El impacto de los modelos de lenguaje de gran escala (LLMs)

Los modelos de lenguaje de gran escala (LLMs) son la tecnología que subyace en herramientas como el reciente y famoso ChatGPT.

Según un reciente estudio, parece que estos modelos tendrán un fuerte impacto en las ocupaciones relacionadas con el lenguaje. Lo cual podríamos decir que es evidente dado que son precisamente eso, modelos de lenguaje. En un plano menos evidente, aunque ya identificado por la paradoja de Moravec, el estudio también hace referencia a que son las profesiones con mayores salarios las que tienen más actividades con una alta exposición a ser impactadas por estos modelos.  

Esto nos sitúa en el inicio de un periodo de transición que afecta a todos los profesionales de la información, los que utilizan ordenadores y el lenguaje en su día a día. Un periodo en el que es posible que se destruyan puestos de trabajo, o que se reduzca el salario de algunas profesiones, o que se hagan más cosas de las que se hacían antes. Y todas estas posibilidades pueden ocurrir a la vez.

Probablemente la forma de proteger el propio trabajo individual, y el negocio de las empresas, sea adoptar estas herramientas cuanto antes. Esta adopción temprana nos servirá para identificar lo que se puede automatizar y automatizarlo, pero también para identificar lo que no se puede automatizar y potenciarlo.

Un profesional de la información, o una empresa, puede utilizar desde ya los LLMs en su día a día. No solo para explotar ya todas las posibilidades que ofrecen, sino también para entender qué hacen mejor que nosotros y en dónde no pueden ayudar tanto.

Desde hoy mismo, se puede utilizar los LLMs directamente a través de los interfaces que se ofrecen como ChatGPT. Esto implica primero aprender a utilizarlos. Aprender cómo hay que pedir lo que uno quiere, a escribir los prompts. A nivel de empresa, es el momento de sistematizar la generación de prompts para las distintas actividades en las que los LLMs pueden aportar y de definir y adoptar métodos de trabajo con estos modelos.

Esto se simplificará en los próximos meses, simplemente usando otras herramientas habituales que están integrando estos modelos. Google y Microsoft ya han anunciado la integración de estos modelos en sus WorkSpace y Office 365. Muchas otras herramientas, como Notion, Duolingo o Kahn Academy, lo están haciendo ya. Va a ser un movimiento muy transversal que hará que estos modelos sean ubicuos. Sin embargo, yo ahora no pondría mucha energía en identificar estas herramientas porque, tan rápido como aparecen ahora, se irán consolidando para quedar las mejores.

Desde la perspectiva de empresa, además de ayudar a sistematizar esos prompts para cada una de las actividades comunes, es el momento de identificar las actividades que son automatizables y crear herramientas que realicen esas actividades. Estos modelos son una especie de librería universal de lenguaje natural para un desarrollador. Hay múltiples funcionalidades que se han visto simplificadas y aceleradas.

Por otro lado, el estudio al que hacía referencia también identifica con un alto impacto a las actividades relacionadas con lenguajes de programación. Es decir, en el ámbito del desarrollo de software aplica todo lo anterior. No solo por ser los desarrolladores de software profesionales de la información al utilizar el lenguaje, sino porque estos modelos son capaces de programar.

Al igual que con el uso del lenguaje, en el desarrollo de código se pueden utilizar estos LLMs desde ya para aumentar su productividad individual a la hora de programar utilizando herramientas como el Copilot de GitHub.

Como ya he comentado, un LLM puede ser visto como una librería universal para el uso de lenguaje. Extraer texto, clasificar, hacer análisis de sentimiento… son tareas que se han simplificado mucho. Cualquier desarrollador está en condiciones de incluir en su repertorio estas librerías que le permiten resolver problemas con inteligencia artificial.

Uniendo la posibilidad de utilizar un LLM como una librería universal, junto con la capacidad que tienen los LLMs de escribir y entender código fuente, es posible crear herramientas que automaticen la generación de código. Desde potenciar herramientas Low-Code o No-Code, hasta procesos que documentan, generan pruebas, identifican errores, corrigen vulnerabilidades, simplifican el código o generan código de volumen y repetitivo.

Las posibilidades son muy amplias y simplemente estamos empezando a explorarlas. Como hemos aprendido en otras ocasiones, cuando los cambios ocurren muy rápido, no basta con esperar a ver qué ocurre, hay que explorar y entender las posibilidades cuanto antes.