IA Generativa
Septiembre 2023
IA Generativa
Copyright © 2023 Banco Interamericano de Desarrollo (BID). Esta obra se
encuentra sujeta a una licencia Creative Commons CC BY 3.0 IGO (https://
[Link]/licenses/by/3.0/igo/legalcode). Se deberá cumplir los
términos y condiciones señalados en el enlace URL y otorgar el respectivo
reconocimiento al BID.
En alcance a la sección 8 de la licencia indicada, cualquier mediación relacionada
con disputas que surjan bajo esta licencia será llevada a cabo de conformidad
con el Reglamento de Mediación de la OMPI. Cualquier disputa relacionada con
el uso de las obras del BID que no pueda resolverse amistosamente se someterá
a arbitraje de conformidad con las reglas de la Comisión de las Naciones Unidas
para el Derecho Mercantil (CNUDMI). El uso del nombre del BID para cualquier
fin distinto al reconocimiento respectivo y el uso del logotipo del BID, no están
autorizados por esta licencia y requieren de un acuerdo de licencia adicional.
Note que el enlace URL incluye términos y condiciones que forman parte integral
de esta licencia.
Las opiniones expresadas en esta obra son exclusivamente de los autores y no
necesariamente reflejan el punto de vista del BID, de su Directorio Ejecutivo ni
de los países que representa.
2
IA Generativa
Autores: Adrian Cevallos
Lucia Latorre
Maria Pfeifer
Mariana Gutierrez
Gianfranco Alicandro Veronica Villanueva
Zleste Wanner Alberto Rivera-Fournier
Ignacio Cerrato Alex Riobo
Jose Daniel Zarate Cristina Pombo
Juana Alvarez Fernando Puerto
Karla Villacreses Jorge Rodriguez
Los TechReports son una iniciativa del Laboratorio de Tecnologías Emergentes del
departamento de TI del BID, conocido como TechLab, que se encarga de explorar,
experimentar y difundir información sobre nuevas tecnologías para conocer su im-
pacto en el Grupo BID y la región de ALC.
Agradecimientos: El equipo del BID desea agradecer a todas las personas que participaron
en entrevistas y brindaron información clave para este documento.
3
IA Generativa
Tabla de contenido
1. Resumen ejecutivo 3
2. Definición 4
3. Aplicaciones 6
4. Usos potenciales de los grandes modelos lingüísticos 8
5. IA generativa en el BID 9
6. Requisitos y observaciones sobre el uso de la IA generativa 10
7. Buenas prácticas para un uso seguro y responsable 11
8. Consideraciones éticas 12
9. Seguridad y privacidad 13
10. Consideraciones técnicas 15
4
IA Generativa
1. Resumen ejecutivo
La IA generativa es una rama emergente de la IA que está revolucionando
el uso de la tecnología tal y como la conocemos. Su capacidad para
generar contenido nuevo y único tiene un gran potencial como asistente
del conocimiento, aunque aún se encuentra en fase de exploración.
En lugar de limitarse a clasificar, analizar o procesar los datos existentes, la
IA generativa intenta crear nuevos datos que se parezcan a los originales
y no se puedan distinguir de los que han creado personas humanas. Para
lograrlo, los modelos de IA generativa utilizan técnicas de aprendizaje
avanzado, redes neuronales y otros sistemas de IA de última generación
destinados a crear modelos capaces de aprender y reproducir patrones
en grandes conjuntos de datos.
El Departamento de Tecnología del BID, el Laboratorio de Tecnologías
Emergentes y el Departamento de Ética han analizado el uso y los riesgos
de esta tecnología, así como las tendencias en el ecosistema de América
Latina y el Caribe.
AI generated image using the prompt:
“A stock image depicting ideas coming out of an isolated brain, orange background, no faces, no people”
5
IA Generativa
2. Definición
La IA generativa es un tipo de Inteligencia Artificial (IA) que utiliza el aprendizaje
automático o «machine learning» para producir nuevos contenidos a partir
de un amplio conjunto de datos de entrenamiento. El formato del resultado
puede ser texto, imágenes, vídeo, código, renderizaciones 3D o audios. Hoy
en día, cuando interactuamos con un motor de búsqueda, como Google, o
cuando utilizamos un chatbot tradicional del tipo pregunta-respuesta, estamos
solicitando información existente. En cambio, al utilizar herramientas basadas en
IA generativa, el modelo emplea información existente para generar contenido
original, como canciones, poemas, artículos, etc.
