Creo que es pertinente partir por lo obvio y es explicar a raíz de que nace esta publicación, que es la primera de una serie acerca de Investigación Social e Inteligencia Artificial:
Lo primero es indicar que hablo de Investigación Social dado que, independiente de si es Recursos Humano, UX, CX o Investigación de Mercado, el proceso de Investigación cómo tal debe responder a fundamentos y bases metodológicas que son comunes a las distintas disciplinas.
Lo segundo es dejar de manifiesto que la motivación es solo abrir el debate y la mirada crítica respecto a como las ciencias sociales adopta nuevas tecnologías e ir desmitificando la poca información que existen en redes sociales al respecto.
Dicho esto…. a lo que vinimos.
“Descubre que quieren tus clientes/colaboradores con este prompt…”
De seguro te has encontrado con post de estas características. Suena prometedor ¿no? Lamentablemente déjame decirte que no es verdad.
LA IA Generativa es, cómo su nombre lo dice, aquella capaz de generar contenido. Sin embargo esto no significa que el contenido que desarrolle sea verdad. Lo que la caracteriza es su capacidad de que éste sea continuo y coherente.
Todo este contenido que es capaz de generar tiene como base modelos de redes neuronales pre entrenadas con millones de datos. Por ende, cualquier contenido que sea capaz de generar está limitado por el entrenamiento previo que le precede. Dicho esto, no puede crear o identificar cosas / patrones / insight / recomendaciones que no estén dentro de su entrenamiento previo.
A partir de esto establezcamos solo 2 puntos claves:
- Todo contenido que sea capaz de generar está limitado a la información que maneja.
- Las redes neuronales tienden a favorecer datos frecuentes, por ende caen en repetición y por lo tal, todo el contenido que se generar confluye en temáticas comunes.
Dicho lo anterior, la gran problemática de generar contenido en ciencias sociales a partir de IA es que tiende a la estandarización y responderá a datos generales. En este contexto:
- Los planes de acción tenderán a parecerse entre ellos
- Clasificará contenido y asignará comentarios y/u observaciones en función de generalidades, sin tomar consideración de diferencias que puedan tener los segmentos.
- Tenderá a generar recomendaciones similares entre ellos. Al final siempre recomendarás lo mismo
¿Y el Fine tuning? ¿Y el Transfer Learning?. Para una próxima publicación.