{"id":3255,"date":"2024-09-26T15:31:19","date_gmt":"2024-09-26T20:31:19","guid":{"rendered":"https:\/\/alpar.com.co\/blog\/?p=3255"},"modified":"2024-09-27T12:09:36","modified_gmt":"2024-09-27T17:09:36","slug":"como-prepararse-para-un-futuro-genai-que-no-se-puede-predecir","status":"publish","type":"post","link":"https:\/\/alpar.com.co\/blog\/como-prepararse-para-un-futuro-genai-que-no-se-puede-predecir\/","title":{"rendered":"C\u00f3mo prepararse para un futuro GenAI que no se puede predecir"},"content":{"rendered":"

Escrito por Por\u00a0Amy Webb.<\/a><\/em><\/p>\n

Recientemente, el director ejecutivo de un importante banco me llam\u00f3 por tel\u00e9fono para hablar sobre la promesa de la IA generativa. Al principio, trabajamos en escenarios para mejorar la detecci\u00f3n de fraudes y el servicio al cliente, pero con la serie de anuncios recientes, qued\u00f3 claro que ten\u00eda ambiciones m\u00e1s grandes en mente. Como muchas industrias, la banca tiene un problema de fuerza laboral: existe una discrepancia entre la demanda de personal calificado y la oferta de trabajadores que est\u00e1n dispuestos a regresar a una oficina y jugar con las reglas anteriores al COVID.<\/p>\n

La IA generativa, pens\u00f3, podr\u00eda ser una especie de panacea. Podr\u00eda generar ahorros de costos y eficiencias a trav\u00e9s de la automatizaci\u00f3n, pero \u00bfpodr\u00edan estas nuevas herramientas resolver tambi\u00e9n el problema de la escasez de talento? Para decirlo claramente: \u00bfcu\u00e1nto tiempo tardar\u00e1 la IA en reemplazar a los trabajadores humanos?<\/p>\n

Nuestra conversaci\u00f3n se hizo eco de muchas de las que he tenido desde noviembre pasado con ejecutivos de una variedad de empresas, incluidas las de seguros, manufactura, farmac\u00e9uticas e incluso ejecutivos que lideran estudios de Hollywood, cuyos guionistas y actores estaban en huelga. Todos quieren saber c\u00f3mo sus empresas pueden crear m\u00e1s valor utilizando menos recursos humanos. Esto se debe a que el oto\u00f1o pasado, ChatGPT, el chatbot desarrollado por OpenAI, de repente se volvi\u00f3 viral, demostrando el poder de la IA para generar sus propios correos electr\u00f3nicos, ensayos, recetas, informes financieros, art\u00edculos e ideas. Goldman Sachs estima que dentro de la d\u00e9cada, 300 millones de empleos ser\u00e1n eliminados o en gran medida disminuidos por la IA generativa.<\/p>\n

Ya estamos empezando a ver turbulencias. Las ofertas de empleo para \u00abingenieros r\u00e1pidos\u00bb (humanos que piden a sistemas como ChatGPT que generen contenido) ofrecen salarios anuales de 300.000 d\u00f3lares o m\u00e1s . El GPT-4 de OpenAI aprob\u00f3 el examen de la barra uniforme y dio a entender que en un futuro cercano, es posible que no necesitemos abogados para el trabajo transaccional. De hecho, Walmart est\u00e1 creando un prototipo de un sistema de IA generativa (no relacionado con OpenAI) para negociar algunos de sus contratos con proveedores; el 75% de los abogados de contratos y los funcionarios de adquisiciones del otro lado dicen que ahora prefieren negociar con una IA en lugar de con sus contrapartes de carne y hueso. Med-PaLM 2 de Google, que es un modelo especializado entrenado en conocimientos m\u00e9dicos, ahora responde a los problemas de ex\u00e1menes m\u00e9dicos al nivel experto de un m\u00e9dico. Este verano, los socios comenzaron a probar aplicaciones que pueden mirar una radiograf\u00eda y escribir autom\u00e1ticamente un informe de mamograf\u00eda, sin un m\u00e9dico humano en el proceso.<\/p>\n

