La generación de contenidos a través de Inteligencia Artificial generativa se encuentra actualmente en un momento de auge gracias a la irrupción de diferentes herramientas como Chat GPT o Midjourney que han traído consigo una aceleración tecnológica.
Con la utilización de la Inteligencia Artificial generativa para la creación de contenidos se puede ayudar a los profesionales del marketing a generar contenido mediante la realización de imágenes, videos, textos o sonidos de forma original y, a su vez, a analizarlos de forma más coherente y relevante.
En este primer podcast del año hablamos sobre la generación de contenidos con IA generativa, y te explicamos cuáles son los retos a los que se enfrenta, y cómo va ser su convivencia en la sociedad en conjunto.
Para ello, hemos contado con la participación de David Llorente, fundador y CEO de Narrativa, y un emprendedor apasionado por la tecnología y la innovación, que nos desgrana su visión sobre esta herramienta en la generación de contenido.
¿Qué podrás escuchar en este podcast?
- Cómo funciona la IA generativa y cómo podemos aplicarla.
- Cuál es el valor de la colaboración entre personas y máquinas en el proceso de generación de contenido.
- Cómo la automatización del contenido está planteando determinadas preocupaciones a nivel social, sobre todo desde la capa más de la autenticidad y de la creatividad.
- Cómo aborda una empresa estos desafíos para garantizar que el contenido que se genera con Inteligencia Artificial sea relevante y valioso.
- Cuáles son los sectores que se están beneficiando de la automatización del contenido impulsado por la IA generativa.
- El impacto de la automatización del contenido en operaciones con empresas que utilizan la IA Generativa.
- Los tipos de uso de esta tecnología en las empresas.
¡Te esperamos en Digital Talks by t2ó! Ya tienes el episodio disponible en nuestros canales de Spotify, Apple Podcast, Google e iVoox 🎧
Si te ha gustado y te parece interesante de cara a tu negocio no dejes de escuchar los demás capítulos, ¡aprenderás de/con l@s mejores! 🤓
[Transcripción del Podcast]
EC: Hola, soy Esther Checa y hoy vamos a hablar sobre la generación del contenido con Inteligencia Artificial generativa, los retos que supone y la convivencia con las personas. Empezamos el año hablando de esta tecnología con David Llorente, fundador y CEO de Narrativa.
Narrativa es una empresa de Inteligencia Artificial generativa que ayuda a las compañías a aumentar sus ingresos mientras reducen costes y ahorran tiempo y recursos mediante la automatización del contenido. David es un emprendedor en serie con una gran pasión por la tecnología e innovación. Investigador especializado en Inteligencia Artificial, ha fundado cuatro startups y ha trabajado en el desarrollo de negocios y estrategias para empresas líderes en Europa y Estados Unidos. David, muchas gracias por estar hoy con nosotros.
DLL: Muchas gracias a vosotros por invitarme.
EC: Pues el año pasado con el equipo de Monoceros, Nieves y Carlos ya hablamos de qué era la Inteligencia Artificial generativa y cómo se podía utilizar en las estrategias conversacionales, en concreto en el desarrollo de las voces sintéticas. Y me gustaría David arrancar en 2024 con una introducción sencilla sobre cómo funciona la Inteligencia Artificial generativa, sobre todo para refrescar y cómo la podemos aplicar a la automatización del contenido.
DLL: Empezaré con una definición muy sencilla de lo que es la Inteligencia Artificial, por lo menos para mí, porque entiendo que hay muchas definiciones.
Para mí es la capacidad que tienen las máquinas de realizar tareas que a nivel cognitivo son similares a las que hacen los humanos, pues desde hablar, entender textos, escribir y reconocer imágenes y demás. En concreto, la Inteligencia Artificial generativa es un término que se ha acuñado hace prácticamente un año desde el lanzamiento de Chat GPT. Pero bueno, antes se conocían como las Language models.
