“La tecnología empieza a crear tecnología; antes era creada por el humano”

Vivió en Francia, España, Países Bajos, Irlanda, Brasil y Chile. Hoy, Fernando López Iervasi reside en Buenos Aires y desde julio de 2023, es presidente de Microsoft Sudamérica Hispana. Anteriormente fue gerente general de la compañía en Argentina.

Este ingeniero industrial mantuvo una charla distendida con LA NACION sobre las principales tendencias tras el boom de GenAl y la apuesta por Copilot Chat. También habló sobre la escasez de energía, los miedos de las empresas y la relación con OpenAI.

¿Es el 2025 el año de los agentes de IA?

Hago un poco de cronología corta de los últimos 3 años. Recuerdo una reunión interna de la compañía con Satya [Nadella] y todo su equipo de dirección. Alguien dijo “veníamos haciendo esto, y de repente llegó esto otro”. Bueno, llegó esto que es la IA generativa, y en parte fue provocado por nosotros. Entonces, año 2023: difusión. Año 2024: despliegue. Y en el 2025 hay un paso adicional del cambio tecnológico que es el mundo de los agentes.

¿En qué cambia esto? Primero, la tecnología empieza a crear tecnología. Antes la tecnología era creada por el humano. Hoy un agente tiene el nivel de autonomía para poder crear tecnología. Eso es un cambio. Y por el otro lado, está la proliferación de agentes que vienen a facilitar la vida de las personas. Si nos ponemos a pensar en nuestros modelos mentales, estamos acostumbrados a entrar a aplicaciones, pero en realidad no nos interesan las aplicaciones. Nosotros ahora estamos en la etapa de democratizar lo que llamamos la interface con todos esos agentes. Lo llamamos Copilot Chat. Entonces, éste es el año de los agentes, pero con un nivel importante de simplificación para los usuarios. Estamos en ese proceso.

¿Cuán rápido avanza la IA generativa?

Te doy un ejemplo. Aparecen modelos donde le podés decir: “No quiero la respuesta en un minuto, tomate media hora”. Te pago 5 veces más, pero me preocupa que la precisión de la respuesta sea altísima. Entonces, consumís mucho más cómputo. No sé si es lo que queremos, ¿no? Pero si necesitás precisión consumís mucho más, y el nivel de respuesta es muy superior a lo que tendrías si le pidieras una respuesta inmediata.

¿Cuál es la estrategia hoy, en términos de infraestructura?

Primero, hablemos del contexto general. La escasez de poder de cómputo es una realidad. Computar la IA generativa requiere mucha infraestructura y consumo alto de energía. Entonces, hay todo un track para asegurar que esa energía sea energía limpia, es nuestro compromiso público. Eso es es importante, hay eficiencias que se están generando a medida que van evolucionando los chips. De hecho el año pasado hubo una serie de lanzamientos muy importantes para lo que son dispositivos con procesadores que hacen que no todas las consultas tengan que ir a la nube. Hay varias consultas que se pueden resolver acá (señala su laptop). Nuestra estrategia es poder tener la mayor disponibilidad posible de poder de cómputo. En general tenemos modelos de data centers que son propios, tenemos socios que intervienen en cierta parte de la cadena. El proveedor de chips es Nvidia que es un socio también. La estrategia es crecer. Sin inversión en infraestructura no podés asegurar el poder de cómputo para que los miles y millones de personas que usan la tecnología tengan las respuestas que tienen que tener. Hay más de 300 data centers en todo el mundo.

¿Cuál es el feedback que reciben y detectan del mundo corporativo?

Tengo la suerte de poder navegar distintas industrias y hablar con CEOs, que son clientes. Todo el mundo siente y sabe que tiene que hacer algo. Nuestra respuesta es que si no sabes por dónde empezar, pruebes, hacé algo, porque la adopción de tecnologías genera también un cambio cultural. Es importante trabajar en la construcción del briefing. ¿Qué necesito? ¿Para qué? Nosotros tratamos de guiar a los CEOs en ese para qué. Tecnología por el hecho de tecnología no sirve. Hay 4 cosas que no cambian: ¿tenés que mejorar la atención a tus clientes? La respuesta en general es sí. ¿Tenés que hacer bien tus operaciones? Sí. ¿Tenés que hacer que tus empleados tengan una vida mejor, más productiva y con mayor bienestar? Sí. ¿Necesitás innovar en el rubro de servicios? O sea, son cuatro preguntas bien básicas y a partir de ahí empezás con disparadores que decantan en algo. Pero hay un poco de parálisis hoy.

¿Qué preocupaciones tienen las compañías?

Hay una realidad que vemos en las personas que trabajan en las corporaciones. Todo el mundo lleva su tecnología propia a la empresa o al ámbito laboral. Una de las grandes preocupaciones es cómo se gobierna eso porque “tengo el 30% de mis empleados que traen ChatGPT y lo usan con información de mi compañía”. Por eso el gobierno de todo eso es un tema y nosotros lo estamos abordando. Copilot Chat tiene que ver con eso. Hay una herramienta gratuita para que vos puedas gobernar tu caos interno. Pero hay mucho mito en el medio, porque si una persona trae su ChatGPT a trabajar, pero no usa datos de la compañía, no está mal. No hay nada que esté mal. Por otro lado, ya se está incorporado en la mente de los chicos en el ámbito educativo para hacer su vida más fácil y acceder a la información porque lo importante es lo que vos recibís, no si estás crackeando el sistema. Ahí hay un gap a cubrir en lo que es el mindset de los maestros o profesores. Nosotros tenemos muchos programas de capacitación y difusión. ¿Es suficiente? Obviamente no, entiendo, pero es el rol que estamos jugando.

