000			03570nam a22004577a 4500
001			00007876
003			ES-MaONT
005			20241218012109.0
008			240416s202403uufr da||fs|||| 001 0 eng d
040			_aES-MaONT
100			_97776 _aUgale, Gavin
245			_aGenerative AI for anti-corruption and integrity in government . _bTaking stock of promise, perils and practice _c/ Ugale, Gavin ; Hall, Cameron
260			_aParis : _bOECD Publishing _c03/2024
300			_a49 p. _c; 1 documento PDF
336			_2isbdcontent _atexto (visual)
337			_2isbdmedia _aelectrónico
338			_2rdacarrier _arecurso en línea
490			_aOECD ARTIFICIAL INTELLIGENCE PAPERS _vMarch 2024 No. 12
520			_aLa inteligencia artificial (IA) generativa presenta innumerables oportunidades para que los agentes de la integridad -organismos anticorrupción, entidades fiscalizadoras superiores, organismos de auditoría interna y otros- mejoren el impacto de su trabajo, en particular mediante el uso de grandes modelos lingüísticos (LLM). A medida que este tipo de IA se generaliza, es fundamental que tales agentes comprendan dónde pueden aportar más valor la IA generativa y los LLM, así como los retos que plantean. Para avanzar en esta comprensión, este documento se basa en las aportaciones de las comunidades de integridad y lucha contra la corrupción de la OCDE y ofrece una instantánea de las formas en que estos organismos están utilizando la IA generativa y los LLM, los retos a los que se enfrentan y las ideas que estas experiencias ofrecen a organismos similares de otros países. La OCDE envió un cuestionario y entrevistó a organizaciones de varias comunidades, incluido el Grupo de Trabajo de Altos Funcionarios de Integridad Pública, la Alianza de Auditores y una Comunidad de Práctica sobre Tecnología y Análisis para la Integridad Pública. Basándose en las respuestas de 59 organizaciones de 39 países, la OCDE recopiló información clave sobre el uso de la IA generativa y los LLM. Los actores de la integridad citaron la escasez de conocimientos y las limitaciones informáticas como los mayores retos a los que se enfrentan para implantar la IA generativa y los LLM. Entre los consejos para poner a prueba los LLM se incluye incorporar primero la IA generativa en procesos de bajo riesgo y considerar desde el principio los requisitos de ampliación. Asimismo, superar las barreras lingüísticas inherentes al uso o la puesta a punto de muchos LLM estándar supone un reto clave. En conjunto, la IA generativa puede mejorar el trabajo de los agentes de integridad, pero también crea la necesidad de una mayor vigilancia de la evolución de los retos que suponen.
650		0	_94348 _aInteligencia Artificial
650		0	_92192 _aPolíticas públicas digitales
651		0	_96581 _aUnión Europea
651		0	_aPaíses Bajos _92752
651		0	_96172 _aBrasil
651		0	_93440 _aReino Unido
651		0	_aFrancia _92749
651		0	_96249 _aArmenia
651		0	_94015 _aEstados Unidos de América
651		0	_93470 _aAustralia
653			_ainteligencia artificial generativa
653			_aIAGen
653			_aGenAI
653			_alarge language models
653			_agrandes modelos lingüísitcos
653			_agrandes modelos lenguaje
653			_aLLM
700			_97777 _aHall, Cameron
856			_uhttps://www.oecd-ilibrary.org/science-and-technology/generative-ai-for-anti-corruption-and-integrity-in-government_657a185a-en _x0 _yAcceso a la publicación
942			_2z _cINF
999			_c7876 _d7876