Con el vertiginoso ritmo de desarrollo, no es de extra\u00f1ar que tantos ejecutivos est\u00e9n llegando a la misma conclusi\u00f3n: en tan solo unos a\u00f1os, los potentes sistemas de IA realizar\u00e1n tareas cognitivas al mismo nivel (o incluso por encima) de la fuerza laboral humana. Tentados por las posibilidades de la IA, preocupados por encontrar y retener trabajadores calificados y humillados por las recientes correcciones del mercado o las expectativas de los analistas que no se cumplieron, los l\u00edderes empresariales imaginan un futuro laboral sin casi tanta gente como hoy. Desde mi perspectiva, se trata de un enorme error de c\u00e1lculo.<\/p>\n

En primer lugar, es demasiado pronto para predecir el futuro exacto de la IA, especialmente si se tiene en cuenta que la IA generativa es solo una peque\u00f1a \u00e1rea de un campo con muchas interdependencias, cada una en distintas etapas de desarrollo. Exactamente qu\u00e9 trabajos eliminar\u00e1 la IA y cu\u00e1ndo lo har\u00e1 es una inc\u00f3gnita. No basta con que un sistema de IA realice una tarea; el resultado tiene que demostrar que es confiable, integrarse en los flujos de trabajo existentes y gestionarse en funci\u00f3n de cuestiones de cumplimiento, riesgo y normativas.<\/p>\n

En segundo lugar, en un per\u00edodo de r\u00e1pida disrupci\u00f3n provocado por la tecnolog\u00eda, los l\u00edderes se centran demasiado en las ganancias inmediatas, en lugar de en c\u00f3mo se transformar\u00e1 su red de valor en el futuro. A medida que la IA evolucione, ser\u00e1 necesario reimaginar segmentos enteros de las empresas, en tiempo real, pero antes de que tengamos una idea completa de c\u00f3mo ser\u00e1 el futuro. \u00bfRecuerdan los primeros d\u00edas de Internet y los navegadores web p\u00fablicos, que se consideraban un entretenimiento? Nadie plane\u00f3 la transformaci\u00f3n fundamental que ambos desencadenar\u00edan. Entonces habr\u00eda sido imposible predecir c\u00f3mo influir\u00eda alg\u00fan d\u00eda en las elecciones presidenciales o crear\u00eda las primeras empresas del mundo valoradas en un bill\u00f3n de d\u00f3lares.<\/p>\n

Sin duda, los ejecutivos de hoy deben tomar decisiones en el entorno operativo m\u00e1s complejo que he visto desde los primeros d\u00edas de Internet. Los l\u00edderes, comprensiblemente preocupados por perderse la pr\u00f3xima ola de tecnolog\u00eda, est\u00e1n haciendo apuestas arriesgadas sin darse cuenta sobre el futuro de sus empresas. A continuaci\u00f3n, se indican los pasos que todo l\u00edder deber\u00eda seguir para prepararse para un mundo incierto en el que la IA generativa y las fuerzas de trabajo humanas coexistir\u00e1n, pero evolucionar\u00e1n de maneras que son desconocidas.<\/p>\n

Prepar\u00e1ndose para un futuro que no se puede predecir<\/strong><\/h2>\n

He aqu\u00ed la paradoja: tenemos que pensar en la fuerza laboral como algo que evoluciona con la IA generativa, en lugar de verse suplantada por ella. La fuerza laboral tendr\u00e1 que evolucionar y los trabajadores tendr\u00e1n que aprender nuevas habilidades, de manera iterativa y a lo largo de un per\u00edodo de a\u00f1os. Los l\u00edderes deben adoptar un nuevo enfoque para maximizar el potencial de la IA en sus organizaciones, lo que requiere hacer un seguimiento diferente de los avances clave en materia de IA, utilizar un proceso iterativo para cultivar una fuerza laboral preparada y, lo m\u00e1s importante, crear escenarios futuros respaldados por evidencia que desaf\u00eden el pensamiento convencional dentro de la organizaci\u00f3n.<\/p>\n

\u00bfQu\u00e9 pueden hacer los l\u00edderes ahora para afrontar este per\u00edodo?<\/strong><\/h2>\n

En primer lugar, modere las expectativas sobre lo que la IA generativa puede y har\u00e1 por su negocio.<\/strong>
\nHist\u00f3ricamente, la IA pasa por fases que implican avances, oleadas de financiaci\u00f3n y momentos fugaces de inter\u00e9s general, seguidos de expectativas incumplidas y recuperaciones de financiaci\u00f3n.<\/p>\n

