¿Quién es más rápido construyendo una plataforma de visualización de datos de generación de energía: ChatGPT o un desarrollador?

Hola a todos. Como dice el título de la charla, hoy voy a hablar básicamente sobre quién es más rápido en construir una plataforma de visualización de datos. Esta es una pregunta que me hacen mucho cuando estoy trabajando en algo, ya sea de parte de clientes o de amigos o incluso de personas que trabajan en la misma industria, siempre me preguntan, ¿intentaste simplemente preguntarle a ChatGPT? ¿No puede ChatGPT hacer esto? Y es una de esas cosas en las que en el momento, inmediatamente siempre digo que no. No, no, no. ChatGPT no puede hacer estas cosas. Y en un momento empecé a dudar de mí mismo. Por eso hice un pequeño experimento.

Un poco sobre mí. Lo voy a hacer muy breve. Como mencioné, soy un desarrollador líder de tecnología y recientemente me he estado moviendo hacia la ingeniería de datos. Y un dato curioso es que he vivido en seis países y me he mudado ocho veces antes de cumplir los 18 años. No, mis padres no son diplomáticos. Esa es generalmente la pregunta automática que me hacen.

Bien. Un poco de estadísticas sobre la IA generativa y cómo se utiliza en el lugar de trabajo. Todas las estadísticas que verán son de Estados Unidos. Estados Unidos realiza muchas encuestas. Es genial cuando quieres mostrar algunas estadísticas en una presentación. Pero en general, aproximadamente el 56% de los trabajadores en Estados Unidos han dicho que utilizan IA generativa para sus tareas laborales. Solo alrededor del 9% de ellos la utiliza a diario. Pero aún así se está convirtiendo en un punto importante de discusión. Por otro lado, alrededor del 55% ha dicho que la calidad de la IA generativa iguala la producción de trabajadores humanos experimentados. Por lo tanto, estas dos estadísticas se ven muy cercanas. No necesariamente son las mismas personas que respondieron ambas preguntas de manera positiva. Y verán por qué a partir de los resultados. Estoy adelantando un poco. Pero sí, lo verán más adelante.

Bien. Charge50 causó una ola de interés en 2024. En marzo de 2024, tuvo alrededor de 180 millones de usuarios. Lo cual es un número impresionante. Y como pueden ver, solo tomó alrededor de cinco días alcanzar 1 millón de usuarios. Por lo tanto, se volvió muy popular muy rápido. Nosotros, los desarrolladores, definitivamente somos uno de los que más lo utilizamos. Porque se utiliza...

El 68% de las personas dijeron que lo usaban para escribir code. Así que todos amamos charge50. Definitivamente estamos financiando esa máquina, eso seguro. Así que hoy vamos a ver tres cosas. Primero vamos a ver, ¿cómo voy a llevar a cabo este experimento? ¿Cómo voy a desarrollar la aplicación? Y por supuesto, prometí una competencia. Así que habrá una competencia. Y te mostraré una grabación lado a lado de lo que sucede cuando intento construir algo y charge50 intenta construir lo mismo.

Antes de eso, la primera vez que di esta charla dentro de mi empresa, muchas personas me preguntaron, ¿por qué estás usando charge50? Hay tantos otros modelos por ahí que podrías estar usando en su lugar. Sí. Sí. Podrías. Podrías probar esto con otro modelo. La razón principal por la que elegí charge50 es que obtendrás muchas clasificaciones diferentes para los modelos disponibles. Usé el de Eval Plus. Así que utilizaron tanto una evaluación humana como algo llamado MBPP, que son los problemas básicos más simples de Python, para probar qué tan bien se comparan estos modelos entre sí cuando están generando code. Y como puedes ver, charge50.4 está en la cima en este momento. Los demás no están muy lejos, así que se están poniendo al día. Pero esa es la razón detrás de usar este como una medida comparativa.

