TuringDream redefine la IA empresarial con enfoque en aprendizaje organizacional
En una recent entrevista a CTO Magazine, titulada "Is AI optimization more important than bigger models?", Juan Morán, CEO i cofundador de TuringDream, planteja una qüestió crucial per al futur de la intel·ligència artificial empresarial. Segons Morán, la clau no resideix únicament a augmentar la potència dels models, sinó a desenvolupar sistemes que puguin actuar, mesurar les conseqüències de les seves accions i aprendre d'elles per millorar els resultats de tota la companyia.
Aquesta perspectiva desafia la noció que la intel·ligència local d'un model es tradueix automàticament en intel·ligència col·lectiva dins d'una organització. Com s'explica a "El emperador está desnudo: los LLM nunca se diseñaron para dirigir una empresa", les empreses són ecosistemes complexos on les decisions estan interconnectades i depenen d'objectius i restriccions que evolucionen amb el temps.
Un estudi recent de McKinsey revela que, encara que el 80% dels enquestats percep millores en la seva productivitat individual gràcies a la intel·ligència artificial, només el 37% pot atribuir un impacte en l'EBITDA al seu ús. Això suggereix que desplegar eines de intel·ligència artificial no equival a transformar una empresa. La solució proposada és connectar models de llenguatge amb models de l'entorn, aprenentatge per reforç i una memòria operativa persistent, permetent que el sistema representi el funcionament del negoci i millori les seves decisions futures.
A TuringDream, s'està desenvolupant "Tau", una plataforma que va més enllà de ser una simple capa de conversa afegida als sistemes existents. Aquesta plataforma busca coordinar agents i aprendre de l'activitat real de l'organització, el que es denomina "Optimal AI". L'arquitectura inclou TSL, un llenguatge i entorn d'execució propis, i una capa d'aprenentatge que acumula coneixement operatiu amb l'ús.
Aquest enfocament planteja una pregunta essencial per a qualsevol empresa que inverteixi en intel·ligència artificial: a més de preguntar quin model s'està utilitzant, s'està construint una arquitectura que permeti aprendre del que fa i generar un veritable avantatge competitiu?
En una reciente entrevista en CTO Magazine, titulada «Is AI optimization more important than bigger models?», Juan Morán, CEO y cofundador de TuringDream, plantea una cuestión crucial para el futuro de la inteligencia artificial empresarial. Según Morán, la clave no reside únicamente en aumentar la potencia de los modelos, sino en desarrollar sistemas que puedan actuar, medir las consecuencias de sus acciones y aprender de ellas para mejorar los resultados de toda la compañía.
Esta perspectiva desafía la noción de que la inteligencia local de un modelo se traduce automáticamente en inteligencia colectiva dentro de una organización. Como se explica en «El emperador está desnudo: los LLM nunca se diseñaron para dirigir una empresa», las empresas son ecosistemas complejos donde las decisiones están interconectadas y dependen de objetivos y restricciones que evolucionan con el tiempo.
Un estudio reciente de McKinsey revela que, aunque el 80% de los encuestados percibe mejoras en su productividad individual gracias a la inteligencia artificial, solo el 37% puede atribuir un impacto en el EBITDA a su uso. Esto sugiere que desplegar herramientas de inteligencia artificial no equivale a transformar una empresa. La solución propuesta es conectar modelos de lenguaje con modelos del entorno, aprendizaje por refuerzo y una memoria operativa persistente, permitiendo que el sistema represente el funcionamiento del negocio y mejore sus decisiones futuras.
En TuringDream, se está desarrollando «Tau», una plataforma que va más allá de ser una simple capa de conversación añadida a los sistemas existentes. Esta plataforma busca coordinar agentes y aprender de la actividad real de la organización, lo que se denomina «Optimal AI». La arquitectura incluye TSL, un lenguaje y entorno de ejecución propios, y una capa de aprendizaje que acumula conocimiento operativo con el uso.
Este enfoque plantea una pregunta esencial para cualquier empresa que invierta en inteligencia artificial: además de preguntar qué modelo se está utilizando, ¿se está construyendo una arquitectura que permita aprender de lo que hace y generar una verdadera ventaja competitiva?
In a recent interview in CTO Magazine, titled "Is AI optimisation more important than bigger models?", Juan Morán, CEO and co-founder of TuringDream, raises a crucial question for the future of business artificial intelligence. According to Morán, the key does not lie solely in increasing the power of models, but in developing systems that can act, measure the consequences of their actions, and learn from them to improve the results of the entire company.
This perspective challenges the notion that the local intelligence of a model automatically translates into collective intelligence within an organisation. As explained in "The Emperor Has No Clothes: LLMs Were Never Designed to Run a Company", companies are complex ecosystems where decisions are interconnected and depend on objectives and constraints that evolve over time.
A recent McKinsey study reveals that, although 80% of respondents perceive improvements in their individual productivity thanks to artificial intelligence, only 37% can attribute an impact on EBITDA to its use. This suggests that deploying artificial intelligence tools does not equate to transforming a company. The proposed solution is to connect language models with environment models, reinforcement learning, and a persistent operational memory, allowing the system to represent the business's functioning and improve its future decisions.
At TuringDream, "Tau" is being developed, a platform that goes beyond being a mere conversational layer added to existing systems. This platform seeks to coordinate agents and learn from the organisation's real activity, which is termed "Optimal AI". The architecture includes TSL, its own language and execution environment, and a learning layer that accumulates operational knowledge with use.
This approach raises an essential question for any company investing in artificial intelligence: besides asking which model is being used, is an architecture being built that allows learning from what it does and generating a true competitive advantage?
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →