INFORME DE INNOVACIÓN EMPRESARIAL

Maximice el valor
empresarial de la Colocar imagen
aquí

IA generativa
Aproveche el potencial completo de la IA
generativa
Resumen ejecutivo
Un incremento en el entusiasmo de los consumidores y las empresas, en
combinación con un acceso a las tecnologías más amplio y simple, nos
ha llevado a un punto de inflexión para la IA generativa. En la actualidad,
todas las organizaciones deberían evaluar el impacto de la IA generativa y
cómo pueden aprovechar su valor transformador.
La mayoría de las organizaciones reconocen la importancia de este
momento y la necesidad de desarrollar una estrategia para explorar la IA
generativa con rapidez. Pero, para muchos, las preguntas permanecen:
¿A quién está dirigido este contenido?
Este informe de innovación se diseñó para
líderes empresariales que buscan adquirir un
mayor entendimiento sobre la IA generativa
para aprovecharla y mejorar sus resultados
empresariales.

• ¿Qué es la IA generativa?
• ¿Cómo se diferencia la IA generativa de las generaciones anteriores de
inteligencia artificial (IA)?
• ¿Cuáles son los principales casos de uso empresarial?
• ¿Qué clientes ya la están usando?
• ¿Por dónde empiezo?
• ¿Cuáles son sus riesgos y cómo los puedo mitigar?

Este informe de innovación empresarial proporciona una descripción

general de la IA generativa, junto con una descripción específica de
sus capacidades, casos de uso y valor empresarial. También ofrece
información valiosa de parte de expertos en la materia de Amazon
Web Services (AWS) para aprovechar nuestros amplios conocimientos y
experiencia en las tecnologías de IA y machine learning (ML).

2
Índice
Introducción: un nuevo mundo de inteligencia.................................................. 4

Comprensión de la IA generativa.. ................................................................... 7

Capacidades empresariales de la IA generativa.................................................. 9

Consideraciones empresariales de la IA generativa............................................ 10

Información ejecutiva en la IA generativa........................................................ 12

Casos de uso comunes de la IA generativa según la industria. . ............................. 13

¿Cómo lo puede ayudar AWS a alcanzar el éxito con la IA generativa?................... 16

Próximos pasos. . ......................................................................................... 19

3
I N T R O D U CCIÓ N

Un nuevo mundo de inteligencia

Tanto los clientes como las empresas están fascinados con la capacidad de búsqueda o un chatbot y va a transformar cada uno de los aspectos operativos
la IA generativa para crear contenido sofisticado, generar código, contestar de las empresas y organizaciones.1 Gartner estima que para 2025, un 30 % de
preguntas y mucho más, todo esto mediante consultas simples y naturales de los mensajes de marketing externos de las grandes empresas se generarán de
lenguaje en solo unos segundos. manera sintética.2

Si bien el foco ha estado sobre la forma en que los consumidores usan la IA La concientización tecnológica se expande a un ritmo sin precedentes. Según
generativa, existe una oportunidad aún más grande en el uso que le pueden Fishbowl, que llevó a cabo una encuesta entre 4500 profesionales en grandes
dar las empresas para ofrecer experiencias extraordinarias a sus clientes y organizaciones de los Estados Unidos, el 27 % ya ha utilizado la IA generativa
empleados. El verdadero poder de la IA generativa va más allá de un motor de como ayuda en tareas laborales.1

“Rate of generative AI adoption in the workplace in the United States 2023, by Industry”, Statista, diciembre de 2022
4
1

2
“Beyond ChatGPT: The Future of Generative AI for Enterprises”, Gartner, enero de 2023
Aprovechar la oportunidad
Organizaciones de diferentes industrias compiten para aprovechar las
oportunidades económicas que ofrece la IA generativa. Si las principales
proyecciones financieras son precisas, es probable que el auge de la IA
generativa traiga consigo una nueva era en la economía global. Mercado global de la IA generativa

Predicción de crecimiento del mercado a una CAGR del 34,2 %4

Según investigaciones de Goldman Sachs, la IA generativa podría

aumentar el PBI mundial hasta un 7 % o aproximadamente
7 billones de USD en los próximos 10 años.3 200 730 millones de USD

A estas elevadas proyecciones financieras no las impulsa solo el interés

de los consumidores. El potencial de la IA generativa para mejorar la
productividad y los resultados empresariales es tan importante como la
emoción y el entusiasmo que rodea a la tecnología, si no más.

