¿Cómo se abre paso la IA vertical?

Para ser honesto, después de leer este artículo, siento profundamente que el campo de la IA está pasando por un proceso de "desmitificación", el mito de Manus es sólo el comienzo, la verdadera pregunta es: cuando el agente general de IA está en problemas, ¿cómo encontrar su propio camino para salir de la IA vertical? Esto me recuerda una conversación con un empresario de IA médica que dijo: "En la vertical médica, no necesitamos que la IA sea capaz de escribir poemas y pinturas, sólo necesitamos que sea capaz de identificar con precisión los nódulos pulmonares." Esta frase rompe el misterio: la forma de romper la vertical de la IA reside precisamente en la palabra "restricción".

El "arado profundo de escena" de IA vertical es el rey de la carretera

El éxito de OpenEvidence lo dice todo. No se dedica a la inteligencia general, sino a la recuperación de pruebas médicas. Se dice que pasaron tres años construyendo el gráfico de conocimiento médico, peinando la literatura de las principales revistas médicas del mundo. El resultado de este profundo trabajo es que, cuando un médico se encuentra con un caso difícil en la consulta, OpenEvidence puede dar consejos basados en las últimas evidencias médicas en cuestión de segundos, y cada consejo está etiquetado con la fuente. Esto es mucho mejor que esas IA que sólo hablan en generalidades.

También me he dado cuenta recientemente de un caso interesante. Hay una empresa emergente especializada en IA para la revisión de documentos jurídicos, y ni siquiera se llaman a sí mismos "Agente", sino "Asistente Inteligente". Los fundadores me contaron que su mayor avance no es lo avanzada que es la tecnología, sino el hecho de que han dividido el flujo de trabajo de los abogados en 187 acciones estándar, y la IA solo tiene que prestar asistencia en 23 de ellas. Suena comedido, ¿verdad? Pero ha sido esta moderación la que ha permitido que su producto fuera adoptado por más de 50 bufetes de abogados a los seis meses de su lanzamiento.

¿Qué tipo de arquitectura tecnológica se necesita para la IA vertical?

Cuando se trata de tecnología, he descubierto que las IA verticales de éxito hacen todas lo mismo: encajar una inteligencia incierta en determinados flujos de trabajo. Es como ponerle "riendas" a la IA: preservar su creatividad, pero sin dejar que se desboque. Por ejemplo, en el ámbito del control de riesgos financieros, la IA no es completamente autónoma en la toma de decisiones, sino que en el proceso de aprobación preestablecido, sólo en el enlace específico de identificación de riesgos para desempeñar un papel. Este modelo de "flujo de trabajo + IA" puede ser la opción más pragmática para el ámbito vertical.

Pero, para ser sincero, los marcos tecnológicos actuales siguen siendo demasiado "ingenieriles". He visto demasiados proyectos en los que se apilan LangGraph, AutoGen y otros marcos, pero ni siquiera la lógica empresarial más básica se endereza. Lo que realmente necesita la IA vertical es una capa intermedia más cercana a los escenarios empresariales, que entienda la terminología del sector y se adapte a los hábitos de trabajo. Esto me recuerda al sistema MES de la industria manufacturera, no son las historias de éxito de los sistemas ERP "verticales" en general...

Las barreras de datos son el mayor foso.

Un inversor me dijo que ahora, cuando estudian proyectos de IA vertical, lo primero que preguntan es la fuente de datos. La IA general puede ganar por el tamaño del modelo, pero la IA vertical debe basarse en la profundidad de los datos. Aquellos proyectos que realmente se agotan, a menudo tienen canales de acceso a los datos únicos - ya sea la cooperación de la industria, o la acumulación histórica, o incluso un poco de etiquetado manual. Estas barreras de datos pueden ser mucho más fuertes que las barreras técnicas.

Tomemos como ejemplo la IA en la educación. Me enteré de que una empresa ha dedicado dos años a recopilar 100.000 ejemplares de libros de preguntas erróneas de estudiantes y ha creado una exclusiva "biblioteca de patrones de error". Su IA no requiere una gran capacidad de razonamiento, pero puede identificar con precisión los 37 tipos de errores que suelen cometer los estudiantes y hacerles sugerencias específicas. Este tipo de precisión basada en datos es donde reside el valor de la IA vertical.

Al final, el avance de la IA vertical no radica en la búsqueda de "más inteligencia", sino en la búsqueda de "mejor comprensión". Cuando la IA general sigue atrapada en la ilusión de la "omnipotencia", la IA vertical ha echado raíces en un escenario concreto. Tal vez, este sea el verdadero aterrizaje de la IA tal y como debería ser: no en lo alto del "cuerpo inteligente", sino en la profundidad de los "viejos expertos" de la industria. ¿Qué opina usted al respecto?