La hoja de ruta de la IA para operadores: de las indicaciones a los motores de predicción - Presentado por 4 Elements Hospitality

La mayoría de los operadores de atracciones se dividen en dos grupos: o bien aún no han probado la IA, o bien la utilizan a diario y se preguntan en silencio si han construido sobre cimientos inestables o sobre unos cimientos que perdurarán. Esta sesión está dirigida a ambos.

Comenzamos con la historia de la IA, que se remonta más atrás de lo que la mayoría de la gente cree: décadas de lento progreso, seguidas de una irrupción repentina en la vida cotidiana. Ese patrón es precisamente la razón por la que el ritmo no está disminuyendo ahora

A continuación, el mapa de herramientas por niveles: Nivel principiante: saber qué herramienta abrir un lunes por la mañana para cada tarea. Usuarios avanzados: comprender ese aspecto que la mayoría pasa por alto, que es el panorama de los modelos en sí: modelos de lenguaje, de razonamiento, de visión, de voz y de predicción. Cada uno resuelve un problema diferente, y el error más común y costoso en este sector es utilizar un chatbot para resolver un problema matemático.

A continuación, nos adentramos en un proyecto real. La chef Nicole explica un sistema de previsión y procedimientos operativos estándar (SOP) basado en IA que guió a un equipo de desarrollo a crear para un negocio de restauración. Una previsión precisa marca la diferencia entre adivinar un pedido y su preparación, y saberlo con certeza. Esta sesión muestra un modelo de previsión que realiza esa labor en una operación real, lo que da a la dirección más tiempo para ocuparse de su personal.

Los asistentes se llevan un mapa de selección de modelos, un marco de trabajo para las indicaciones y una visión realista de lo que realmente implica la implementación.

Objetivos de aprendizaje:

1. Identificar qué hay más allá de los chatbots, incluidos los modelos de visión, los modelos de incrustación y los modelos de previsión, y reconocer qué problema operativo resuelve cada uno de ellos.

2. Aplicar un marco de indicaciones repetible al trabajo diario, de modo que el resultado sea útil desde el primer momento, en lugar de tener que reescribirlo.

3. Describir qué se necesita para que la IA pase de ser un uso ocasional a convertirse en un sistema operativo, incluyendo los datos de los que depende, en qué momentos el ser humano sigue formando parte del proceso y los puntos de control que garantizan la fiabilidad de los resultados.