Un dels temes que vaig explicar ahir té a veure amb aquesta pregunta: Per què tothom creu que la IA són només els chatbots o LLM? Doncs per l'efecte mediàtic o ombra llarga de ChatGPT. Malauradament, aquesta percepció dona lloc a que hi hagi una situació problemàtica que és la de voler utilitzar un LLM on no tocaria i, alhora, menytenir un ventall d'aplicacions d'IA basades en estadística clàssica, aprenentatge automàtic, visió per computador, optimització, sistemes experts o models de sèries temporals, entre altres, per solucionar problemes. Dit d'altra manera, per a molts problemes, un LLM és la pitjor opció. Per què? Doncs perquè és opac, costós computacionalment, pot "al·lucinar" i no garanteix reproductibilitat/determinisme. Per exemple, per predir el risc de reingrés hospitalari, una regressió logística o un gradient boosting sobre variables clíniques sol ser més fiable i explicable que un LLM. Un altre exemple té lloc en triatge d'urgències, on regles i models supervisats ja funcionen. En canvi, un LLM pot ajudar a triar i analitzar informació (especialment no estructurada) com, per exemple, transcriure i resumir una consulta llarga, detectar senyals d'alerta en notes clíniques de text lliure/obert, o traduir informes mèdics a llenguatge comprensible per al pacient. Per tant, la qüestió és saber quan i per a què volem fer servir un LLM i, és clar, combinar eines si escau (i això no vol dir sempre).