La IA generativa es una tecnología revolucionaria que comenzó a generar

un valor considerable en empresas de todos los tamaños y en todas las 14 260 millones de USD
industrias, y tiene el poder de transformar el panorama empresarial de
forma radical.

2023 2032

“Generative AI could raise global GDP by 7%”, Goldman Sachs, abril de 2023
5
3

4
“Generative AI Market”, Polaris Market Research, enero de 2023
El imperativo estratégico
Las organizaciones de todas las industrias y de todas partes del mundo
buscan aprovechar la IA generativa para reinventar las experiencias
del cliente, impulsar la productividad de los empleados, promover la
creatividad y optimizar los procesos empresariales.

Sin embargo, para la mayoría de las empresas, el camino

para lograr estos beneficios sigue sin estar claro.

Muchas reconocen la necesidad de invertir en IA generativa y lo importante

que es hacerlo rápido para que la competencia no saque ventaja. Sin
embargo, muy pocas han desarrollado con éxito las estrategias sobre cómo
van a adoptar la tecnología, dónde la van a implementar y cómo van a
alcanzar y medir sus resultados.

Continúe leyendo para conocer cómo su organización puede aprovechar

hoy mismo el valor empresarial de la IA generativa con el fin de poder
mantenerse al ritmo del mercado y superar a la competencia.

6
 M A C HI N E LE A R N I N G E N T R A D A S SI M P L E S
A P R E N DI Z A J E P R O F U N D O ENTR ADAS CO MPLEJAS
M O D E L O S D E B A SE ENTR ADAS CO MPLEJAS
Comprensión de la IA generativa
Antes de que su organización pueda aprovechar por completo el valor
empresarial de la IA generativa, es importante que tenga una comprensión
básica del funcionamiento de esta tecnología.
La IA generativa es un término utilizado para describir algoritmos que pueden
crear nuevos contenidos e ideas, como conversaciones, historias, imágenes,
videos y música. La IA generativa está impulsada por modelos de ML
extremadamente grandes que están preentrenados por cantidades enormes de
datos. Se los conoce como modelos de base (FM).
Las formas tradicionales de ML nos permitieron tomar entradas simples, como
valores numéricos, y asignarlas a salidas simples, como valores previstos. Con
la llegada del aprendizaje profundo, podemos tomar entradas complejas,
S A L I D A S SI M P L E S
S A L I D A S SI M P L E S
SALIDAS CO MPLEJAS
como videos o imágenes, y asignarlas a salidas relativamente simples, por
ejemplo, determinar si la imagen contiene un gato o no. Con la IA generativa,
podemos aprovechar cantidades enormes de datos complejos para recopilar
y presentar conocimientos de maneras más avanzadas, y asignar entradas
complejas a salidas complejas, como el resumen de un documento extenso y la
extracción de información clave.
Los sistemas de IA generativa basados en texto utilizan un tipo específico de
FM que se llama modelo de lenguaje grande (LLM). Los LLM pueden realizar
una gran cantidad de tareas que abarcan dominios múltiples, como escribir
código, resolver problemas matemáticos, participar de diálogos y analizar
información de documentos para contestar preguntas.
7
Llevar los modelos de base a otro nivel con la personalización Momentos en la historia de la IA
generativa:
Los FM se pueden personalizar con los datos privados de su organización para ofrecer salidas
más precisas que las de un FM “listo para usar” y, así, permitir la creación de nuevos productos En la actualidad, los FM que se utilizan para la
y servicios de su propiedad. Por ejemplo, una gran cadena de supermercados que monitorea creación de aplicaciones de IA generativa se
las preferencias del cliente puede personalizar un FM para generar un motor con mejores apoyan en una larga historia de innovación de
recomendaciones, que sea sustancialmente diferente a las ofertas de la competencia. IA. Dos de los primeros modelos con capacidades
de IA generativa son el modelo oculto de
Las organizaciones también pueden utilizar un FM personalizado para crear fácilmente Márkov (HMM) y el modelo de mezcla gaussiana
contenido único que refleje la esencia y el estilo de la marca. Por ejemplo, una firma financiera (GMM), ambos desarrollados en la década de
que necesita generar automáticamente un informe de actividad diaria para circulación interna 1950. Los HMM utilizan datos conocidos para
puede personalizar un FM con datos privados, que incluyen informes anteriores. Así, el FM sacar conjeturas sobre datos desconocidos (por
podría aprender cómo deben ser estos informes y qué datos se utilizaron para generarlos. ejemplo, predecir si un jugador de cartas está
haciendo trampa en función de sus resultados).
Ahora que cuenta con una idea básica de cómo funciona esta tecnología, exploremos cómo
Los GMM pueden examinar un grupo de datos
poner a la IA generativa a trabajar para su organización.
(como una lista de reproducción musical) y
los subgrupos de esos datos (por ejemplo, los
géneros) para inferir información desconocida
(como “esta es una canción de rap”). Ambos se
siguen utilizando al día de hoy.
Generación de textos