Es una parte del texto y que básicamente son modelos de lenguaje que son modelos de Inteligencia Artificial que han sido entrenados en unas cantidades vastísimas de datos de textos, imágenes y demás, pero centrándose en el texto. Eso, digamos, hacía antes, pero la gran diferencia con respecto a lo que se hacía antes con con estos modelos es que estos modelos se basan en una arquitectura que se llama Transformers, que viene precisamente la inventó Google y que viene de la tecnología de la traducción automática. Y básicamente lo que hacen es relacionar términos entre sí cada término.
Imaginaros un término que puede ser un coche está relacionado a su vez con con millones o billones de otros términos, no? Desde colores hasta partes del coche hasta carretera y demás.
Imaginaros esto en multilenguaje, el multi idioma, muchísimos idiomas. Entonces la relación entre ellos, digamos, está relacionados con un vector, básicamente lo que se mide es la distancia entre los puntos del vector entre el término coche y el término carretera o el término coche y el término avión. Cuanto más cercanos estén los puntos el vector sea, más corto, más relacionados están con eso que se consigue. Se consigue darle un contexto grandísimo a los a los a los conceptos, digamos concepto coche, como está relacionado con otros elementos, otras palabras muy cercanas, pues lo que hacen estos modelos es es aprovechar esos vectores para con modelos predictivos, predecir cuál va a ser la siguiente palabra. Escribir en base al contexto previo, es decir, las palabras anteriores. Esto es una gran revolución, porque de repente ha conseguido que los textos no solo que los generen correctamente, sino que entiendan lo que de verdad les estás pidiendo. Por eso el famoso prompt que tú escribes y el modelo te responde algo. Eso es algo muy, muy novedoso y la verdad es que ha supuesto una gran revolución para la industria y en general para la sociedad.
EC: David, Narrativa lleva en el mercado casi nueve años y durante este tiempo pues bueno, habéis sido líderes en el desarrollo de contenido con esta tecnología, con la Inteligencia Artificial y una pregunta que es inevitable que te haga, sobre todo por el ruido que hay en el uso de la Inteligencia Artificial generativa en el proceso de producción del contenido, ¿cómo entiendes el valor de la colaboración entre personas y máquinas en este proceso de generación de contenido?
DLL: Bueno, en realidad se habla muchísimo del poder de las máquinas, de la IA generativa o IA general, mejor dicho, como si las máquinas tuvieran una especie de conciencia y fuesen entes autónomos.
En realidad la Inteligencia Artificial no es capaz de producir nada útil, por lo menos para los humanos en sí, no el input o los inputs, no solo en la fase de entrenamiento, sino la fase de inferencia, es decir, en la fase de uso. Si ese input no lo provee un humano, entonces, por ejemplo, en lo que nosotros nos especializamos, que es la generación automática de textos y el texto es tan bueno como el humano que que use la plataforma para generarlo, que hace uso entre entre otros, de los modelos generativos. Es decir, cuanto mejor sea un periodista o un marketiniano o un router, mejor será el texto a generar.
Entonces nosotros vemos la Inteligencia Artificial como una especie de augmented human, no como un humano en el que sus capacidades han aumentado en muchísimas. Entonces, por lo tanto, nuestra visión es que la Inteligencia Artificial es tan buena como es el humano que la usa, y por ello no hay uno u otro, sino hay una dupla que es la que hace que se consigan cosas tan increíbles como las que están consiguiendo últimamente.
EC: Totalmente, totalmente de acuerdo. Otra pregunta que se me plantea es cómo la automatización del contenido está planteando determinadas preocupaciones a nivel social, sobre todo desde la capa más de la autenticidad y de la creatividad. Es decir, ¿cómo aborda una empresa como narrativa estos desafíos para garantizar que el contenido que se genera con Inteligencia Artificial sea relevante y sea valioso?
DLL: En general yo creo que lo que hay es una especie de pánico por algunos sectores.