Ok. ¿Cómo estamos llevando a cabo esto? Como viste en el título, es una plataforma de data visualization de generación de energía. Muy largo de decir. ¿Por qué elegí esto? Podría ser por sostenibilidad. Podría ser por algunos gráficos geniales. Pero en realidad, comienza desde una vieja historia en la universidad. Un estudiante muy estresado. Tenía examen tras examen tras examen tras examen. Y por supuesto, encontré la única forma agradable de procrastinar, que probablemente es una forma muy nerd de procrastinar. Pasaba mis días mirando el gráfico más hermosamente simple pero también muy aburrido de GridWatch. Esto parece muy aburrido, pero créeme, cuando es eso o estudiar mecánica, prefiero mirar esta pantalla todo el día. Entonces, lo que muestra es la generación de energía en el Reino Unido, a partir de diferentes fuentes.

Es una plataforma básica agradable. Y cuando estaba haciendo esta charla, pensé, oh, esto es perfecto. Sabes, algunos gráficos simples. Algunas estadísticas simples, que están disponibles para todos. Así que usemos esto como base, ya sabes, para construir esta plataforma de visualización de datos de generación de energía. Necesito encontrar un título más llamativo que eso.

De acuerdo. Así que eso es una buena base. Pero establezcamos algunas reglas básicas, ya sabes, para que todo sea claro y sencillo, para que sepamos que no hay trampas por ningún lado. Lo primero es que puede estar en cualquier formato. Puede ser un sitio web. Puede ser una aplicación. Puede ser una herramienta de inteligencia empresarial. Chargept puede crear cualquier formato que desee.

Lo segundo es que tanto yo como Chargept, debemos utilizar la misma fuente. Vamos a utilizar algo llamado mapa de electricidad, que te mostraré más adelante. Se debe mostrar la misma data. Así que me voy a ceñir a diales y gráficos muy básicos. Solo quiero ver la generación de energía. Y quiero ver el porcentaje de energía renovable versus energía neutral en carbono en las últimas 24 horas. Principalmente porque la API solo me permite tener 24 horas de data. Pero eso es todo. Y la cuarta regla es que debe hacerse de una sola vez. Así que verás en la grabación, puse un pequeño cronómetro en el lado, para que puedas ver que no lo pausé en ningún momento. Así es de donde proviene la data. Es una plataforma llamada mapa de electricidad. No participo en esto, así que esto no es publicidad en absoluto. Es solo una plataforma pequeña y genial, que es de código abierto, y te permiten usar su API de forma gratuita durante 24 horas de data. Si necesitas más, tienes que pagar. De acuerdo.

Entonces, ¿cómo construí la plataforma de data? Primero te lo contaré desde mi perspectiva y luego te contaré cómo interactué con ChatGPT antes de obtener el resultado final. Al construir plataformas de data, generalmente hay tres componentes principales. Al final, en realidad no necesité hacer ninguna transformación, así que eso se puede eliminar.

Pero las tres etapas son la ingestión, el almacenamiento y la visualización. Los tres herramientas que utilicé son airbyte. Airbyte es una herramienta de ingestión de código abierto que puedes usar. Es realmente agradable y simple. Lo verás en la grabación. Utilicé BigQuery para el almacenamiento y utilicé Looker de Google para la visualización. Así que esas son las tres cosas que verás que configuro.

Solo para decirte cosas a considerar en cada etapa, en la ingestión, estamos ingiriendo data de una API. Una cosa que descubrí a través de prueba y error es que necesitas aplanar un objeto anidado para que Looker pueda leer esos datos. Eso se volverá importante en la grabación. Por eso te lo estoy diciendo ahora. Y lo que es realmente agradable y simple es que airbyte tiene una conexión nativa con BigQuery, por lo que hace que la ingestión de esos datos sea mucho más rápida. BigQuery, almacenamiento, simple y sencillo, un solo conjunto de datos, nada demasiado complicado. Y luego Looker, por otro lado, vamos a mantener la interfaz simple y usable, ya sabes, simple y usable, no vamos a complicarlo demasiado, solo para que puedas hacerlo más complejo si quisieras, pero vamos a quedarnos con lo básico. Y va a verse algo así al final. Así que te estoy mostrando el resultado final ahora, solo para que puedas ver cómo se compara y también te voy a mostrar el mismo equivalente con GPT. Así es como se ve. Bastante similar a lo que esperábamos. ¿Y ahora qué pasa con GPT?