ChatGPT y DALL-E son dos modelos insignia que han llevado la IA generativa
a la conversación pública. ChatGPT es un chatbot que puede generar texto
original, mientras que DALL-E puede crear imágenes originales, ambos a partir
de entradas también denominados “prompts”1. Según Gartner, en 2025 la IA
generativa será responsable de producir el 10 % de los datos, frente al menos
del 1 % que genera en la actualidad.2
La organización que está detrás de estos dos modelos es OpenAI, una empresa
de investigación y desarrollo con sede en San Francisco (California), que ante
la gran popularidad de ChatGPT, ya ha lanzado un piloto de suscripción de
pago llamado ChatGPT+3 y ha cerrado un acuerdo con Microsoft para conceder
licencias y comercializar el modelo dentro de su conjunto de productos
corporativos.
Otros modelos similares al GPT de OpenAI son:
• Bloom: un modelo de generación de texto en 46 idiomas y 13 lenguajes
de programación que cuenta con 176 billones de parámetros, creado por el
proyecto BigScience, un colectivo de más de 1000 investigadores procedentes
de 60 países diferentes.
• LLaMA: un modelo de generación de texto «más pequeño» desarrollado por
MetaAI, con entre 7 y 65 billones de parámetros, que requiere menos potencia
computacional que los modelos más grandes.
1
Prompt is the text input users use to interact with Generative AI tools
2
[Link]
Trends%20for%202022_Gartner_31gen2022.pdf
3
[Link]
6
IA Generativa
Lo más interesante de la tecnología que hay detrás de la IA generativa es que no
podemos predecir el contenido que genera, ya que es contenido completamente
original y único, con una capacidad de razonamiento cada vez más parecida a
la de un ser humano. A pesar de todos estos avances tecnológicos y de lo útil
que pueden resultar en nuestro día a día, es necesario recordar que se trata
de un asistente de conocimiento. Es decir, nos ayuda a generar contenidos,
pero es incapaz de tomar decisiones por nosotros y no debemos basar nuestras
elecciones únicamente en lo que generan motores como ChatGPT. También cabe
señalar que no siempre el contenido generado es correcto, ya que la tecnología
utilizada puede proporcionar respuestas inadecuadas.
7
IA Generativa
3. Aplicaciones
A. Generación de imágenes: el modelo puede generar una colección de imágenes
originales a partir de una descripción detallada del entorno, el tema, el estilo
o la ubicación. Entre las herramientas disponibles se encuentran DALL-E de
OpenAI4 y Stable Diffusion.5 El método de las Redes Generativas Adversativas
(RGA), puede convertir una imagen de baja resolución a una imagen de alta
resolución6. Esta aplicación puede resultar útil en el sector sanitario para el
diagnóstico de pacientes, así como con fines de seguridad y vigilancia. Por
ejemplo, este método es beneficioso para crear versiones de primer nivel de
recursos médicos que, por un tema de limitaciones de costos, no son factibles
de almacenar en formato de alta resolución.7 Por otro lado, en el ámbito de
la edición, la función Borrador Mágico de Google Pixel8 utiliza IA generativa
para eliminar de forma automática los elementos no deseados de la fotografía
y rellenar el espacio.
B. Generación de texto: el modelo puede generar texto original a partir de una
descripción. Por ejemplo, un artículo, un ensayo, un guion, un resumen sobre un
tema concreto, etc. Uno de los más conocidos es ChatGPT, en el que el modelo es
capaz de mantener una conversación y generar contenido relevante basándose
en el contexto de la búsqueda. Sin embargo, dichos modelos están todavía en
fase de desarrollo y presentan múltiples retos para generar información fiable
que pueda utilizarse sin verificación previa..
C. Generación de audio: el modelo puede generar audio original basado en
un texto o incluso a partir de otra pista de audio. Por ejemplo, podría crear
una audioformación para el sector educativo basada en apuntes, así como
generar una narración utilizando la misma voz que el audio de referencia. Por
último, el modelo puede generar piezas musicales a partir de un gran conjunto
de datos. No obstante, para poder utilizar los datos de entrenamiento de
otros artistas musicales, esta aplicación tendrá que cumplir con la legislación
de derechos de autor. Por ejemplo, Google Duplex9 es un asistente virtual en
formato hablado capaz de entender casi a la perfección a la persona con la que
habla, respondiendo prácticamente como un humano. Puede ser de ayuda en
los centros de atención telefónica.
