ChatGPT y la Inteligencia Artificial (IA) generativa se han convertido en una sensación mundial, acaparando titulares y suscitando debates en todo el mundo. Aunque la tecnología de transformadores generativos pre entrenados (GPT) se encuentra en sus primeras fases y supone riesgos, tiene el potencial de transformar sectores como el desarrollo y la entrega de software. Junto con la IA causal, las organizaciones pueden aumentar el impacto y el uso seguro de ChatGPT y otras tecnologías de IA generativa.
Con el lanzamiento de ChatGPT, un chatbot de IA desarrollado por OpenAI en noviembre de 2022, los grandes modelos lingüísticos (LLM) y la IA generativa se han convertido en una sensación mundial, abriéndose paso hasta lo más alto de las agendas de las salas de juntas y las discusiones domésticas en todo el mundo.
La tecnología GPT (transformador generativo pre entrenado) y los sistemas de IA basados en LLM que la impulsan, tienen enormes implicaciones y ventajas potenciales para muchas tareas, desde la mejora del servicio al cliente hasta el aumento de la productividad de los empleados.
ChatGPT y la IA generativa: un nuevo mundo de innovación
El desarrollo y la entrega de software son áreas claves en las que la tecnología GPT como ChatGPT muestra potencial. Por ejemplo, puede ayudar a los equipos de desarrollo de operaciones (DevOps) y de ingeniería de plataformas a escribir fragmentos de código aprovechando la información de las bibliotecas de software. Además, puede agilizar la resolución de problemas en código personalizado mediante la introducción del contexto de la causa raíz en una GPT, aumentando los tickets o alertas de problemas en este contexto y utilizándolo como base para la remediación automática.
Estos ejemplos reflejan mejoras espectaculares con respecto a los procesos manuales existentes, que hacen perder mucho tiempo, como escribir código rutinario y fácilmente reproducible o buscar en innumerables páginas de Stack Overflow antes de encontrar una respuesta.
Las GPT también pueden ayudar a los miembros del equipo a incorporarse rápidamente a nuevas plataformas y herramientas de desarrollo. La tecnología permite a los usuarios informarse sobre las soluciones escribiendo preguntas en una barra de búsqueda.
Este enfoque GPT representa una mejora significativa de la productividad y la satisfacción del usuario con respecto al paradigma actual, en el que los usuarios buscan documentos manualmente y la capacidad de encontrar respuestas depende de la calidad y la estructura de los recursos proporcionados por los proveedores.
La protección de la propiedad intelectual y la privacidad de datos
A medida que los equipos de DevOps y de ingeniería utilizan las GPT para acelerar el desarrollo de software, los ingenieros de fiabilidad del sitio (SRE, por sus siglas en inglés) y los equipos de privacidad deben asegurarse de que estas tecnologías cuenten con los controles adecuados para evitar crear más problemas de los que están resolviendo.
En primer lugar, los SRE deben asegurarse de que los equipos reconocen los derechos de propiedad intelectual (PI) sobre cualquier código compartido por y con los GPT y otras IA generativas, incluido el contenido protegido por derechos de autor, marca registrada o patente. Será igualmente crítico para las organizaciones evitar que ChatGPT y tecnologías similares compartan inadvertidamente su IP o datos confidenciales a medida que utilicen cada vez más repositorios como GitHub en su desarrollo de software.
Las organizaciones también deben tener en cuenta las normativas de privacidad y seguridad específicas de cada región y país, como El Reglamento General de Protección de Datos (GDPR, por sus siglas en inglés) o la propuesta de Ley Europea de IA, para asegurarse de que sus equipos no utilicen las tecnologías GPT de una manera que pueda conducir inadvertidamente a violaciones de datos o multas.
Los riesgos de las GPT y la IA generativa
Las organizaciones deben ser especialmente conscientes de que la IA generativa basada en LLM que impulsa ChatGPT y tecnologías similares es susceptible de error y manipulación. Depende de la exactitud y calidad de la información pública disponible y de los datos que utiliza, los cuales pueden ser poco fiables o parciales.
En los casos de desarrollo y entrega de software, esas fuentes podrían incluir bibliotecas de código protegidas legalmente o que contengan errores de sintaxis o vulnerabilidades plantadas por ciberdelincuentes para perpetuar fallos que creen más oportunidades de explotación. Por lo tanto, los equipos de ingeniería siempre tendrán que comprobar el código que obtienen de los GPT para asegurarse de que no pone en riesgo la fiabilidad, el rendimiento, el cumplimiento o la seguridad del software.
Dominar la ingeniería de las causas: La creciente importancia de la IA causal
Mientras que los desarrolladores proporcionan código y comentarios como contexto para las herramientas de GPT, los equipos de DevOps, SRE e ingeniería de plataformas introducen este contexto en la IA generativa mediante técnicas de ingeniería de avisos. Para que esto sea eficaz, la información debe ser fiable y procesable. Pero, si las herramientas GPT tienen acceso a detalles precisos sobre las condiciones detrás del pico de CPU, pueden proporcionar una respuesta específica con una causa raíz detallada. Conseguir esta precisión requiere otro tipo de inteligencia artificial: la IA causal.
La IA causal extrae información precisa en tiempo casi real de las relaciones y dependencias observadas continuamente dentro de un ecosistema tecnológico o a lo largo del ciclo de vida del software. Estos gráficos o topologías de dependencia permiten a la IA causal generar respuestas totalmente explicables, repetibles y fiables que detallan la causa, naturaleza y gravedad de cualquier problema que descubra. La combinación de la IA causal con los GPT permitirá a los equipos automatizar análisis que exploren el impacto de su código, sus aplicaciones y la infraestructura subyacente, conservando todo el contexto.
Impacto entre ChatGPT y la IA generativa
En el futuro, la combinación de IA generativa e IA causal para aumentar el impacto y el valor de ChatGPT, y las tecnologías relacionadas, podría ser aún más potente y desbloquear casos de uso adicionales para impulsar la productividad y la eficiencia en la entrega de software. Por ejemplo, al integrar GPT en una fuente única de observabilidad y seguridad, podemos combinar consultas en lenguaje natural con respuestas impulsadas por IA causal para proporcionar un contexto preciso y claro. Esta ingeniería de entrada precisa hace que las propuestas de GPT sean más procesables y precisas para la remediación y la automatización.
Las organizaciones estarán en una posición mucho mejor para maximizar el impacto de la IA generativa combinándola con la IA causal para asegurarse de que evitan obtener respuestas muy genéricas o inadecuadas. Este enfoque combinado proporciona respuestas fiables para dos propósitos clave. En primer lugar, para impulsar una automatización fiable que sea determinista y repetible a través de la IA causal. En segundo lugar, para que la IA causal proporcione un contexto profundo y rico que libere todo el potencial de GPT para casos de uso de productividad y entrega de software.
Después de abordar los problemas de seguridad y privacidad, los equipos de DevOps y de ingeniería de plataformas pueden aprovechar la ingeniería de avisos automatizada para alimentar su GPT con datos en tiempo real y contexto causal impulsado por IA. Esto permitirá a los GPT impulsar la productividad con sugerencias adecuadas y significativas. La combinación de IA causal e IA generativa acabará dando lugar a la siguiente fase de innovación impulsada por GPT.
A medida que los equipos de ingeniería avanzan en este viaje, las organizaciones pueden construir una ventaja competitiva duradera al lograr importantes ganancias de productividad y acelerar la velocidad de la innovación de software a niveles que muchas personas habrían considerado imposibles anteriormente.
Comments