Mucho miedo a de repente abrir una página web, teclear un par de cosas y que te saque un texto que quizá lo escriba mejor que tú.
Por lo menos mejor que yo seguro que no soy periodista ni solo escribir.
Entonces yo creo que eso es, vivimos en un contexto un poco de miedo. No hay más que pensar que Europa se ha lanzado a regular algo que en realidad ni comprendemos aún el alcance, y yo creo que es sobre todo por el miedo más que por las oportunidades.
La IA generativa es súper buena a la hora de replicar o, digamos, ayudarnos a ser más creativos, pero en si no es creativa. O sea, una Inteligencia Artificial no va a decidir de repente ser creativo si tú no se lo indicas.
Y la autenticidad, en realidad los modelos generativos son muy buenos en todo, excepto en escribir fielmente a la verdad, porque no están diseñados para ello. Recordad lo que os he comentado de la distancia vectorial. Básicamente lo que intenta es predecir qué palabra sería la siguiente en base a un contexto que ahí está lo potente.
Pero claro, eso quiere decir que tú le puedes decir le puedes dar un prompt, un contexto, totalmente alterando los hechos y la máquina va a lanzarse a seguir escribiendo, porque no, no tiene concepto de verdad, no está diseñada ni la arquitectura está pensada para eso.
Entonces como os comentaba, no es muy bueno a la hora de decir la verdad estos modelos no son buenos, pero sí que realizan ciertas tareas de una manera increíble, que son más. Las tareas tradicionales de procesamiento del lenguaje natural te ayudan a sumarizar, te ayudan a reescribir, te ayudan a extraer información. Entonces, al final, por lo menos en nuestro caso, usamos una serie de tecnologías y, y digamos una especie de workflow, un workflow de automatización que nos ayuda a que, entre otras cosas, usando modelos de lenguaje tipo GPT, llamados Mistral, los que sean diversos puedan generar textos fieles a la realidad, a pensar que hacemos cosas aparte de generación de noticias y texto de marketing, hacemos también documentación para los reguladores farmacéuticos, para bancos, aseguradoras y demás. Entonces bueno, pues digamos los modelos de lenguaje de este tipo se tienen que usar para ciertas tareas concretas, pero en ningún caso para para escribir un texto que que tú aspires a que a que diga la verdad. Quizá a lo mejor un texto creativo, que le pidas que te de ideas para ciertas cosas, pues a lo mejor sí tiene cierto sentido, pero no para escribir un texto fiel a la realidad.
EC: David, en vuestra experiencia, en tu experiencia después de estos años, ¿ qué sectores ves que se están beneficiando más de la automatización del contenido impulsado por esta tecnología? Sobre todo, ¿por qué?
DLL: Bueno, ahí haría dos distinciones:
Uno es el contenido, no la automatización en sí, sino el assistant, el asistente de escritura que ahí tienes en un mundo increíble, aparte del propio GPT, pues tienes los Jasper y Copy y lo que sea, que ahora salen un montón de que básicamente son aplicaciones que usan modelos de lenguaje y que bueno, que están muy bien hechos, muy pensados para marketing, sobre todo para freelancers o empresas pequeñas y básicamente funcionan.
El propio Writer, que es un poco más avanzado, funciona como asistente de escritura, eso, digamos, es el primer gran mercado que se ha atacado y sí que está sufriendo un poco porque bueno.
Luego yo creo que el que es más interesante, el que va a perdurar, el más defendible del punto de vista de los negocios, concretamente en un negocio es el de la escritura, de informes, de reportes, cuestiones sobre todo para industrias muy reguladas, por ejemplo preparación de licitaciones, informes sobre análisis de redes y generación de un informe de riesgos, en fin, cuestiones para compliance.