Resumen

Extracción de información
Preentrenar Adaptar Modelo de mezcla gaussiana
Preguntas y respuestas

Chatbot

Datos no etiquetados FM Amplia gama de tareas generales

8
Capacidades empresariales de la Momentos en la historia de la IA
generativa:

IA generativa Otro ejemplo temprano de IA generativa es

ELIZA, un chatbot (o “chatterbot”, como se los
Organizaciones de diferentes industrias ya utilizan la IA generativa para mejorar su solía conocer) desarrollado por un profesor
productividad y crear valor empresarial de muchas maneras, como las siguientes: del Instituto Tecnológico de Massachusetts
entre 1964 y 1966. Al igual que su homónimo,
Eliza Doolittle de Pigmalión y Mi bella dama,
Generación de código Asistentes virtuales el programa se fue volviendo cada vez más
Mejora de la productividad de los Mejora de la experiencia del sofisticado al “aprender” de las interacciones
desarrolladores en un 57 % con cliente con respuestas similares a humanas. El uso más famoso de ELIZA fue
el asistente de codificación de IA las humanas imitar el comportamiento de un terapeuta que
Amazon CodeWhisperer5 realizaba una primera entrevista psiquiátrica, en
la que el usuario desempeñaba el rol de paciente.
Búsqueda conversacional
Análisis de centros de Extracción de información de
contacto toda su empresa
Resumen y extracción de
información de las llamadas de
los clientes Generación de
contenidos
Creación de texto, imágenes,
Personalización videos y música
Mejora de las recomendaciones
personalizadas y generación de
contenidos a medida

Diseño y creatividad
Obtención de sugerencias,
generación de prototipos y
exploración de conceptos
innovadores

5
Basado en datos de un “desafío de productividad” llevado a cabo por Amazon durante la vista previa de Amazon 9
CodeWhisperer
Consideraciones empresariales de la IA generativa
Mientras trabaja con el fin de identificar las capacidades de la IA generativa Al evaluar los FM utilizados para generar aplicaciones de IA generativa,
de mayor utilidad para su organización y desarrolla una estrategia para busque modelos que ofrezcan lo siguiente:
implementarlas en sus procesos empresariales, necesitará determinar cuáles
FM utilizar para la creación de las aplicaciones de IA generativa. • Maneras simples de crear aplicaciones de IA generativa
• Infraestructura rentable
Además, debería considerar con cuidado la infraestructura que utilizará para
• Aplicaciones basadas en IA generativa
asistir a sus FM. Sus modelos se beneficiarán de una infraestructura rentable
que cumpla con sus requisitos de rendimiento. • Herramientas de ML flexibles