Entonces, cuando estoy usando ChartGPT, ¿en qué estoy pensando? En primer lugar, todo está en las solicitudes. Usar ChartGPT se trata de las solicitudes. Estoy seguro de que has escuchado mencionar la ingeniería de solicitudes en algún momento u otro, incluso en esta conferencia, pero hay un sitio web realmente bien documentado sobre la ingeniería de solicitudes, sobre todas las diferentes forms de ingeniería de solicitudes, que recomiendo encarecidamente que consultes. En realidad es muy valioso para mejorar los resultados que obtienes. Pero la idea principal es esta. En primer lugar, dile a ChartGPT que es un experto. Le encanta que lo halaguen, ¿sabes? Así que cuando lo estás abriendo, antes de decirle lo que quieres que haga, decirle que es un experto en algo simplemente establece la base de cómo va a responder a ti. En segundo lugar, mantén tus oraciones cortas. En tercer lugar, dile a ChartGPT que haga preguntas antes de responder.

Esto es realmente importante porque va a recopilar contexto antes de que realmente te proporcione una respuesta. Se relaciona con el punto cuatro, proporcionar code y cualquier contexto relevante. Cinco es ser asertivo. Siempre es divertido. Probablemente ya lo sepan, pero es impresionante la cantidad de personas que dicen gracias y por favor a ChartGPT porque están preocupados por un levantamiento de robots. No va a hacer ninguna diferencia. Si toman el control, lo toman. Pero sí, sé asertivo. No es necesario decir por favor y gracias. Y, por supuesto, brinde retroalimentación al final. Si hay algo que no es lo que se supone que debe ser, simplemente asegúrese de proporcionar retroalimentación y con suerte no esté alucinando, pero como verán, también puede alucinar.

Y eso es lo que parece. Les he mostrado dos versiones diferentes de lo que ChartGPT ha generado. Eso va a ser importante. Pero pueden ver que es muy similar a lo que yo construí y a lo que esperamos desde el principio. Así que esa es la pequeña configuración.

De acuerdo. Ahora, como prometí, prometí que había una competencia, voy a intentar comentar esto. Es seis veces más rápido, así que va a ser muy rápido. En la parte superior izquierda, verán a ChartGPT. En la parte inferior derecha voy a estar yo. De acuerdo. Listos, ya. Entonces, en la parte inferior derecha, actualmente estoy configurando la database, y allí pueden ver que están llegando los conectores de Airbyte. En la parte superior, ven a ChartGPT. Le estoy dando todos los diferentes contextos. Está enumerándome una gran lista de preguntas que voy a tener que responder para darle más contexto. En la parte inferior derecha, ahora he configurado el conector con la API. Así que actualmente, pueden ver que estoy aplanando ese objeto anidado, así que estoy haciendo un trabajo muy repetitivo de decirle, está bien, encuentra los data en estas diferentes localizaciones. En la parte superior izquierda, todavía respondiendo preguntas. Hay mucha comunicación con ChartGPT. Me está haciendo más preguntas después de haberle proporcionado algo de contexto, así que eso le está llevando un tiempo. En la parte inferior derecha, terminé de aplanar todo. Ahora estoy haciendo esa conexión con la API y con BigQuery, así que actualmente estoy ingresando todos esos detalles.