Ahí hay un potencial increíble a nivel Enterprise que yo creo que va a marcar la diferencia, pensar que es un gran coste el generar esos informes, pero sobre todo es un gran riesgo. Mucho más que el que te equivoques en un copy de marketing que haces 200 para Google. Entonces, bueno, yo ahí es donde lo veo por lo menos, quizás esté un poco sesgado porque es en lo que trabajamos, pero es donde yo veo un potencial brutal en el futuro.
EC: En relación con esta última pregunta, me gustaría ver sobre los proyectos que trabajáis en términos de eficiencia y también en términos de ahorro de costes, que parece que es parte de la conversación también importante del uso de esta tecnología. ¿Cómo impacta esta automatización del contenido en operaciones con empresas que utilizan estos servicios?
DLL: Yo creo que hay tres cuestiones.
Una es el ahorro de costes, está clarísimo, cuando haces algo con menos gente y más rápido, hay un impacto directo en los costes.
El segundo es el bueno, lo que he dicho antes, el ahorro de tiempos es importante. ya que se puede aprovechar para hacer más. A lo mejor en vez de hacer cinco copys de marketing, haces 20 o 200. Pero en industrias reguladas, por ejemplo, si hay que entregar un informe para que tengas la aprobación del regulador, pues si en vez de seis meses tardas un mes, pues son cinco meses de marketing que puedes, que puedes ir al mercado y es un coste de oportunidad. Eso es muy importante.
El tercero es la precisión, sobre todo cuando hablamos de de lo que es el data to text, transformar datos a textos.
Las máquinas son mucho más precisas que los humanos, y ahí esas son las tres consideraciones principales donde la Full Automation, la automatización a escala de de información o de informes donde más digamos unos tres.
A nivel operacional lo más importante es pensar que a lo mejor estamos ahorrando un 80% de tiempo en la generación de informes y un 60% de costes, porque luego esto es importante. Luego toda esa información tiene que ser revisada por un humano, sobre todo cuando hablamos de temas de compliance, pero no tiene por qué ser generada por el humano. Entonces yo creo que esto va por ahí, el humano va a ser más él que va a guiar a la máquina, el que va a revisar, pero va a ser el menos el que esté ahí tecleando y generando la información, o por lo menos lo vemos así nosotros en algunas industrias.
EC: Otro aspecto que me gustaría del que me gustaría conocer tu punto de vista es sobre lo siguiente:
Hace unos días leí una entrevista que le hacían al CTO de Amazon, que hablaba precisamente de la necesidad de una mayor conciencia cultural en los modelos de Inteligencia Artificial y que estos tuviesen como objetivo entender mucho mejor las diferencias de las tradiciones culturales.
Y esto también me gustaría conectarlo con una parte muy importante como son los sesgos culturales que pueden tener estos modelos cuando los vamos a utilizar vosotros desde narrativa, ¿cómo buscáis un equilibrio de estos aspectos durante el proceso de la automatización del contenido?
DLL: Bueno, eso es un tema peliagudo porque a veces no hay respuesta y no se puede hacer, ya que hay veces que tú no puedes.
Digamos que la distancia vectorial entre dos palabras está mucho más cerca de lo que debería estar. Por ejemplo, cuando escribes bueno, quién si hay me lo invento.
Pero si hay un blanco y un negro, un hombre blanco, un hombre negro en un juicio, quién tiene más probabilidades de ir a la cárcel, o si se presenta un hombre y una mujer con el mismo currículum, ¿a quién cogerías para el puesto?
Pues a lo mejor la Inteligencia Artificial réplica esos sesgos que tenemos en nuestra propia sociedad, entonces es muy complicado, sí que es verdad que con los mismos modelos puedes crear datasets sintéticos, lo cual está muy bien, pero requiere un coste, el cual es un coste altísimo no solo de dinero, sino de tiempo y de nosotros optamos más que por el reentrenamiento, a no ser que tengas una.
Por ejemplo, para temas muy específicos, muy técnicos, que tengas diccionarios, ontologías, entonces sí que entrenamos modelos, pero más que eso nos decantamos más por hacer pre-procesados y procesados que ayuden a que si la máquina, por ejemplo, salta, suelta una frase así un poco muy sesgada, pues que se pueda identificar y le pida le indica al modelo que está sesgado y entonces reaccione.
Eso suele funcionar bastante bien, es más económico y en muchísimos casos, es más eficiente y en algunos casos es la única opción viable. Se habla mucho de los sesgos, pero la realidad es que evitarlos a veces es imposible porque no tienes dataset para reentrenar. Y luego, bueno, yo creo que muchas veces, aunque lo hagas con buena voluntad, a veces te salen sesgos de cualquier tipo, no los obvios que he dicho, pero a lo mejor hay otros menos obvios que que también existen.
EC: Cuando le hacían la entrevista. al CTO de Amazon le hacían le hablaban precisamente de los set de datos con los que son entrenados.
Los modelos son entrenados principalmente con contenido en lengua inglesa, base anglosajona. Entonces yo me imagino que iba por ahí un poco el mensaje, pero bueno, tiene mucho sentido lo que estás comentando.
David, otra de las cosas que me gustaría que nos contase sobre la experiencia de haber sido fundador de varias startups es abordar proyectos donde se requiera el uso de la Inteligencia Artificial generativa 2023, puede decirse que ha sido un año donde las empresas hemos empezado a explorar diferentes casos de uso para ponerlos en práctica. Y aquí me gustaría que nos contases sobre la base de tu experiencia cómo abordar proyectos que requieran esta tecnología y sobre todo, qué otro tipo de tecnologías se pueden usar en vez de la IA generativa. Porque como bien dices, ahora parece que es todo ya generativo, y ahí, lógicamente, otro tipo de tecnologías que pueden resolver muy bien proyectos en el día a día.
DLL: Bueno, la pregunta no está muy bien tirada porque la idea es la idea.
Esto siempre lo digo, el core de tu proyecto o lo que sea, no tiene que ser la Inteligencia Artificial, el core tiene que ser otro, que te digamos que si tú tienes una idea en el que necesitas, la Inteligencia Artificial para que genere valor, para que genere ingresos, a día de hoy, tal y como está el mundo y la dominancia tan brutal de los grandes players, no tendría ninguna viabilidad.
Entonces, la idea es pensar en algo un proyecto, una empresa, lo que sea, que ya añade valor.
¿Cómo puedes hacer para usar la Inteligencia Artificial para que añada muchísimo más valor? Esa es la clave.
En general, lo bueno es que los modelos estos se han comoditizado en periodos récord o han bajado los precios 70% cada vez tres o cuatro veces ya es muy barato usar los modelos y como están a todos los players. Google acaba de lanzar Gemini, pues están todos luchando por ahí, estoy seguro que va a bajar aún más.
Entonces, la buena noticia se han comodotizado, y yo creo que empezaría por intentar usar alguno de estos modelos intentando entender para qué lo usas, como he dicho antes, no para generar un texto, sino para generar hacer tareas como extracción de información, reescritura, traducción automática, que de ahí viene todo y demás. Yo creo que que yo empezaría a usar esos modelos, creo que es lo más, lo más viable.
Evidentemente hay un montón de modelos, o sea, es curioso que hacen muy mal los modelos, la corrección ortográfica.
Es curioso, verdad, que un modelo tan potente no sea capaz de corregir un texto. Bueno, esto es una anécdota, pero hay veces que los modelos estos tan potentes no son capaces de resolver ciertas tareas, y luego, por cierto, hay un montón de tareas para los que no están diseñados.
Son modelos predictivos de palabras o de imágenes, de píxeles o lo que sea, pero pensar en modelos de clustering, de audiencias o predictivos o modelos predictivos en base a datos. En fin, hay 1 millón de casos de uso para los que estos modelos no tienen ningún uso, no son razonamiento matemático o lógico tampoco, por mucho que se intente vender, pero no lo hacen bien.