En 1970, Marvin Minsky, un influyente cient\u00edfico inform\u00e1tico y uno de los padres fundadores de la IA, dijo a la revista Life que la inteligencia artificial general (una IA con capacidades cognitivas indistinguibles de las de una persona) estaba a solo tres a\u00f1os de distancia. Hay que tener en cuenta que en la d\u00e9cada de 1970, la potencia inform\u00e1tica necesaria para una IA de ese tipo a\u00fan no exist\u00eda. Las supercomputadoras eran en su mayor\u00eda te\u00f3ricas. Lo mismo que las computadoras personales. El Datapoint 2200 y su procesador acabaron convirti\u00e9ndose en la arquitectura fundacional de lo que llegamos a conocer como PC. Las grandes ambiciones prometidas por Minsky y sus colegas nunca se materializaron, por lo que la financiaci\u00f3n y el inter\u00e9s se agotaron. Esto volvi\u00f3 a ocurrir en 1987, cuando, una vez m\u00e1s, los cient\u00edficos inform\u00e1ticos y las empresas hicieron promesas audaces sobre un cronograma para la IA que simplemente nunca fue factible.<\/p>\n

Aunque las herramientas de IA generativa m\u00e1s populares de la actualidad (ChatGPT, Midjourney, DALL-E 2) son potentes, no son productos terminados. Pronto, la gente se cansar\u00e1 de su novedad y se dar\u00e1 cuenta de que, si bien la IA puede crear contenido, no es lo suficientemente buena como para usarla en la pr\u00e1ctica. Del mismo modo, todav\u00eda es muy pronto cuando se trata de herramientas de IA espec\u00edficas para el campo de la medicina, el clima y las ciencias biol\u00f3gicas. Para que la IA generativa realice los milagros que nos han prometido (a escala y de manera rentable), es necesario hacer mucho m\u00e1s trabajo. Recuerde que, hasta hace muy poco, estas herramientas eran principalmente te\u00f3ricas.<\/p>\n

Los ejecutivos deben tener claras las funciones pr\u00e1cticas que desempe\u00f1ar\u00e1 la IA generativa en sus organizaciones hoy. Tambi\u00e9n deben ser pragm\u00e1ticos respecto de las oportunidades (y los riesgos) que eventualmente abrir\u00e1 la IA generativa. La IA no es un monolito y apenas estamos al comienzo de una trayectoria muy larga. Esto puede sonar intuitivo, pero, en mi opini\u00f3n, pocos l\u00edderes est\u00e1n desarrollando una estrategia realista que vincule las operaciones de hoy con la visi\u00f3n del ma\u00f1ana, socializ\u00e1ndola dentro de sus equipos de gesti\u00f3n y revisando sus indicadores de desempe\u00f1o en consecuencia.<\/p>\n

Recientemente, me reun\u00ed con los directivos de una empresa multinacional de bienes de consumo envasados \u200b\u200b(CPG) deseosa de asociarse con una empresa de IA generativa. Les present\u00e9 un escenario de alta probabilidad en el que los clientes que usaban una herramienta de chat respond\u00edan algunas preguntas sobre sus preferencias y objetivos, y ten\u00edan un carrito de compras en l\u00ednea autom\u00e1ticamente lleno de los art\u00edculos que necesitar\u00edan para la semana. Pero ninguna de las marcas de CPG aparec\u00eda en el carrito, o si lo hac\u00edan, no estaban en el primer lugar de la lista. As\u00ed como los motores de b\u00fasqueda como Google y Amazon inventaron nuevos mecanismos y reglas para la optimizaci\u00f3n de motores de b\u00fasqueda, en el futuro, las integraciones de IA generativa en plataformas como minoristas y aplicaciones de carrito de compras crear\u00edan nuevos desaf\u00edos para las empresas de CPG, que podr\u00edan encontrarse m\u00e1s abajo en la cadena de valor donde se toman decisiones cr\u00edticas.<\/p>\n

En segundo lugar, eval\u00fae qu\u00e9 datos est\u00e1 generando su empresa y c\u00f3mo los utilizar\u00e1 hoy y en el futuro la IA generativa.<\/strong>
\nLos datos empresariales son invaluables porque, una vez que se ha entrenado un modelo, puede resultar costoso y t\u00e9cnicamente complicado transferir esos datos a otro sistema. En este momento, las plataformas de IA emergentes no son f\u00e1cilmente interoperables, y eso es as\u00ed por dise\u00f1o. Las plataformas de IA generativa est\u00e1n evolucionando hacia jardines amurallados, donde las empresas que crean la tecnolog\u00eda controlan todos los aspectos de sus ecosistemas. Las empresas de IA m\u00e1s grandes compiten por una participaci\u00f3n en el mercado y por las enormes cantidades de datos que necesitan para que sus modelos sean m\u00e1s competitivos. Al comercializar sus plataformas a las empresas, quieren encerrarlas (y a sus datos) en ellas.<\/p>\n