En la parte superior izquierda, ven que ChartGPT ya ha generado code. Genial, incluso me está dando una carpeta con todos los data en ella, así que la coloco allí. En la parte inferior derecha, me hicieron una pregunta un colega, así que tuve una distracción. En la parte superior izquierda, ahora estoy ejecutando el code, podemos ver que hay primeros errores, así que tengo que volver y debugarlo. En la parte inferior derecha, todavía estoy haciendo todas las conexiones. En la parte superior izquierda, pueden ver los primeros resultados, aunque no se ven muy bien, así que necesito darle toda esa retroalimentación. En la parte inferior derecha, todavía estoy conectando con BigQuery, así que eso es todo el proceso de ingestión que está ocurriendo.

En la parte superior izquierda, actualmente estoy arreglando algunos de los gráficos porque no se ven del todo bien, pero está empezando a mejorar. En la parte inferior derecha, actualmente está ingresando todos esos data, así que la ingestión está tomando un poco de tiempo.

En la parte superior izquierda, no sabe qué es un dial. Tuve que darle una imagen para que supiera qué es un dial, así que actualmente está depurando eso. En la parte superior derecha, construyendo ese panel de control, colocando todos esos data allí arriba.

En la parte superior izquierda, no sé si ya ha entendido lo del dial. Sí, sabe qué es un dial. Increíble. Genial. Así que esa parte está depurada. En la parte inferior derecha, ahora estoy armando el gráfico, preparando todo. En la parte superior izquierda, todavía ejecutando todo ese code. Los diales están ahí. Los gráficos están ahí. Solo que no se ven del todo bien.

En la parte inferior derecha, estoy construyendo ese último desglose de la generación de energía. En la parte superior izquierda, todavía le estoy dando retroalimentación, ya sabes, ese panel de control todavía no se ve muy bien. En la parte inferior derecha, actualmente dividiendo para los diferentes... En realidad, ahora solo estoy cambiando el nombre de todo, así que ahora solo lo estoy haciendo ver bonito. En la parte superior izquierda, todavía depurándolo. Los gráficos se ven un poco mejor, pero aún no es exactamente lo que quiero. En la parte inferior derecha, solo limpiando todo y listo. Genial. En la parte inferior derecha, 26 minutos, desarrolladores. En la parte superior izquierda, estamos viendo que GPT podría haber hecho ese code un poco más corto, pero ahora mismo me está dando que todos los colores son iguales en ese gráfico, así que tengo que explicar que esos colores no están del todo bien. Acaba de cambiar todo de azul a morado. Vale. Pero aún no es del todo correcto. Y ahora lo convierto en un desglose. Los colores se ven un poco correctos, pero aún no entiende lo que es un gráfico apilado.

Ahora estoy trabajando en el gráfico apilado, lo estoy generando, puedes ver que está generando lo mismo. En un momento, puedes ver que hay frustración. Si lo ralentizo, le pregunto si sabe dónde está el gráfico apilado. Y dice que sí, eso. No lo es. Incluso le di una imagen. Pero realmente está alucinando aquí.

La frustración aumenta. Tomando mucho tiempo de ida y vuelta. En este punto, estoy siendo pasivo-agresivo con él, porque aún no entiende dónde está el gráfico apilado y el tiempo avanza. Esto es seis veces más rápido, por cierto. Imagina hacerlo a velocidad normal. Aún girando. Todavía estoy atascado en ese gráfico apilado. Todo lo demás se ve genial, pero está luchando mucho.

Oh, me he rendido aquí. Ahora solo estoy ajustando el ancho, lo estoy configurando para que se vea bonito. Ese gráfico apilado no va a suceder esta vez. Llegando al final, ajustando el ancho correctamente, asegurándome de que se vea similar a lo que esperábamos. Aún girando. Aún dándole retroalimentación. Se está adaptando, lentamente pero seguramente. Estamos a punto de llegar allí. ¿Será pronto? Y... Todavía falta un poco de retroalimentación. Ahí lo tienes. 43 minutos. Entonces... Gran diferencia ahí. Así que terminé en 26 minutos y Chatjipati terminó en 43 minutos. Entonces, concretamente, ¿qué estaba sucediendo? Chatjipati se está quedando atrás, pero realmente no es consistente en cuanto al tiempo.