Entonces, yo creo que lo importante es identificar de verdad dónde puede añadir valor. Evidentemente este tipo de modelos es muy potente, sobre todo para el marketing muy potente, pero luego usar otros modelos que nos ayuden a hacer cosas para los que estos modelos no están diseñados. Y no sé.
Bueno, al final es experimentar un poco. Yo creo que lo mejor es empezar por algo, aunque sea pequeño, porque la experiencia en el uso de estas tecnologías te va a ayudar sin duda a sacar tus conclusiones y saber por dónde tirar en cada caso.
EC: Cogiéndote esto último qué estás diciendo y has mencionado algunos casos de uso, pero sí me gustaría que nos hicieses alguna recomendación de qué tipos o qué casos de uso deberían de utilizar esta tecnología. Has mencionado algunos, pero me gustaría, por ejemplo, para los equipos de marketing un equipo de marketing. ¿Qué tipo de casos de uso debería de plantearse para utilizar esta tecnología?
DLL: Desde la ayuda a la escritura de los copys, que es lo obvio. Si hablamos de Ads, pues que te ayude a reescribir un montón de versiones, eso es algo. Creo que ya se trabaja bastante y es que funciona muy bien, la verdad.
También yo diría en cuestiones como en vez de escribir información, extraer información. Hay varios clientes nuestros que para lo que lo usan es para en vez de todos los días visitar 50 webs para extraer los trends, lo que esté pasando o lo que es de lo que se escribe.
Ellos lo importan en la plataforma y se usan, entre otros, estos modelos para extraer información y incluso cuestiones como extraerme los artículos que hablen positivamente o negativamente de tal, pues te puede te puede ayudar a hacer ese journey mental que haces tú cuando ves artículos a través de prompts y otras tecnologías, eso es súper útil.
Luego, por ejemplo, cuando haces algo, otro caso de uso que se usa mucho es cuando se genera un artículo, por ejemplo, pues reescribirlo para redes sociales, una reescritura automática, incluso le puedes decir que ponga el foco en algo en específico.
Para usar el mismo texto para distintos canales, para eso funciona muy bien la traducción automática, que como he comentado funciona increíblemente bien porque no hace una traducción literal, lo cual es muy bueno. Y luego bueno, pues para comunicación tanto externa como interna funciona muy bien generar un chatbot usando el manual, generar un chatbot usando el el los términos y condiciones. Todo esto funciona, la verdad es que está súper bien.
EC: Has mencionado también la importancia de la experimentación y el uso de diferentes tipos de modelos y a mí me gustaría que sobre la base de la experiencia que tienes, que nos dijeses qué otro tipo de modelos están funcionando muy bien hoy y que no están teniendo la misma visibilidad o el mismo acompañamiento de marketing.
DLL: Si hay un área muy interesante que por lo menos me lo parece a mí, es la parte de la voz, que son unas máquinas en eso no, pero todo lo que es relacionado a texto, a voz, voz a texto.
Imaginaros pues transcribir entrevistas, pero no solo el texto, no solo la voz, que incluso los gestos que hacen, por ejemplo, no reconocimiento de imágenes, automático, extracción de información. Yo creo que ahí hay un mundo súper interesante, sobre todo el mundo del marketing que domina mucho el vídeo, por ejemplo.
Ahí hay muchísimas cosas que hacer más allá de la generación automática de vídeos que yo no tengo muy claro que eso vaya a llegar al punto que ha llegado el texto de poder automatizar 100%, pero yo creo que todo lo relacionado con el texto, con la voz, el la imagen, hacer el ejercicio, el ejercicio de ir a huggingface que tienen un repositorio brutal de de modelos abiertos está muy bien clasificados y ahí digamos es te puedes pasar horas y horas probando modelos tanto de como se ha comentado de de audio, de vídeo, de imagen, de texto, modelos, clasificadores, en fin, es un parque de atracciones, por lo menos para mí, que me encanta esto Huggingface recordar.