4
[Link]
5
[Link]
6
[Link]
7
[Link]
8
[Link]
9
[Link]
8
IA Generativa
D. Generación de vídeos: el modelo puede detectar el tiempo y el espacio en
los vídeos para generar una nueva secuencia. Este modelo podría utilizarse
para identificar anomalías en los vídeos de seguridad y vigilancia, ya que puede
identificar lo que va a pasar en nuevas secuencias. Make-A-Video, de la compañía
Meta10, y Gen-1, de Runway Research11, son dos aplicaciones de acceso público
que muestran los avances de la tecnología.
E. Generación de datos sintéticos: el modelo puede generar un tipo de
datos llamados «sintéticos», que se elaboran artificialmente y no derivan de
observaciones directas en el mundo real. Se trata de un uso especialmente
interesante, porque preserva la privacidad de los propietarios de los datos
utilizados para entrenar el modelo. Podría utilizarse en el sector sanitario para
generar y analizar datos con fines de investigación médica, preservando la
privacidad de los pacientes.
F. Generación de modelos 3D: el modelo puede generar versiones 3D a partir
de imágenes 2D o texto. Mediante este método, se puede construir un «gemelo
digital» en el metaverso como parte de la creación de mundos virtuales. Entre
sus posibles usos se incluye la formación en sectores como la construcción, la
producción o la sanidad, así como el diseño de ciudades y productos físicos.
physical product design.
AI generated image using the prompt:
“People in Latin America and the Caribbean using virtual reality technology”
10
[Link]
11
[Link]
9
IA Generativa
4. Usos potenciales de
los grandes modelos
lingüísticos
Un LLM, o “Modelo de lenguaje grande”, es un modelo de inteligencia artificial
generativa diseñado para comprender y generar texto similar al humano en
función de la entrada que recibe. Estos modelos están entrenados en grandes
cantidades de datos textuales, lo que les permite responder preguntas, redactar
contenido, ayudar en la investigación y realizar una multitud de otras tareas
basadas en texto con una precisión impresionante. El ejemplo más popular de
un LLM es ChatGPT. Aquí hay cuatro tipos de propósitos diferentes para LLM:
Síntesis: El resumen de grandes cantidades de documentos implica aplicar el
lenguaje natural para comprender, extraer y analizar la información. Los grandes
modelos lingüísticos facilitan la síntesis de documentos jurídicos e informativos
en diferentes campos, como los servicios financieros, la investigación, el derecho
o la sanidad.
Generación de textos: Abarca múltiples usos, como la redacción de correos
electrónicos masivos, la programación de reuniones12, la redacción de ofertas
de trabajo, artículos, documentos de visitas médicas, la redacción de políticas
o la creación de borradores de contratos legales. La IA generativa también
puede utilizarse para asesorar a agricultores13, ayudar a diseñadores y redactar
guías turísticas para viajeros14. También pueden utilizarse como chatbot para los
servicios de atención al cliente, ya que son capaces de comprender textos de
naturaleza humana y generar resultados análogos.
Búsquedas semánticas: Combinada con las capacidades de priorización y
extracción, la IA generativa puede contribuir al análisis de la información, por
ejemplo, analizando el riesgo de precio y la clasificación de bases de datos,
entre otros aspectos. Además, la IA generativa puede ser útil para la detección
de fraudes, identificando patrones sospechosos y anomalías en datos basados
en texto, como correos electrónicos, facturas o revisiones.
Generación de código informático Se puede utilizar para generar código
informático en distintos lenguajes de programación, como Python, JavaScript,
Go, Perl, PHP, entre otros.15
12
[Link]
using-chatgpt-salesforce-air-india-snapchat-in-the-list/articleshow/[Link]
13
Articulo de gartners sobre agricultores
14
[Link]
how-companies-are-using-chatgpt-in-2023/?sh=51b06e631441
15
[Link]
10
IA Generativa
5. IA generativa en el BID
La IA generativa tiene el potencial de impactar y alterar la región de ALC en
diferentes sectores e industrias. El Grupo BID ha impulsado y está apoyando la
adopción de esta tecnología en la región y en la organización.
Para abordar mejor los desafíos y oportunidades de esta tecnología, se creó
un grupo de trabajo interno para alinear y coordinar las iniciativas relacionadas
con la IA generativa. Este grupo de trabajo tiene el mandato de generar
conocimiento, mantener informadas y actualizadas a la organización y a la
Región, generar conciencia sobre oportunidades y riesgos, definir la agenda
de IA Generativa para el Grupo BID e identificar herramientas seguras para
desarrollar, implementar y utilizar.