Si recuerdas cuando te mostré los dos resultados diferentes de Chatjipati, había un gráfico que tenía ese gráfico apilado y un segundo que acabas de ver que se estaba construyendo allí. El primero solo tardó 25 minutos en construirse. Lo obtuvo muy rápido, estaba perfectamente bien, y luego vimos que se acercaba más a los 45 minutos. Así que Chatjipati ocasionalmente puede ser más rápido que el desarrollador, pero no es consistente. No obtendrás la misma respuesta cada vez y a veces será increíblemente frustrante abordarlo.

Entonces, ¿qué pasó? Esto es una buena representación de lo que sucede cuando usas Chatjipati. Sí, va a generar code más rápido, pero vas a pasar mucho más tiempo depurando el code que te ha dado. Tendrás que ir y venir una y otra vez, limpiando las cosas. Entonces, ¿cuáles fueron las diferencias clave entre Chatjipati y yo al construir esto? En primer lugar, hay decisiones basadas en la scalability. En Chatjipati, como viste, era un sitio web muy básico que construyó y obtuvo los data directamente desde la API. Por otro lado, yo utilicé una herramienta de ingestión y una database. ¿Por qué tomé esa decisión? Porque sabía que la API solo tenía 24 horas de data y necesitaría acumularlo si quiero ver ese data a largo plazo. Así que hay una decisión basada en la scalability. En segundo lugar, hay acceso y experiencia. En primer lugar, Chatjipati construyó todo desde cero. Como dijimos, un sitio web. Por otro lado, yo utilicé herramientas existentes. Como Airbind, BigQuery y Looker. Esto es tanto una combinación de experiencia, sabiendo que estas herramientas harán el trabajo por mí, como acceso. Chatjipati no puede acceder a estas herramientas. Hay inicios de sesión detrás de ellas. Tendrá que hacer las cosas desde cero en su lugar. Esto es bastante interesante. Si viste al final, lo que se atascó fue el design. Cuando le das contexto por primera vez, es posible que sepas lo que quieres. Es posible que le des el design que deseas, pero ocurre algo llamado preferencia subconsciente. Por ejemplo, los colores en un gráfico. ¿Sabes que prefieres un gráfico apilado en lugar de gráficos de barras? Todo eso puede estar sucediendo de manera subconsciente y solo te darás cuenta de que no te gusta cuando lo veas y digas: sí, eso no encaja del todo bien. En comparación con cuando estás construyendo ese panel de control y tu subconsciente entra en juego automáticamente. Y finalmente, resolución de problemas complejos.

Entonces, en términos de esto, están más o menos igualados. Con Chatjipati, no puede ejecutar el code directamente. Puedes configurarlo para intentarlo, pero por ahora, ya sabes, no puede ejecutar el code directamente. Por lo tanto, las pruebas y depuraciones realmente se realizan a través de la interfaz, a través de mí dándole los errores, etcétera. Por otro lado, si tuviera que depurarlo yo mismo, o bien lo sé por experiencia, o realmente tengo que dedicar mucho tiempo a investigar el error y encontrar cómo solucionarlo.

