La incertidumbre en torno a la IA adopta diferentes formas, pero podemos resumirla en tres Principales categorías que todo directivo debe considerar: estado, efecto y respuesta incertidumbre. La incertidumbre estatal ocurre cuando los administradores carecen de información suficiente para predecir las tendencias y cambios del mercado. Los gerentes que experimentan este tipo de incertidumbre enfrentan desafíos para comprender las capacidades actuales y los desarrollos potenciales de la IA. A medida que la IA evoluciona rápidamente, resulta difícil distinguir entre lo que se puede lograr ahora y lo que sigue siendo una posibilidad lejana. Esta incertidumbre es aún más abrumadora porque los expertos en IA a menudo tienen puntos de vista tremendamente diferentes sobre cuestiones críticas, como si la ampliación de la IA tiene límites, si las confabulaciones de la IA se pueden arreglar o si la IA alguna vez podrá realmente razonar. La incertidumbre del efecto describe la dificultad que tienen los gerentes para predecir el impacto de la IA en los negocios. ¿La IA revolucionará su industria o será simplemente una herramienta más? Esta incertidumbre se ve agravada por el hecho de que las pruebas actuales se centran en puntos de referencia estrechos que carecen de relevancia en el mundo real. Como tal, ni siquiera los desarrolladores saben cómo las mejoras (como una mayor ventana de contexto en los próximos modelos) afectarán los resultados comerciales o la dinámica de los empleados. La incertidumbre en la respuesta es el desafío para los gerentes a la hora de determinar cómo reaccionar y las consecuencias de estas acciones ante las numerosas incertidumbres que rodean a la IA. ¿Debería dar el salto como uno de los primeros en adoptarlo, o es más prudente esperar y observar? ¿Debería centrarse en la automatización y la reducción de costes, o en aumentar las capacidades humanas? Esta incertidumbre se extiende a las opciones sobre modelos y enfoques: ya sea desarrollar modelos personalizados, ajustar los existentes o integrar técnicas como la generación aumentada de recuperación (RAG).