10
Uso responsable de la IA, seguridad y privacidad Momentos en la historia de la IA
generativa:
Con su gran tamaño y naturaleza abierta, los FM plantean nuevos problemas para definir, medir
y mitigar inquietudes sobre el uso responsable de la IA a lo largo de su ciclo de desarrollo, En 2014, el desarrollo de la primera generative
como precisión, imparcialidad, consideraciones sobre propiedad intelectual (PI), alucinaciones, adversarial network (GAN, red generativa
toxicidad y privacidad. Por ejemplo, si echamos un vistazo al problema de la imparcialidad, antagónica) marcó uno de los mayores avances
¿podríamos pedirle a un LLM que asigne pronombres masculinos y femeninos en la misma en IA generativa. En una GAN, dos modelos (un
proporción para referirse a un profesional de la salud? ¿Se aplica lo anterior si la instrucción “generador” y un “discriminador”) compiten en
al modelo expresa que el profesional tiene barba? ¿Deberíamos hacer lo mismo con otras un juego de suma cero. El generador fabrica
profesiones? ¿Qué tal con la Women’s National Basketball Association (WNBA, Asociación contenido que parece cada vez más “genuino”,
Nacional de Baloncesto Femenino)? Ya puede ver que definir tan solo la imparcialidad en el mientras que el discriminador analiza las
contexto de los LLM es un desafío que requiere nuevos abordajes y soluciones. técnicas de su oponente para identificar mejor
los falsos. Este enfoque novedoso de utilizar la
La tecnología de IA generativa y sus usos seguirán evolucionando y plantearán nuevos desafíos IA para entrenar a otra resultó ser revelador, y
que requerirán atención y mitigación adicionales. Para afrontar estos desafíos y fomentar las mismas GAN desbloquearon una nueva era
la innovación, socios académicos, industriales y gubernamentales están trabajando juntos para las imágenes digitales.
para explorar nuevas soluciones y conceptos, y así asegurarse de que la IA generativa continúe
evolucionando de manera responsable, privada y segura. En la sección que se encuentra a continuación,
presentamos a un líder de la industria de AWS
La privacidad y seguridad de datos es esencial para escalar la IA generativa de manera que comparte sus experiencias y estrategias
responsable. A la hora de personalizar y optimizar un modelo, las organizaciones deben para las prácticas recomendadas de la nube,
saber dónde y cómo se utilizan sus datos. Deben estar seguras de que sus datos privados no cambio cultural, agilidad organizacional y
se utilicen para entrenar a un modelo público y que los datos de sus clientes permanecen transformación con IA generativa.
privados. Las organizaciones necesitan incorporar seguridad, escalabilidad y privacidad desde el
principio con el fin de ser viables para sus aplicaciones empresariales.

Lea la publicación del blog Responsible AI in the Generative Era

Más información ›

11
Información ejecutiva en la
IA generativa
Como toda nueva tecnología que se vuelve masiva, la IA generativa tiene una curva de
aprendizaje. Los ejecutivos quieren saber dónde encaja la IA generativa, dónde no, cómo
utilizarla de manera efectiva y cuáles son sus consideraciones no técnicas.
Phil Le-Brun
La historia nos enseña que solo vemos un cambio profundo y positivo cuando se abordan Director,
a las personas, los procesos, las habilidades y la cultura junto con la tecnología. En función AWS Enterprise
de estos aprendizajes y de los miles de clientes con los que dialogamos, mi consejo para Strategy
aquellos intrigados por la IA generativa es simple.

En primer lugar, tenga curiosidad. Aprenda qué es la IA generativa, por qué ha cautivado
la imaginación de las personas y qué problemas puede resolver. Profundice en áreas como
la seguridad de sus datos al personalizar modelos. Aliente a que los demás también se
Phil es parte de AWS desde 2019, y su
instruyan sobre el tema, en lugar de delegarlo todo a su equipo de TI.
experiencia con la implementación de
En segundo lugar, piense en grande y trabaje a partir del cliente. Esta es la manera de tecnología a escala, que incluye una carrera
pensar en AWS. Comprenda verdaderamente las oportunidades de su empresa, ya sea de 25 años a cargo de las iniciativas de
una oportunidad para aumentar la eficiencia en la cadena de suministro, inventar nuevos transformación digital en McDonald’s
servicios o mejorar el servicio al cliente. Enamórese del problema antes de saltar a una Corporation, le ha permitido aprender una
solución, busque áreas que reduzcan costos, aumenten la resiliencia o mejoren su nivel serie de lecciones prácticas. Comparte este
de ventas. Y piense sobre la oportunidad en grande; pensar a pequeña escala solo le dará conocimiento con empresas para ayudarlas a
resultados a pequeña escala. alcanzar sus metas de tecnología basada en la
nube, como soportar la agilidad organizacional y
Por último, comience ahora mismo. La mayoría de las iniciativas empresariales suelen tardar aumentar el enfoque en el cliente.
en obtener resultados, así que comience a experimentar con rapidez. Aprenderá más de esto
que de la interminable planificación y espera del momento perfecto hipotético, típico de
muchas adopciones de la tecnología empresarial.

