personas: hay que aprender a codificar y estudiar durante muchos años. El aprendizaje automático es aún más inaccesible, ya que requiere ser un ingeniero de software con habilidades muy específicas y un conjunto de habilidades en ciencia de datos, sabiendo cómo crear redes neuronales artificiales, etc. Pero el mayor cambio reciente es que la interfaz para crear aplicaciones de aprendizaje automático e IA se ha vuelto mucho más accesible para cualquiera. Antes teníamos que aprender el lenguaje de las computadoras, ir a la universidad para ello; ahora las computadoras están aprendiendo a comprender mejor a los humanos. Puede que no parezca gran cosa, pero si lo piensas, hace que la creación de aplicaciones de software sea mucho más accesible.
La práctica de Gusto demuestra que incluso las personas que no son ingenieras de software, con un poco de inclinación técnica, pueden construir aplicaciones de IA realmente potentes y revolucionarias. La empresa está utilizando su equipo de soporte para ampliar las capacidades de Gus, y no necesitan saber programar. La interfaz que utilizan ahora les permite hacer lo que los ingenieros de software han estado haciendo, sin tener que aprender a codificar. Si quieren, puedo dar un ejemplo de esto.
En Gusto, incluso las personas sin formación técnica pueden encontrar la manera de aprovechar su experiencia en su campo, especialmente el equipo de atención al cliente, para ayudar a construir aplicaciones de IA más potentes, permitiendo que Gus haga cada vez más cosas. Cada vez que el equipo de atención al cliente recibe un ticket de soporte (es decir, uno de nuestros clientes se pone en contacto con nosotros porque quiere que nuestro equipo de soporte le ayude con algo), si se repite, hemos hecho que el equipo de atención al cliente escriba una "receta" para Gus, lo que significa que pueden enseñarle a Gus sin ninguna habilidad técnica. Pueden enseñarle a Gus cómo guiar a los clientes para resolver problemas, y a veces incluso a tomar medidas.
Gusto ha construido una interfaz interna, una herramienta interna, donde puedes escribir instrucciones a Gus en lenguaje natural, diciéndole cómo manejar una situación así. De hecho, el equipo de atención al cliente tiene una forma de decirle a Gus que llame a una API específica para realizar una tarea sin necesidad de codificación.
Actualmente hay mucha discusión sobre "vamos a eliminar todos estos trabajos en este campo, estamos contratando a estos expertos en IA, estamos pagando millones de dólares porque tienen este conjunto de habilidades único". Simplemente pienso que es el enfoque equivocado. Porque las personas que realmente pueden impulsar tu aplicación de IA son aquellas que tienen experiencia en el campo, aunque puedan no tener experiencia técnica. Gusto puede, de hecho, capacitar a muchas personas aquí para ayudarlas a construir aplicaciones de IA.
Kim destaca que la elección entre ICL e IFT depende de varios factores, incluyendo los recursos disponibles, la cantidad de datos y las necesidades de la aplicación específica. En cualquier caso, la investigación destaca la importancia de los datos de entrenamiento de alta calidad para ambos métodos. Esta investigación, titulada "¿Es suficiente el aprendizaje en contexto para seguir instrucciones en LLM?", se presentará en la conferencia NeurIPS de 2024, y el código está disponible en GitHub.