De acuerdo. Entonces, en términos de complejidad. Ya sabes, los desarrolladores manejan mejor la complejidad. Tienes contexto, tienes experiencia, eso es mucho más agradable de hacer. Chatjipati básicamente tiene lo básico. Y también, ya sabes, se basa en la probabilidad, la respuesta que te da. Personalización, preferencias subconscientes, por lo que el desarrollador es mejor en ese aspecto. Experiencia técnica, cualquiera puede ejecutar Chatjipati. Así que aún necesitas algo de, no tiene cinco estrellas, porque aún necesitas saber qué estás depurando o qué está mal al mirarlo. Tiempo en el mercado, más o menos igual. Así que realmente espero que nadie esté poniendo el code de Chatjipati directamente en producción, por lo que necesitas depurar mucho antes de que se lance realmente. Así que obtiene una calificación similar a la de ser un desarrollador. Y tiempo de configuración. Chatjipati generó esa carpeta muy rápidamente para el code básico, y luego solo fueron refinamientos, por lo que la configuración es bastante rápida, mientras que los desarrolladores, el tiempo promedio normal que esperarías. Y finalmente, escalabilidad y seguridad. Todo se trata del contexto. Necesitas saber en qué entorno estás construyendo cosas, cuál es el seguridad protocolo que necesitarás, y también cuáles son los objetivos a largo plazo. Así que ser un desarrollador es mejor. Chatjipati no tendrá eso a menos que intentes dárselo. De acuerdo. Entonces, ¿por qué estamos hablando de estas dos soluciones como si no fueran complementarias? Probablemente ya estés haciendo esto en segundo plano, donde la mejor manera de usar Chatjipati es como una herramienta. No como un reemplazo. Entonces, esa es realmente, ya sabes, la pregunta de si podrías combinar lo mejor de ambas partes. La respuesta es obviamente sí.

Entonces, donde Chatjipati es mejor es definitivamente como Google con esteroides. Puede obtener respuestas bastante rápido. No tienes que investigar tanto. Es una gran experiencia de aprendizaje si se usa correctamente. Si no sabes algo, puede darte fragmentos de code, fragmentos de información para ayudar a complementar tu propio aprendizaje. También es increíble en la documentación. No sé cuántas personas disfrutan escribir documentación. Si lo haces, eres un unicornio, te contratarán muy rápido. La mayoría de las personas no lo hacen. Chatjipati es genial para eso. Y es mucho más rápido generar fragmentos más pequeños de code. Pero la ventaja de ser un desarrollador es que tienes intuición. Sabes cuando las cosas no se sienten bien del todo. Sabes qué se está utilizando, dependiendo de la plataforma, dependiendo del contexto. Eso es lo segundo. Por supuesto, hay más creatividad en eso, y también está ese aspecto de depuración. Saber dónde están ocurriendo los errores, dónde se necesitan corregir las cosas, etcétera. En general, Chatjipati es definitivamente una gran herramienta. Pero no está lista para reemplazarnos. Al menos todavía.

Gracias. APLAUSOS Básicamente, la primera pregunta que acabas de responder, y presta atención, fue hecha por Chatjipati. ¿Reemplazará la IA a los desarrolladores? Tal vez tengas algunos pensamientos adicionales sobre lo que acabas de decir.

Sinceramente, creo que a medida que la IA en general avanza, se vuelve cada vez mejor en la automatización de ciertas tareas que realizamos. Por lo tanto, está eliminando algunas de las cosas que encontramos tediosas, pero definitivamente está haciendo nuestro trabajo más eficiente. Recuerdo que en una conferencia estábamos teniendo esta discusión y se comparaba mucho cómo un agricultor solía usar herramientas básicas para recolectar sus cultivos, y ahora tienen tractores. Pueden hacer todas esas cosas automatizadas para ellos y mucho más rápido. Muy similar a un desarrollador. La IA está complementando nuestro trabajo. Nos está haciendo más eficientes. Nos está haciendo ir más rápido, etcétera. Pero no creo que, al menos por ahora, llegue a ese punto. Totalmente. Totalmente. Sí, así que estamos seguros, amigos. Así que Chatjipati, aún no es tu momento.