12
Casos de uso comunes de la IA
generativa según la industria
En las secciones anteriores, hemos visto cuáles son las capacidades de la IA generativa que
pueden beneficiar a todas las empresas y cómo seleccionar los modelos y la infraestructura
adecuados para sus necesidades empresariales. Ahora, adentrémonos un poco más para examinar
casos de uso de IA generativa únicos en diferentes industrias.

Atención médica y ciencias biológicas
• Innovación acelerada de la I+D farmacéutica: las organizaciones de
ciencias biológicas pueden acelerar con mayor eficiencia el desarrollo
de fármacos candidatos nuevos y más efectivos. Por ejemplo, los
investigadores pueden predecir la estructura de proteínas para identificar
mejor los objetivos biológicos, generar nuevas secuencias de aminoácidos e
identificar los sitios de acoplamiento molecular para objetivos específicos y,
así, crear terapias de precisión. En última instancia, esto generará opciones
terapéuticas más específicas y efectivas para los pacientes.
• Mejoras en el compromiso médico y la experiencia del paciente: la IA
generativa se puede utilizar para mejorar la experiencia del paciente, la
coordinación del cuidado y la productividad de los proveedores de atención
médica. A través de interacciones conversacionales, los médicos pueden
acceder con mayor facilidad a datos de registros de salud electrónicos,
publicaciones de investigación y políticas médicas. La IA generativa también
puede acelerar la transformación digital y la medicina personalizada
dado que facilita el procesamiento inteligente de documentos (IDP), hace
recomendaciones personalizadas de prácticas médicas y farmacológicas y
ayuda a diseñar protocolos de ensayos clínicos más efectivos para asegurar
la seguridad y la eficacia en el desarrollo de nuevos fármacos.

• Resumen de datos de salud y científicos: los investigadores y médicos

pueden aprovechar la IA generativa para reducir el tiempo de investigación
y encontrar más rápido los datos que necesitan para tomar decisiones
basadas en datos. En la atención médica, la búsqueda y el resumen se
pueden utilizar para aumentar la eficacia, por ejemplo, con la generación
automática de componentes y resúmenes de la historia clínica, la
simplificación de los flujos de trabajo y la automatización de tareas
administrativas. Las aplicaciones en las ciencias biológicas son numerosas
e incluyen la identificación de patrones en ensayos clínicos, la capacidad
de resumir resultados de cientos de miles de artículos de investigación y la
identificación de eficiencias en toda la cadena de valor.