A continuación se presentan artículos, eventos y publicaciones que reflexionan
sobre el uso y los efectos potenciales de la IA generativa en la región de ALC:
• Desafío global para generar confianza en la era de la IA generativa
• ChatGPT y educación: ¿oportunidad, desafío o amenaza?
• El poder de ChatGPT para elaborar políticas públicas innovadoras
• ChatGPT y el futuro del trabajo
• Charla GPT y el futuro de las Pymes en América Latina y el Caribe
• De la imprenta al ChatGPT: el desafío no está en la tecnología sino en la
desigualdad educativa
• Sesiones charlas sobre la Aplicación de la Inteligencia Artificial en la
Educación Online
11
IA Generativa
6. Requisitos y
observaciones sobre el
uso de la IA generativa
Es muy importante que la supervisión del contenido generado por una
herramienta como ChatGPT esté a cargo de un humano, lo que se conoce en
inglés como «human in the loop» (que haya una persona humana en el proceso).
La IA generativa puede contribuir a la creación de contenidos, sin embargo,
siempre debe intervenir un humano, tanto en la introducción del prompt como
en la revisión del contenido. Por lo tanto, es importante indicar en el propio
prompt que, si ChatGPT no conoce la respuesta, debe decir «No lo sé». De lo
contrario, la herramienta generará una nueva respuesta que puede resultar poco
fiable.
Uso de prompts: uno de los aspectos que pueden determinar la calidad del
resultado, además de la calidad del modelo, es el diseño de los «prompt»
que se van a utilizar. Es aquí donde se observa el papel de los humanos en
la interacción con la tecnología. La popularidad de modelos como ChatGPT y
DALL-E ha inspirado a expertos de la industria creativa a elaborar y compartir
colecciones de prompts para generar contenidos relevantes en sus sectores.
También se han creado guías para el entrenamiento de IA, como «The Art of
ChatGPT Prompting: A Guide to Crafting Clear and Effective Prompts»16 [El arte
del prompt en ChatGPT: Una guía para redactar prompts claros y eficaces].
En este sentido, la gran diferencia de ChatGPT es que el modelo utiliza el
contexto para generar contenido. A partir de un prompt, ChatGPT es capaz de
seguir una conversación y responder según el contexto.
Por último, citamos como referencia el caso de la Asociación para el Avance de
la Inteligencia Artificial (AAAI, por sus siglas en inglés), que establece que los
artículos generados por los modelos generativos no cumplen los criterios de la
AAAI y no pueden utilizarse como referencia citable. La atribución de la autoría
conlleva la responsabilidad del trabajo, que no puede aplicarse eficazmente a
los sistemas de IA.17
16
h[Link]
17
[Link]
12
IA Generativa
7. Buenas prácticas para un
uso seguro y responsable
de la IA generativa
Al utilizar herramientas de IA generativa, los usuarios deben asegurarse de que
su interacción no solo sea productiva sino también ética y precisa. Estas pautas
están diseñadas para proporcionar un uso responsable:
1. Valide y verifique siempre la exactitud del contenido generado, cualquier
fuente citada por la inteligencia artificial debe contrastarse. El objetivo principal
de la IA generativa es crear contenido nuevo y original, sin embargo, este podría
ser inexacto o contener información sesgada. Por lo tanto, no debe utilizarse
como fuente primaria y única de información, puesto que los resultados podrían
ser poco fiables o basarse en información obsoleta.
2. No utilice información no pública o confidencial hasta que su organización
haya identificado y aprobado herramientas compatibles. Algunas herramientas
públicas de IA generativa almacenan y utilizan la información que usted
comparte para enriquecer el modelo y estará disponible para otros usuarios.
Recomendamos no compartir datos personales y tener en cuenta las posibles
violaciones de la privacidad que podrían surgir a través de la identificación
indirecta de personas.
3. Cuando sea posible, haga preguntas a la herramienta sobre cómo se llegaron
a las conclusiones. Adopte el aprendizaje y la capacitación continuos para
comprender las capacidades y limitaciones de estas herramientas y aplicarlas
de manera responsable en el entorno laboral.
4. Tenga en cuenta cualquier dato sesgado que pueda generar resultados
inexactos o discriminación. Asegúrese de que el contenido generado que
comparte esté alineado con los valores de su organización.
