Centro de conceptos de computación en la nube

Las peticiones con cadena de pensamiento son una técnica que se utiliza para guiar a los modelos de lenguaje grandes (LLM) para completar las tareas mediante una secuencia lógica de pasos. Aunque los modelos de IA intentan imitar a los humanos, requieren instrucciones detalladas, denominadas peticiones, para crear resultados relevantes, precisos y de alta calidad. La ingeniería de peticiones es el arte y la ciencia de crear buenas peticiones. El razonamiento en cadena de pensamiento (CoT) es una técnica de ingeniería de peticiones que divide las tareas complejas en una serie de pasos más simples y manejables para llegar a una respuesta. Ofrece a los usuarios un mayor control e información sobre cómo el LLM llega a sus respuestas. 

Ejemplo de cadena de pensamiento

“Resuelve los siguientes problemas matemáticos verbales paso a paso.

Si tienes 7 plátanos y le das 4 plátanos a tu amigo, entonces recibes 5 plátanos más y, después, tiras 3 plátanos podridos; ¿cuántos plátanos te quedan?”

Resultado de cadena de pensamiento

Vamos a desglosarlo paso a paso:

1. Empiezas con 7 plátanos.
2. Le das 4 plátanos a tu amigo, así que te quedan 7 - 4 = 3 plátanos
3. Compras 5 plátanos más, así que ahora tienes 3 + 5 = 8 plátanos

4. Tiras 3 plátanos, así que te quedan 8 - 3 = 5 plátanos

Por lo tanto, te quedan 5 plátanos.

La comprensión del lenguaje natural (NLU) es la capacidad de un sistema de computación o software de comprender el lenguaje humano. Permite que el software reconozca la intención y el sentimiento del chat y ofrezca experiencias de usuario muy atractivas a través de interacciones conversacionales realistas. Por ejemplo, los asistentes como Alexa responden a la voz humana y los chatbots impulsados por IA participan en conversaciones basadas en texto. La comprensión del lenguaje natural permite a estos sistemas tomar cualquier entrada conversacional generada por humanos, convertirla en la sintaxis interna del lenguaje informático y actuar en función de la entrada. Los usuarios pueden interactuar naturalmente con las máquinas en el idioma que elijan.

La computación cognitiva es el proceso de hacer que el software razone y “piense” como un ser humano. La capacidad de razonamiento avanzada e innata de los seres humanos nos permite adaptarnos a nuevas situaciones y resolver problemas complejos. Por ejemplo, un ser humano perdido en el bosque puede moverse hacia el agua para sobrevivir o hacia el ruido del tráfico en busca de ayuda. Del mismo modo, la computación cognitiva tiene como objetivo simular los procesos de pensamiento humano en sistemas de software a través de la percepción, la atención y la memoria.

Los sistemas tradicionales de inteligencia artificial (IA) pueden resolver problemas para los que están entrenados específicamente, como analizar datos, hacer predicciones o generar texto según las instrucciones del usuario. Sin embargo, la computación cognitiva tiene como objetivo llevar la inteligencia artificial más allá al enseñar a los sistemas de software a cumplir objetivos predeterminados mediante la toma de decisiones independiente en respuesta a los cambios ambientales. 

Ejemplo de computación cognitiva

Considere una tarea de programación de citas para un especialista de su organización. Las nuevas citas deben programarse solo por las tardes cuando el especialista esté disponible y tenga una relación existente con el cliente. Las citas también deben programarse dentro de las dos semanas posteriores a la solicitud. Sin embargo, hay matices en estas condiciones, tales como: 

• Clientes enojados o molestos que reciben citas anticipadas, incluso por la mañana.
• Se pueden solicitar citas más allá del periodo de dos semanas.
• Algunos clientes a largo plazo pueden requerir consideraciones especiales, como un correo electrónico personalizado una vez hecha la reserva.

Por lo general, la IA puede entrenarse para automatizar la tarea y cumplir las condiciones principales, pero no puede tratar los matices como lo haría un profesional humano. Sin embargo, la computación cognitiva es una tecnología de IA que puede ajustar las condiciones según sea necesario para cumplir con el objetivo de la satisfacción del cliente durante la reserva. Por ejemplo, puede leer el sentimiento del mensaje del cliente y priorizar su reserva o programar una cita a primera hora de la mañana para satisfacer las necesidades de un cliente a largo plazo.

La IA multimodal es un sistema de inteligencia artificial que procesa, interpreta e integra varios tipos de datos, como texto, imágenes, audio y video. Muchos flujos de trabajo empresariales generan y utilizan conjuntos de datos complejos con varios tipos de datos relacionados, por ejemplo, videos con subtítulos, imágenes con currículums o notas de audio de reuniones con planes de diseño relevantes. La IA multimodal puede interpretar un conjunto de información tan diverso y rico para un análisis y una automatización complejos. Las organizaciones usan el análisis de video, el procesamiento de documentos, la creación de contenido y flujos de trabajo similares para obtener información precisa a partir de orígenes de datos multimodales y no estructuradas y mejorar la eficiencia de los procesos.

La base de datos SQL es una recopilación de datos visualizada como tablas con filas y columnas. Los datos se almacenan de manera similar a una hoja de cálculo, con columnas que indican los atributos de los datos y filas que describen la entidad u objeto sobre el que se refieren los datos. La mayoría de las bases de datos SQL utilizan el lenguaje de consulta estructurado (SQL) para la interacción entre los usuarios y los datos, de ahí su nombre. Son bases de datos relacionales porque se pueden almacenar relaciones de datos entre tablas.