De hecho ahora estaba pensando con el lanzamiento de de Gemini, que ya son multimodal. Será también parte del 2024 de ver si realmente tienen esas esas capacidades que entendemos que sí que las tendrán.
No solo multimodal.
Recordar que los modelos están entrenados en multi idioma, y también de hecho son mucho más potentes.
Precisamente por eso se a veces se critica de que que no escriben tan bien en inglés como en otros idiomas. Yo lo dudo un poco, quizá no tenga el contexto, no tenga tanto contexto, no sea capaz de decir escríbeme como Góngora.
Pero sí que escribe muy, muy bien en casi cualquier idioma, por recordar que viene del mundo de la traducción esta arquitectura y es súper potente a la hora de relacionar términos no sólo entre el mismo idioma sino entre otros idiomas.
EC: David, para ir cerrando, me gustaría que nos dieses también tu punto de vista sobre la evolución y el uso que tendremos de la IA generativa en el 2024.
Gardner todos los años pinta su hype cycle de tecnologías. Lógicamente el 2023 esta tecnología estaba en la parte más alta y en este viaje también hay cuestiones que se están ya planteando que empiezan a tener un poco más de madurez y que se va empezar a tener una mayor conciencia para tener una Inteligencia Artificial generativa con menos riesgos o con una gestión de riesgos de una forma diferente, con un mayor nivel de privacidad. Se habla de aspectos como la sostenibilidad o incluso bueno, pues mencionan aspectos como una mayor democratización de esta tecnología. Pero me gustaría que me dijeses tu punto de vista de 2024 que esperamos.
DLL: Bueno, yo creo que está súper democratizada esta tecnología, una llamada con creo que son mil tokens o o 14.000 tokens ya te cuesta 0,0000 no sé cuánto. O sea que el acceso es súper súper económico para prácticamente cualquiera.
Yo creo, que eso es en gran parte de culpa de su, digamos, popularidad.
Yo creo que sigue habiendo mucho hype alrededor de esta tecnología. Para nosotros, como te puedes imaginar, nos viene genial, pero también plantea retos, porque al haber tanto hype la gente anda un poco descolocada pensando que el mundo se va a acabar y que esto puede quitarme el trabajo.
Yo creo que lo bueno del 2024 va a ser que la muchas empresas o la gran mayoría de las empresas, por lo menos las que tienen conciencia de que esto va a ser algo grande, ya han hecho experimentos, han hecho pilotos tanto internos como externos y han descubierto las limitaciones y las posibilidades de esas tecnologías.
Lo vemos nosotros que nos hemos tirado todo el 2023 haciendo pilotos y pruebas y ahora a final de año la cantidad de contratos que estamos firmando es increíble.
Eso qué quiere decir, que ya se están ya hayan bajado al suelo y ya saben para lo que lo van a usar. Entonces eso se va a transmitir en creación de valor a escala, que yo creo que es súper interesante y no solo para nosotros, que es obvio, sino para las empresas con objetivos alcanzables y medibles y que van a generar mucho impacto. O sea que el hype se va a dejar un poco atrás y se va a pasar a hacer cosas más reales y que tengan más impacto más allá del del que te escriba el cuento para el niño por la noche.
EC: Oye David, muchísimas gracias por tu tiempo. La verdad que es súper interesante todo lo que nos has contado.
Me ha gustado muchísimo el mensaje que lanzas del valor de estas herramientas y el output que se obtiene de ellas depende también de la calidad de la persona que las esté utilizando. Yo creo que esa es la clave, es el equilibrio y la conexión de esta parte del ser humano con el uso que tiene que hacer de las herramientas para sacarle el mejor partido. Así que muchísimas gracias por tu tiempo y por tu conocimiento.
DLL: Gracias a vosotros ha sido un auténtico placer.