¿Hay áreas de las empresas que usan menos IA como por ejemplo Recursos Humanos?

Es interesante cómo está cambiando la gestión del uso de tecnología dentro de las compañías. Antes era todo gestionado por el departamento de IT. Hoy, el presupuesto de tecnología ya no es de IT, es presupuesto para eficientizar las áreas. Para Recursos Humanos en particular, te cuento el caso Microsoft. Nosotros toda la parte de administración de personal la resolvimos en gran parte con tecnología. Hoy tenemos nuestro chat interno inteligente que resuelve casi en tiempo real cualquier tema. Antes era solucionado por el equipo de Recursos Humanos. Hoy hay equipo, pero hay mucho apalancamiento en tecnología para resolver temas de administración de personal. Entonces, esto permite darle tiempo al equipo para que pueda hacer gestión de talento (fidelización, satisfacción, entrenamiento, etc), algo que en nuestra industria en particular es súper importante. Otro ejemplo: tenemos internamente una herramienta que se llama Connect. Dos veces por año tenés que hacer un connect con tu manager, en todos los niveles de la compañía. Y lo bueno es que la herramienta, que no estaba hace un año, te dice a través de tu Copilot las conversaciones previas que tuviste con la persona, qué destacar y cómo encarar las conversaciones. Eso antes significaba horas. A nivel mundial hay 16.000 managers. Son 16.000 personas que son súper importantes para la compañía y que hoy con tecnología están mucho mejor preparadas para tener conversaciones de calidad y de valor con sus empleados.

¿Cuál es hoy la brecha de aprendizaje de la IA?

Creo que hoy nadie se cuestiona en todo nivel cultural, social y en todos los países, el uso de un celular, ¿no? Hace 25 años no existía. La evolución te lleva a un estadío en donde todo el mundo ya sabe el beneficio de poder utilizar un celular. Lo mismo creemos que va a pasar con las herramientas de Copilot o tu agente personalizado. Ahora, la velocidad de difusión, si ves el celular, quizás no tardó 25 años, tardó 15 años en difusión masiva. La velocidad de difusión hoy es casi en tiempo real y lo cambia todo, y eso va a suponer que a medida que la gente pruebe la tecnología, vaya cubriendo el gap.

¿Cuántos tipos de Copilot hay?

Hoy la visión nuestra es que vos tengas un Copilot. Y por debajo de él hay agentes o aplicaciones, está tu mundo de hoy. ¿Por qué no tener una sola entidad que conversa con vos?

¿Cuál es el ROI de la IA generativa?

Nuestro negocio crece al ritmo de una Pyme siendo una compañía que el año pasado facturó 245.000 millones de dólares, ¿no?

¿Y cuál es la relación con OpenAI hoy?

Somos inversores y a su vez aprendemos y utilizamos sus modelos para nuestra tecnología. Por ejemplo, el Copilot de Office usa tecnología GPT 4, pero también nosotros tenemos nuestros propios modelos. Entonces, somos socios inversores por un lado, y por el otro lado usamos algunos de sus modelos y ellos venden directo sus modelos a clientes. que corren sobre nuestra nube, sobre Azure. Pero después tenemos otros modelos, tenemos 2000 modelos más que ponemos en nuestro catálogo. El mundo tiene 1 millón y medio de modelos entrenados.

¿Dónde radican las grandes diferencias entre los LLMs (Large Language Models) y los SLMs (Short Language Models)?

En la industria de los hyperscalers o los hiperscaladores como Microsoft, Google o Amazon, y voy a hablar por Microsoft puntualmente, nuestra métrica central como compañía es poder de cómputo por dólar por watts, que es darte el poder de cómputo que necesitás al precio que que es necesario pagar para lo que necesites, consumiendo la menor cantidad de energía renovable posible. Entonces ese es nuestro negocio, nuestra industria. Eso es infraestructura. Por arriba de eso, vienen los modelos. O sea, es uno, pero hoy ya son un millón y medio de modelos, SLMs, LLMs. Cada modelo está entrenado de forma generalista con una población de datos. Tienen variaciones geográficas, variaciones de industria, etcétera. El LLM, en general, es un modelo más amplio, cuesta mucho más caro entrenarlo que un SLM. Va a dar una un rango de respuestas, quizás, más amplio. El SLM está entrenado con un set más acotado. Cuesta menos entrenar al modelo chico, es más acotado, te va a dar respuestas en un campo determinado. Todo lo que es entrenamiento de modelo grande consume mucho cómputo, muchos dólares y mucha energía. El más chiquito menos cómputo, menos dólares y menos energía. Entonces, eso es una diferencia fundamental, es más barato el SLM que el LLM y no necesitas el LLM para todo. Hay que ir caso a caso. La energía es un factor crítico en toda esta ecuación. En la elección del modelo está la clave. Y arriba de todo esto, está el aplicativo.

¿Cómo es posible controlar las alucinaciones de la IA generativa?

En los últimos meses el tema fue cayendo en relevancia y hay una explicación. La tecnología misma (los agentes curando tecnología, curando contenido y creando tecnología) es gran parte de la respuesta. Ví una demo interna, en donde se ponía sobre un contenido tres agentes que debatían entre ellos. Se miden varios parámetros, si es preciso, si es verdadero y otros. Los agentes debaten si se cumplen los parámetros o no. Eso es lo que te da escala, una persona no puede tener escala. Los agentes que están haciendo eso a una escala global, bajan el nivel de alucinaciones porque determinan con bastante precisión lo que es y lo que no es una alucinación. Así que la misma tecnología es la responsable de que este tema, yo diría, vaya desapareciendo.