Los guardarraíles, la clave para implantar una IA segura y eficaz
Niveles de riesgo
La escala del guardarraíl necesario para cualquier proyecto de IA en particular depende de varios factores: si la IA sirve a clientes externos o a usuarios internos, si afecta a áreas sensibles como la legal, la sanitaria o la financiera, y el grado de libertad que se permite a la IA. Así, si la empresa de ciberseguridad Netskope tiene varios proyectos de IA generativa en marcha, que requieren diferentes tipos de controles, un cliente podría crear una mejor política de seguridad o aprender a utilizar una función concreta del producto.
“La primera versión la lanzamos con preguntas estructuradas”, explica James Robinson, CISO de la empresa. Como los clientes sólo podían elegir entre un conjunto determinado de preguntas, no había necesidad de validar los prompts para asegurarse de que eran sobre el tema, ya que los clientes no podían hacer preguntas fuera de tema. Pero con el tiempo, Netskope fue evolucionando hacia interacciones más libres y abiertas entre los usuarios y la IA.
“Eso es lo que hemos dado a conocer a algunos de los grupos de éxito de clientes, ya que hemos puesto más barreras y controles”, dice. Pero esta interfaz abierta en particular está disponible para los empleados internos, añade, no directamente para los clientes. “Se trata de personas que están un poco más cerca de nosotros y están vinculadas por acuerdos de empleados”.
Otra forma de reducir el riesgo es construir una barrera de una manera que sea complementaria al modelo que se está protegiendo, dice JJ López Murphy, jefe de ciencia de datos e IA en la compañía de desarrollo de software Globant.
“Un guardarraíl debe ser ortogonal a lo que hace el LLM”, afirma. “Si estás usando un modelo OpenAI, no lo uses para comprobar si está dentro de los límites o no”. O tal vez ni siquiera utilizar un modelo de generador de texto en absoluto, pero algo de una familia diferente por completo, dice. “Entonces es mucho menos probable que algo pueda golpear a ambos”.
De cara al futuro
La naturaleza rápidamente cambiante de la IA generativa plantea un doble reto a las empresas. Por un lado, las nuevas capacidades de la inteligencia artificial generativa requerirán nuevas barandillas y puede ser difícil mantenerse al día. Por otro, los proveedores de herramientas de protección también están innovando a gran velocidad. Por tanto, si invierte y crea un nuevo conjunto de barandillas, es posible que haya un producto disponible antes de que termine su propio desarrollo. En ese caso, habrá invertido capital y valiosos conocimientos en un proyecto que se ha vuelto irrelevante incluso antes de estar terminado. Pero eso no significa que las empresas deban dar un paso atrás y esperar a que las tecnologías que necesitan estén disponibles, afirma Jason Rader, vicepresidente senior y director de Sistemas de Información de Insight, un integrador de soluciones.
“Los primeros en adoptarlas se están haciendo con la cuota de mercado a lo grande”, afirma. “Estamos dispuestos a dejar de lado las horas hombre perdidas y el capital invertido porque una vez que tomas cuota de mercado, es más fácil aferrarse a ella”.
La IA generativa es una tecnología transformadora única en la vida, afirma. “Yo solía decir que dejáramos que los pioneros probaran estas cosas. Ahora, no creo que necesariamente tengamos que invertir en nuestro propio hardware y entrenar nuestros propios modelos”, añade. “Pero intentar adoptarlo en nuestro negocio ahora mismo, y tener la flexibilidad para ajustarlo, es una estrategia mucho mejor”.