Elijamos esta. Creo que se basa en tu declaración sobre algún buen recurso con la instrucción. Entonces, la pregunta es, ¿cuál es el mejor recurso, ya sabes, con instrucciones para el desarrollo en Chatjipati? Supongo que se trata de qué, ya sabes, qué instrucciones deberíamos elegir para asegurarnos de que Chatjipati sea más eficiente. Sí. Hay todo un campo llamado ingeniería de instrucciones. Hay un sitio web, olvidé el nombre, pero si buscas documentación de ingeniería de instrucciones, hay un sitio web que agrupa, creo que hay más de 20 técnicas diferentes que puedes usar. Es realmente bueno. En un momento lo estaba probando para la detección de anomalías. Chatjipati como base solo era eficiente en un 20%. Tan pronto como comienzas a usar la ingeniería de instrucciones, se vuelve eficiente en un 60%. Así que definitivamente vale la pena mirar esas técnicas, probarlas. Realmente mejoran las respuestas que obtienes. Sí, de hecho, puedo dar seguimiento a eso como alguien que a menudo imparte sesiones sobre ingeniería de instrucciones. Sí, hay muchas técnicas diferentes y muchos mercados con instrucciones, como instrucciones gratuitas, instrucciones de pago.

No soy un usuario activo de esos, pero tal vez puedas encontrar algo específicamente para el desarrollo. Creo que la gran mayoría de las instrucciones allí son para tu creatividad y arte, pero no tengo dudas de que también hay algo para los desarrolladores. Y además, sí, esto en realidad no es una pregunta, sino más bien un comentario para hacer que tu competencia sea más justa. Y alguien dice que eliges los requisitos de antemano y Chatjipati no conocía esta información de antemano. Entonces tal vez elegir un tercero para elegir el tema sea el camino a seguir. Y básicamente, mi pensamiento personal, has abierto la puerta a todo tipo de eventos nuevos. Podemos llamarlo como deporte cibernético, ¿verdad? Pero no se trata de juegos, sino de desarrolladores de bots versus desarrolladores humanos. Así que tal vez, nuevamente, una idea para los organizadores de conferencias. ¿Qué opinas de eso? Creo que es una pregunta muy interesante con respecto a la elección de un tercero para el tema, porque esto se adentra en muchas de las ventajas de conocer el contexto, porque si viste ambos, sabes, elegir los requisitos de antemano significa que sabía lo que estaba construyendo, pero también significaba que podía responder a las preguntas de Chatjipati cuando me pedía el contexto. Así que creo que ir con un tercero tendrá un resultado muy, muy diferente, porque en primer lugar, Chatjipati no podrá hacerme preguntas porque no tengo idea. Entonces eso es lo primero, que hay una desventaja con Chatjipati cuando no obtiene el contexto tanto como en el lado del desarrollador. Creo que será algo interesante de probar, porque quién sabe qué pasaría en esa situación. Absolutamente. Absolutamente. Sí, tal vez solo un pensamiento mío, así que tal vez el surgimiento de agentes ayudará aquí, porque en mi comprensión, los agentes de IA o los agentes generativos de IA son exactamente, no sé, entidades, cómo llamarlos, que son proactivos, ¿verdad? Entonces no solo están esperando tu entrada. Comienzan a hacerte preguntas ellos mismos. Este es un nivel un poco aterrador de desarrollo de IA generativa. Permíteme elegir algo más de nuestra creciente lista de preguntas, para que seas súper popular en el espacio de preguntas y respuestas después de que dejemos este lugar. Sí, elijamos esta, un poco futurista. ¿Dónde ves que nos llevará la IA en los próximos cinco años? Estamos en 2024, 2029, o tal vez alrededor del año 2030. ¿Dónde estamos? Esa es una buena pregunta. Creo que lo primero es que siento que los modelos de código abierto definitivamente estarán en el punto en el que superen a los modelos de código cerrado, porque muchas personas están activas en la comunidad mejorando los modelos existentes, como vimos que Chatjipati 4 estaba en la cima de esa lista, pero todos los modelos de código abierto están mejorando bastante rápido. Así que siento que en cinco años, definitivamente estaremos en el punto en el que hay tantos modelos de código abierto que las personas tendrán enfoques mucho más creativos de dónde aplicarlos. En este momento, se usa principalmente en un sentido global como un chatbot. Hay otros usos, pero el más global es como un chatbot. ¿Quién sabe a dónde nos llevará en cinco años? Sí, amigos. Volvamos a encontrarnos aquí en 2030, y pediré a los organizadores que encuentren la video grabación de esta sesión, y sí, veamos a dónde nos lleva. Marcado. Elijamos esta. Muy rápido.