13
C A S O S D E U S O P O R I N D U ST R I A
Servicios financieros
• Mejora de las experiencias: las empresas de servicios financieros pueden prestar
mejores servicios a sus clientes y empleados mediante la implementación de
chatbots que resuelven problemas con mayor velocidad y la personalización de
productos y recomendaciones, como aprovechar un repositorio de interacciones
de clientes con resúmenes y consultas. La IA también permite la creación de
artículos de conocimiento de fuentes internas dispares.
• Incrementos en la eficiencia del trabajador del conocimiento: los
trabajadores del conocimiento en empresas de servicios financieros pueden
redactar a gran velocidad informes de investigación sobre inversiones,
documentos de préstamos, pólizas de seguros, comunicaciones normativas,
RFI y correos empresariales, como también alcanzar un conocimiento más
amplio sobre el comportamiento del cliente, mejorar la colaboración e
incrementar el valor empresarial del contenido no estructurado.
• Análisis de las preferencias del mercado: a través de un análisis más rápido
y exhaustivo de redes sociales, artículos de noticias y datos financieros, las
empresas de servicios financieros pueden conocer comentarios sobre el mercado,
identificar antes las oportunidades y mitigar riesgos de forma proactiva.
• Creación de nuevos productos y automatización de los procesos
empresariales: las empresas de servicios financieros pueden crear bajo
demanda productos de datos estructurados a partir de grandes orígenes de
datos no estructurados, y la IA generativa puede mejorar las herramientas
de productividad de los usuarios finales y la productividad de los
desarrolladores con la generación automática de código.
Sector automotriz y de fabricación
• Mejoras en el diseño de productos: los fabricantes pueden utilizar la IA
para la optimización del diseño de partes mecánicas o la creación de nuevos
diseños de materiales, chips y piezas, todo mientras mejoran la calidad y la
durabilidad, reducen los costos y simplifican la producción.
• Personalización de las experiencias dentro del vehículo: los asistentes
virtuales y las recomendaciones de rutas personalizadas pueden mejorar las
experiencias del conductor y los pasajeros.
• Mejoras en las pruebas y el mantenimiento: la IA puede mejorar las pruebas
de productos, dado que genera información que no aparece en la ficha técnica,
y permitir nuevos casos de uso de mantenimiento asistido para mantener
mejor la maquinaria, incluidos los productos en uso por los consumidores.
• Incremento en la efectividad de los equipos de las fábricas: digitalice
y recopile datos históricos del mantenimiento de maquinaria, datos de
reparación, manuales de equipos, datos de producción y, potencialmente,
datos de otros fabricantes para generar recomendaciones de
mantenimiento, reparaciones o parámetros de equipo, y también para
mejorar la productividad, disponibilidad y calidad.
14
C A S O S D E U S O P O R I N D U ST R I A
Educación
• Resumen de textos: estudiantes y maestros pueden crear resúmenes
concisos de documentos de investigación, transcripciones de conferencias y
notas de clase para facilitar la búsqueda.
• Mejoras en la automatización: la IA puede transformar la información
en ejemplos de preguntas de examen, acelerar el proceso de calificación,
medir el rendimiento de los estudiantes en un amplio rango de factores y
proporcionar comentarios y recomendaciones personalizadas para maestros
y estudiantes.
• Ambiente educativo personalizado: los educadores pueden crear rutas
educativas personalizadas para segmentos de estudiantes, o incluso
estudiantes individuales, y aprovechar las simulaciones y la realidad virtual
para hacer que el aprendizaje sea más interactivo.
Momentos en la historia de la IA generativa:
La introducción en 2017 de un nuevo tipo de modelo de aprendizaje profundo,
el transformador, sentó las bases para la IA generativa moderna. A diferencia
de los modelos anteriores, que desglosan los datos de entrada, los procesan
y después ponen las piezas en su lugar, los transformadores procesan todos
los datos de entrada a la vez. Esto los hace ideales para el procesamiento
de lenguaje natural (NLP), en los que es fundamental entender el contexto
Medios de comunicación y entretenimiento
• Creación agilizada de contenido: desde el diseño conceptual y la elaboración
de guiones gráficos hasta los flujos de trabajo de posproducción, las empresas
de medios de comunicación y entretenimiento (M&E) pueden automatizar las
tareas de menor nivel para aumentar la velocidad de producción y permitir que
el talento creativo itere más rápido y cumpla con la visión del director.
• Mejoras en la música: los artistas pueden complementar y mejorar sus
álbumes con música generada por IA para crear nuevos géneros.
• Mejora de la cadena de suministros de los medios de comunicación: las
aplicaciones de IA generativa pueden ayudar o automatizar tareas como la
localización, la moderación de contenido, la creación de material gráfico
para materiales promocionales e incluso la restauración de contenido.
completo de los datos de entrada. En 2018, OpenAI llevó a la tecnología
un paso más allá mediante la creación del primer Generative Pre-trained
Transformer (GPT, transformador generativo preentrenado). A partir de ahí,
OpenAI desarrolló su motor GPT-2 en 2019, el cual utilizó para potenciar
ChatGPT, presentado a fines de 2022.
15
¿Cómo lo puede ayudar AWS
a alcanzar el éxito con la IA
generativa? Más de

Con AWS puede aprovechar el valor empresarial completo de la IA generativa para su

organización. Reinvente sus aplicaciones, cree experiencias totalmente nuevas para los
100 000
clientes, impulse niveles de productividad sin precedentes y, así, transforme su empresa. clientes usan AWS para la
IA y el ML en la actualidad.
Experiencia y conocimientos expertos

Una de las ventajas clave de AWS radica en una herencia de IA rica que se construyó a lo largo
de dos décadas de inversión centrada. De hecho, más de 100 000 clientes utilizan AWS para la
IA y el ML en la actualidad.

Amazon, la fuerza impulsora detrás de AWS, aprovecha las capacidades del ML para potenciar
su motor de recomendaciones de comercio electrónico, optimizar las rutas de recolección
robótica en centros de distribución y mucho más. Además, el ML orienta la cadena de
suministro, la previsión y la planificación de capacidad de Amazon.