5. Esté al tanto de los Derechos de Propiedad Intelectual. Estas herramientas
extraen y generan información teniendo en cuenta múltiples fuentes, y es posible
que el contenido generado no esté libre de derechos de autor.
6. Indique si el contenido (texto/imagen/vídeo) se ha generado utilizando
herramientas de IA generativa. Haga referencia a estas fuentes para las citas. Hay
algunas sugerencias sobre cómo citar ChatGPT y otras fuentes de Generative IA
en las siguientes citas MLA, APA y Chicago Manual Style18.
18
[Link]
13
IA Generativa
8. Consideraciones éticas
El uso ético y responsable de herramientas públicas como ChatGPT debe tratarse
con la máxima atención. En primer lugar, debemos ser cautelosos a la hora de
compartir información confidencial que no esté a disposición del público. Esto
incluye nuestra responsabilidad a la hora de proteger la privacidad de los datos
personales que manejamos. Dado que los modelos de IA se entrenan con datos,
incluyendo la información que los usuarios comparten en forma de prompts e
interacciones con la herramienta, debemos ser prudentes con la información
que compartimos y tener en cuenta que esta pasará a formar parte de la base
de datos de entrenamiento del modelo de IA.
En segundo lugar, debemos ser conscientes de los riesgos relacionados con el
uso de la propiedad intelectual. El algoritmo ha sido entrenado a partir de un
gran volumen de información, y debemos tener en cuenta que tal vez tanto en
esta herramienta como en las que puedan surgir en el futuro, la información
utilizada al entrenar el modelo no ha sido imparcial o está protegida por
propiedad intelectual. Como usuarios, tenemos el deber de respetar y utilizar
responsablemente la propiedad intelectual de terceros, lo que implica reconocer
el trabajo realizado por otras personas y, en tal caso, obtener los permisos
necesarios para no incurrir en plagio o infracción de derechos de autor. También
puede ocurrir que el modelo extraiga información y la malinterprete, dando
lugar a una respuesta que fomente la discriminación. Por ejemplo, el modelo
puede generar discriminación por raza, genero, grupo étnico o religión.
Además, los usuarios deben tener en cuenta que la IA generativa puede
proporcionar información errónea o incorrecta. Los modelos de IA se entrenan
con datos, por lo que es importante evaluar la fiabilidad y confiabilidad de sus
fuentes, así como tener en cuenta que algunos modelos fueron entrenados con
información hasta el año 2021, por lo que algunos modelos podrían no contar
con información actualizada a fecha de hoy. De esta manera, es importante
actuar con cautela a la hora de basarse en la IA. El uso de fuentes de datos
poco fiables puede llevar al modelo a generar información errónea o a tomar
decisiones que no se ajusten a consideraciones éticas o legales. En este sentido,
se puede preguntar al propio ChatGPT qué datos ha utilizado, el cual devolverá
enlaces a las fuentes, facilitando la verificación de la información. Si no se verifica
la fuente, es mejor no tener en cuenta los datos proporcionados.
14
IA Generativa
9. Seguridad y privacidad
La IA generativa ofrece grandes ventajas, pero también plantea problemas de
privacidad y seguridad importantes.
Desde el punto de vista de la seguridad, es esencial tener en cuenta la clasificación
de confidencialidad de cualquier dato introducido en las plataformas de IA
generativa (es decir, público, confidencial interno, restringido o muy restringido).
Todos los datos intercambiados en el uso de la IA generativa son revisados por
expertos en IA para optimizar los sistemas y «entrenar» el modelo, pudiendo
llegar a formar parte del contenido facilitado a otros usuarios de la plataforma.
Actualmente, no existe ninguna opción que permita establecer acuerdos
contractuales con OpenAI en el uso de ChatGPT, con el fin de garantizar la
protección y confidencialidad de la información de las organizaciones.
También cabe destacar el riesgo de métodos que, bajo el pretexto de nuevas
plataformas de IA generativa, instalan softwares maliciosos para robar
información confidencial o cometer fraudes. Por lo tanto, es importante tomar
precauciones al adquirir, instalar o utilizar nuevas aplicaciones de IA generativa.
Cuando se trata de privacidad, la IA generativa presenta algunos aspectos
delicados que deben considerarse.