Por ejemplo, una tabla de productos tiene columnas como el nombre del producto, el tipo, el costo, etc., y una fila contiene los valores de los productos individuales. Una tabla de clientes tiene columnas con los nombres y la información de contacto de los clientes. Puede crear una tercera tabla que vincule los datos de los clientes con los productos que han comprado.

La arquitectura de datos es el marco general que describe y rige la recopilación, la administración y el uso de datos de una organización. Hoy en día, las organizaciones tienen enormes volúmenes de datos que provienen de diversos orígenes, además de equipos dispares que desean acceder a esos datos a fin de utilizarlos con aplicaciones de análisis, machine learning o inteligencia artificial, entre otras. La arquitectura de datos moderna presenta un sistema cohesivo que hace que los datos sean accesibles y puedan utilizarse, al tiempo que garantiza su seguridad y calidad. Este sistema define las políticas, los modelos de datos, los procesos y las tecnologías que permiten a las organizaciones mover con facilidad los datos entre los departamentos y garantizar que estén disponibles siempre que sea necesario (incluido el acceso en tiempo real), al tiempo que respaldan plenamente el cumplimiento de las normativas.

Un proveedor de software independiente (ISV) es una organización que crea y vende productos de software que no dependen del hardware y los sistemas operativos subyacentes. Por lo general, la solución de software resuelve un problema específico del cliente, como la creación y la administración de los datos financieros o de las ventas. También puede ser un software de infraestructura compatible con el almacenamiento, la seguridad o la autenticación de datos. El proveedor garantiza la compatibilidad del software con varias plataformas de hardware para dirigirse a una amplia base de clientes.

Los ISV venden su software en diferentes formatos, como licencias permanentes, contratos de duración determinada o software como servicio (SaaS). El software se otorga bajo licencia a los clientes, pero el ISV retiene los derechos de propiedad.

Un chatbot es un programa o aplicación con el que los usuarios pueden conversar por voz o texto. Los chatbots se desarrollaron por primera vez en la década del 60 y la tecnología que los impulsa ha cambiado con el tiempo. Tradicionalmente, los chatbots utilizan reglas predefinidas para conversar con los usuarios y brindan respuestas guionadas. Los chatbots contemporáneos utilizan el procesamiento del lenguaje natural (NLP) para entender a los usuarios y pueden responder a preguntas complejas con gran profundidad y precisión. Su organización puede usar los chatbots para escalar, personalizar y mejorar la comunicación en todos los sectores, desde los flujos de trabajo de servicio al cliente hasta la administración de DevOps.

La inteligencia artificial (IA) empresarial es la adopción de tecnologías avanzadas de IA en las grandes organizaciones. Llevar los sistemas de IA del prototipo a la producción presenta varios desafíos relacionados con la escala, el rendimiento, la gobernanza de los datos, la ética y la conformidad normativa. La IA empresarial incluye políticas, estrategias, infraestructura y tecnologías para el uso generalizado de la IA en las grandes organizaciones. Si bien requiere una inversión y un esfuerzo significativos, la IA empresarial es importante para las grandes organizaciones a medida que los sistemas de IA se generalizan.

Un agente de inteligencia artificial (IA) es un programa de software que puede interactuar con su entorno, recopilar datos y utilizarlos para realizar tareas definidas de forma autónoma a fin de cumplir unos objetivos predeterminados. Los seres humanos establecen los objetivos, pero el agente de IA elige de manera independiente las acciones más apropiadas que debe ejecutar para alcanzar esos objetivos. Por ejemplo, piense en un agente de IA de un centro de contacto que quiere resolver las consultas de los clientes. El agente formulará automáticamente diferentes preguntas al cliente, buscará información en documentos internos y responderá con una solución. En función de las respuestas de los clientes, determina si puede resolver la consulta por sí mismo o si debe transmitirla a un humano.

La clasificación de textos es un proceso que consiste en asignar categorías predeterminadas a documentos de texto abierto mediante sistemas de inteligencia artificial y machine learning (IA y ML). Muchas organizaciones tienen grandes archivos de documentos y flujos de trabajo empresariales que generan continuamente documentos a escala, como documentos legales, contratos, documentos de investigación, datos generados por los usuarios y correos electrónicos. La clasificación de textos es el primer paso para organizar, estructurar y categorizar estos datos para su posterior análisis. Permite etiquetar y marcar los documentos de forma automática. Esto le ahorra a la organización miles de horas que, de otro modo, tendría que dedicar a leer, comprender y clasificar los documentos manualmente.

Una base de datos sin servidor es una tecnología de bases de datos en la que un proveedor de nube externo se encarga por completo de administrar los servidores de bases de datos y la infraestructura de TI subyacentes. Tradicionalmente, las organizaciones implementaban sistemas de bases de datos en servidores autoadministrados y tenían que asegurarse de que las configuraciones de los servidores se actualizaran y mantuvieran correctamente a medida que aumentaba la demanda. En cambio, las bases de datos sin servidor se ejecutan en una infraestructura en la nube completamente administrada y se escalan de manera elástica a medida que cambian las cargas de trabajo. Las bases de datos sin servidor más populares pueden ser las bases de datos relacionales o bases de datos NoSQL. Proporcionan disponibilidad, tolerancia a errores y fiabilidad inherentes; además, solo se paga por el uso real de la base de datos. Los acuerdos de nivel de servicio (SLA) rigen las capacidades de rendimiento para que pueda centrarse con confianza en la recopilación y el análisis de datos en lugar de en la infraestructura de bases de datos.