El aprendizaje profundo también se utiliza en el sistema de entrega con drones Amazon Prime
Air y en la tecnología de visión artificial (CV) detrás de Amazon Go, la innovadora experiencia
de venta minorista que permite a los clientes seleccionar artículos y retirarse de la tienda sin
la necesidad de realizar el proceso de compra tradicional. Y Alexa, respaldada por más de
30 sistemas de ML diferentes, les da una mano a los clientes en una gran variedad de tareas
más de miles de millones de veces a la semana.

Con miles de ingenieros dedicados al ML, la IA y el ML están arraigados a la herencia de

Amazon y AWS, y continúan dándole forma al futuro.

16
¿Por qué crear con AWS?
Organizaciones de todo tipo eligen crear aplicaciones de IA generativa y otras
aplicaciones de AI y ML en AWS por una variedad de razones. A continuación,
algunas de las principales ventajas de crear con AWS de acuerdo con nuestros
clientes:
El lugar más fácil y rápido para crear, entrenar e
implementar los FM en sus aplicaciones y cargas de trabajo
Amazon Bedrock es la forma más sencilla de crear y escalar aplicaciones
basadas en IA generativa con FM. Bedrock hace accesibles a través de una API
los FM de Amazon Titan y de las principales startup de IA, como AI21 Labs,
Anthropic, Cohere y Stability AI. Los clientes que utilizan Bedrock pueden
aprovechar los beneficios de AWS, que se diseñó para ser el entorno de
computación en la nube más flexible y seguro que existe en la actualidad. Los
agentes para Amazon Bedrock son una capacidad de administración completa
que facilita a los desarrolladores la creación de aplicaciones de IA generativa
que pueden ofrecer respuestas actualizadas basadas en conocimiento de
fuentes privadas y completar tareas de un amplio rango de casos de uso.
La infraestructura más rentable para la IA generativa
Año tras año, AWS ha invertido en el desarrollo de un silicio que ofrece los
niveles más altos de rendimiento y optimización de costos para cargas de
trabajo de IA y ML. Los resultados, AWS Trainium y AWS Inferentia, ofrecen
el costo más bajo para entrenar modelos y ejecutar inferencia en la nube. AWS
también desarrolló instancias de Amazon Elastic Compute Cloud (Amazon
EC2) para ayudarlo a aprovechar estas capacidades. Por ejemplo, las instancias
Con respecto a otras instancias comparables de Amazon EC2
6
7
Comparado con instancias basadas en AWS Inferentia de generaciones anteriores
Trn1 de Amazon EC2 con tecnología de Trainium, pueden ahorrarle hasta
un 50 % en costos de entrenamiento,6 mientras que las instancias Inf2 de
Amazon EC2 con tecnología de AWS Inferentia2, permiten hasta un 40 %
menos de costos por inferencia.7
Mayor flexibilidad
AWS le ofrece la flexibilidad de trabajar con modelos de código abierto o crear sus
propios FM. Por ejemplo, además de los modelos que ofrece Bedrock, Amazon
SageMaker JumpStart le permite descubrir, explorar e implementar FM de código
abierto, como Llama 2, OpenLLaMA, RedPajama, Mosaic MPT-7B, FLAN-T5/
UL2, GPT-J-6B/NeoX-20B y BLOOM/BLOOMZ, entre otros. También puede
utilizar Amazon SageMaker para crear sus propios modelos con infraestructura
administrada, herramientas y entrenamiento distribuido eficiente.
Tiempo de creación de valor más rápido con aplicaciones de
IA generativa
Con IA generativa incorporada, los servicios como CodeWhisperer, un asistente
de codificación con IA, pueden ayudarlo a mejorar la productividad. Además,
puede desplegar casos de uso comunes de IA generativa como el resumen de
llamadas y la respuesta a preguntas mediante soluciones de muestra de AWS
que combinan los servicios de IA de AWS con los principales FM.
Documentación adicional sobre IA responsable:
Centro de recursos de IA responsable de AWS ›
Libro electrónico: Democrática, operativa y de
confianza: las tres claves del éxito de la IA ›
17
Servicios de IA generativa de AWS
Facilite sus aplicaciones de IA generativa con un amplio rango de tecnologías de AWS, como las siguientes:

AWS Trainium: entrene a sus modelos más rápido con un ahorro de costos
de hasta un 50 %8 con este acelerador de modelos de ML.9
Amazon Bedrock › Cree y escale aplicaciones AWS Inferentia2: ejecute inferencias de FM de alto rendimiento con hasta
de IA generativa con FM. Bedrock admite una
un 40 % menos de costo por inferencia gracias al uso de este acelerador.
variedad de FM, como estos:
Amazon CodeWhisperer: disfrute de un desarrollo de aplicaciones un
57 % más rápido10 mientras refuerza la seguridad con este asistente de
• Amazon Titan: para el resumen, generación y clasificación de codificación de IA sin costo para uso individual.
textos, preguntas y respuestas abiertas, y extracción, incorporación
y búsqueda de información. Amazon SageMaker: cree sus propios FM con infraestructura administrada
• AI21 Labs Jurassic-2 Multilingual LLMs: para la generación de y herramientas para acelerar la creación, el entrenamiento y la
textos en diferentes idiomas. implementación de modelos escalables, confiables y seguros.

• Anthropic Claude 2: un LLM para el diálogo reflexivo, la creación
de contenido, el razonamiento complejo, la creatividad y la
codificación a partir de la IA constitucional y el entrenamiento en
inocuidad.
• Stability AI Stable Diffusion: genera imágenes, arte, logotipos y
diseños únicos, realistas y de alta calidad.
• Cohere Command + Embed: modelo de generación de textos
para aplicaciones empresariales y modelo de incorporaciones
para búsqueda, agrupación de clústeres y clasificación en más de
100 idiomas.
Amazon SageMaker JumpStart: un centro de ML que proporciona acceso a
algoritmos, modelos y soluciones de ML para que pueda empezar a utilizar
el ML rápidamente. Con SageMaker JumpStart, los profesionales de ML
pueden elegir entre una amplia selección de FM disponibles a nivel público.
Los profesionales del ML pueden implementar FM a instancias dedicadas de
SageMaker desde un entorno aislado de la red y personalizar modelos con
SageMaker para el entrenamiento y la implementación de modelos.

AWS Trainium ofrece hasta un 50 % de ahorro en el costo de entrenamiento con respecto a otras instancias de Amazon EC2 comparables
18
8

9
AWS Inferentia ofrece hasta un 40 % de ahorro en el costo por inferencia con respecto a otras instancias de Amazon EC2 comparables
10
Basado en datos de un “desafío de productividad” llevado a cabo por Amazon durante la vista previa de Amazon CodeWhisperer
Próximos pasos
Ahora que cuenta con un mayor entendimiento de la IA generativa, sus
capacidades y sus posibles beneficios empresariales, el próximo paso es definir
con claridad sus objetivos e identificar casos de uso para aprovecharla. Se
recomienda comenzar con experimentos de menor tamaño y metas sencillas y
precisas. Cuando ya haya alcanzado algunos logros, puede empezar a escalar
sus esfuerzos y ampliar sus objetivos.
La colaboración con expertos es altamente recomendable para asegurarse de
que tiene en cuenta factores como la disponibilidad y la calidad de datos y las
implicaciones éticas de la IA generativa. Por otra parte, las consideraciones de
infraestructura no deberían ser secundarias, ya que pueden afectar de manera
significativa los costos, la escalabilidad y el consumo de energía. La interacción
con los expertos de AWS puede ofrecerle una orientación valiosa durante el
proceso de toma de decisiones y las etapas de implementación.

El momento es ahora
El auge dramático de la IA generativa nos lleva a un punto decisivo. Los FM
se vuelven cada día más sofisticados y poderosos. Para las organizaciones,
es el poder de transformar el negocio mediante la creación de experiencias
del cliente completamente nuevas y el impulso de niveles de eficiencia y
productividad sin precedentes.

Todo eso apunta a una realidad indiscutible: para competir en esta nueva
era de grandes avances tecnológicos, todas las organizaciones deben
considerar la incorporación de la IA generativa como parte de su plan de
desarrollo de innovación.

Con la infraestructura en la nube más rentable para la IA generativa, un Únase a AWS para acelerar su camino hacia la IA
host de productos, servicios y soluciones de IA, y años de experiencia generativa hoy mismo.
confiable en IA, AWS puede ayudarlo a transformar el potencial de la IA
generativa en resultados para su organización. Comience ahora ›

© 2023 Amazon Web Services, Inc. o sus empresas afiliadas. Todos los derechos reservados.
19