En primer lugar, es importante tener en cuenta nuestra propia privacidad en el
uso de herramientas públicas, ya que la información compartida al utilizar estas
herramientas se almacena y puede utilizarse para otros fines. La información
personal que se comparte pasa a formar parte de la base de datos de la
herramienta y puede ser divulgada potencialmente sin previo aviso. También
es importante considerar la posibilidad de que se hackee el sistema o que sus
datos personales se hagan públicos como resultado de fallos o filtraciones.
En segundo lugar, es importante considerar la privacidad de otros individuos.
Es posible que usted esté proporcionando información que podría identificar
directa o indirectamente a un individuo al combinarse con otra información
que ya posea la herramienta y exponer datos personales sin su conocimiento o
consentimiento.
En tercer lugar, es importante tener en cuenta las implicaciones en materia de
privacidad a la hora de explorar el desarrollo de los usos de la IA generativa. Existe
un intenso debate en torno al desafío que la IA generativa plantea respecto a los
principios fundamentales de la privacidad relativos a la transparencia, el acceso,
el uso y los derechos. Esta preocupación parte de la forma en que se obtienen
los datos utilizados para entrenar los modelos, fundamentalmente porque no
se atienen a los principios básicos de privacidad o, incluso, dependiendo de la
jurisdicción concreta, se hace de una forma que incumple la legislación sobre
privacidad. Por ejemplo, algunos países han prohibido el uso de herramientas
15
IA Generativa
de IA Generativa y se han interpuesto demandas alegando que los datos se
recopilaron sin la debida notificación, sin un mecanismo que garantizara su
exactitud, sin los debidos controles de consentimiento para menores y sin una
base legal para recopilar la información.
Existe consenso sobre la necesidad de informar a las personas acerca de cómo
se recopilan y procesan sus datos. El término ‘’IA explicable’’ se ha utilizado para
referirse a la necesidad de explicar de una manera sencilla el modo en que el
sistema toma decisiones, con el fin de defender los principios de transparencia
e imparcialidad de la privacidad. Por último, la IA generativa ha planteado un
reto para el ejercicio de los derechos sobre los datos de los individuos y cómo
habilitar un modo para que cada persona pueda ejercer su decisión de eliminar
sus datos personales, lo que puede resultar muy difícil o casi imposible, sin
comprometer la utilidad del modelo.
Estos son solo algunos ejemplos de los posibles problemas de privacidad que
plantea el uso de la IA generativa. Adoptar una mentalidad en la que prime el
respeto a la privacidad es un paso importante para abordar este reto e incorporar
la protección de la privacidad desde la base.
AI generated image using the prompt:
“AI security, 3d illustration”
16
IA Generativa
10. Consideraciones técnicas
La integración de la IA generativa en aplicaciones empresariales tiene un enorme
potencial desde una perspectiva técnica y existen algunas consideraciones que
se mantienen consistentes independientemente del marco, la tecnología o el
lenguaje de programación de IA específicos utilizados.
• Es esencial comprender la tarea específica en cuestión y seleccionar el
modelo apropiado, como GPT-3 y todas sus variantes, GANs19, BERT20 o
VAE21, alineado con los requisitos de datos.
• Recomendamos optimizar la capacitación del modelo y considerar
consideraciones éticas para evitar sesgos y generación de contenido dañino.
• La IA generativa requiere mucha energía para ejecutar estos modelos. Ser
consciente del consumo de energía y del impacto de la huella de carbono al
utilizar indiscriminadamente esta tecnología22.
• La implementación de la autenticación basada en roles le brinda control
de acceso a datos confidenciales, lo que garantiza que solo los usuarios
autorizados puedan interactuar y manipular información privada. Esto
agrega una capa adicional de seguridad a su aplicación, reduciendo el riesgo
de acceso no autorizado y violaciones de datos.
• Priorizar las pruebas de la experiencia del usuario e implementar medidas
de seguridad sólidas, como cifrado y canales de comunicación seguros, para
proteger los datos del usuario y el contenido generado.
• Cumpla con las regulaciones de privacidad de datos y manténgase informado
sobre los avances para aprovechar la IA generativa de manera responsable
y efectiva en diversas aplicaciones.
• Tener en cuenta que la calidad de las respuestas generadas por los modelos,
dependerá de la calidad de los datos y base de conocimiento que se
proporcione.
19
[Link]
20
[Link]
21
[Link]
22
[Link]
chatgpt-use-no-one-knows-for-sure?in_source=embedded-checkout-banner
17
Generative AI
September 2023
IA Generativa
Septiembre 2023