¿Has utilizado Chatjipati para crear tus diapositivas y texto, creo, para esta sesión? En realidad, no. No, no lo he hecho. Lo uso regularmente, especialmente para escribir correos electrónicos. Soy muy torpe socialmente, así que siempre que se trata de escribir mensajes o correos electrónicos, lo uso para eso. En realidad no lo usé para mis diapositivas o mi texto.

Sí, en realidad, lo mismo para mí. Uso diferentes géneros de productos, servicios casi todos los días para múltiples tareas, pero nunca lo uso para las presentaciones. Quiero mantener algo para mí donde sean mis únicas ideas originales, pero eso podría cambiar, por supuesto. Nuevamente, revisemos esta pregunta de 2030. Marcado. Elijamos esta. ¿Hay una alternativa a Chatjipati que mantenga los enlaces a los documentos originales como una combinación de Chatjipati con Google? Creo que estamos hablando de un modelo con estado, ¿verdad? Tal vez conozcas diferentes servicios que admitan este tipo de experiencia. Para ser justos, en realidad no me he adentrado mucho en eso, así que no se me ocurre nada en este momento, pero siento que definitivamente habrá algo ahí fuera si investigas un poco más. Perplejidad. Oh, sí, perplejidad. La perplejidad es genial. Cuando buscas cualquier tipo de fuentes, le preguntas, ¿puedes darme una estadística? Y luego te dirá de dónde proviene. Sí, 100% perplejidad. Bien, bien. Gracias por tu ayuda. Y sí, elijamos esta. ¿Habría acelerado el proceso darle a Chatjipati ejemplos de code para estilos y gráficos? Sí, definitivamente. Así que una de las técnicas de ingeniería de indicaciones es algo llamado aprendizaje con pocos ejemplos, o algo muy similar a eso. Es cuando das un ejemplo code, y en ese punto, es muy bueno. Es mucho más rápido. Creo que en esta competencia, estaría ayudándolo demasiado.

Por eso no lo hice. Y por eso es muy importante ese modelo híbrido, utilizando la ingeniería de indicaciones para indicarle en qué dirección ir, lo hará mucho, mucho más rápido y mucho más. Alucinará menos, básicamente.

Y de hecho, acabas de responder a esta pregunta, ¿cuál es el significado de la indicación de una sola vez? Así que lo explicaste muy bien, la técnica de indicaciones de una sola vez frente a la de pocas veces, técnicas muy, muy importantes.

Y elijamos la última. ¿Has considerado aprovechar herramientas LLM dedicadas para este punto de referencia, como Pythagora? No he oído hablar de esto yo misma, pero tal vez haya otras herramientas que puedan ayudar. Sí, creo que definitivamente se podrían utilizar más herramientas. Creo que una cosa que habría sido bastante interesante es, como viste, estaba un poco cargando el sitio web por mí misma. Una cosa que es interesante de ampliar, un pequeño proyecto paralelo si la gente quiere probar, es utilizar algo como LangChain, que generará automáticamente ese code, lo ejecutará por sí mismo, y lo mantendrá en un bucle, en lugar de tener que ejecutar manualmente ese sitio web. Eso sería un experimento bastante interesante para hacer.

Muchas gracias, Chloe. Y sí, nos vemos de nuevo en 2030, y muchas gracias. Gracias. ¡Aplausos!