Los sistemas de IA actuales se est\u00e1n creando utilizando una t\u00e9cnica conocida como aprendizaje de refuerzo con retroalimentaci\u00f3n humana (RHLF, por sus siglas en ingl\u00e9s). B\u00e1sicamente, los sistemas de IA necesitan una retroalimentaci\u00f3n humana constante, o corren el riesgo de aprender y recordar la informaci\u00f3n incorrecta. Cuantos m\u00e1s datos se ingieran, m\u00e1s anotaciones, etiquetas y capacitaci\u00f3n se requieren. Hoy, este trabajo est\u00e1 automatizado para los trabajadores eventuales en econom\u00edas emergentes como Kenia y Pakist\u00e1n. A medida que la IA madure, se necesitar\u00e1n especialistas con conocimientos de nivel experto. Muchos de los l\u00edderes empresariales con los que me he reunido no est\u00e1n planeando un futuro que incluya una unidad RHLF interna encargada de monitorear, auditar y ajustar continuamente los sistemas y herramientas de IA. (Lo \u00faltimo que cualquier l\u00edder deber\u00eda querer es un sistema de IA sin supervisi\u00f3n que tome decisiones sobre c\u00f3mo mejorarse a s\u00ed mismo).<\/p>\n

Incluso con humanos capacitados en el proceso, las empresas deben dise\u00f1ar continuamente escenarios que revelen los riesgos de trabajar junto con sistemas de IA generativos, especialmente aquellos operados por terceros. Esto se debe a que los sistemas de IA no son est\u00e1ticos; mejoran de manera incremental con el tiempo. Con cada nuevo desarrollo, surgen nuevos riesgos y oportunidades potenciales. Ser\u00eda imposible calcular de antemano todos los posibles resultados negativos sin que esas predicciones se vuelvan obsoletas r\u00e1pidamente. (Por ahora, no hay forma de crear una simulaci\u00f3n de Monte Carlo que sea completamente precisa para predecir el futuro). En cambio, un equipo dedicado deber\u00eda encargarse de monitorear los sistemas de IA generativos a medida que aprenden, as\u00ed como los desaf\u00edos de ciberseguridad relacionados, y deber\u00eda desarrollar escenarios breves de \u00abqu\u00e9 pasar\u00eda si\u00bb imaginando formas en que las cosas podr\u00edan salir mal.<\/p>\n

De la misma manera, a medida que la IA evolucione, tambi\u00e9n lo har\u00e1n las oportunidades para generar nuevos crecimientos. Esto significa que las empresas tambi\u00e9n deber\u00edan contar con un equipo interno de desarrollo comercial dedicado a desarrollar escenarios a corto y largo plazo para las innumerables formas en que las herramientas emergentes mejorar\u00e1n la productividad y la eficiencia, conducir\u00e1n al desarrollo de productos, estimular\u00e1n la innovaci\u00f3n y m\u00e1s.<\/p>\n

En tercer lugar, cuando se trata de IA, los l\u00edderes deben cambiar su enfoque desde la rentabilidad hasta el crecimiento.<\/strong>
\nEsto puede parecer contradictorio, ya que muchos ven la IA generativa como un medio para reducir los costos operativos. Los chatbots inteligentes de hoy pronto dar\u00e1n paso a sistemas multimodales, que son IA capaces de resolver diferentes problemas y lograr diferentes objetivos a la vez. Imagine una compa\u00f1\u00eda de seguros de da\u00f1os y responsabilidad civil en la que cada asegurador trabaja en equipo con una IA. Inicialmente, el asegurador podr\u00eda pedirle a la IA que eval\u00fae el riesgo asociado con asegurar una propiedad; despu\u00e9s de un an\u00e1lisis preliminar del texto, podr\u00eda pedirle que refine los resultados utilizando las im\u00e1genes de los informes de inspecci\u00f3n o las entrevistas de audio con el posible asegurado. Podr\u00eda ir y venir varias veces, utilizando diferentes fuentes de datos, hasta que se reciba una cotizaci\u00f3n \u00f3ptima tanto para la compa\u00f1\u00eda de seguros como para el cliente.<\/p>\n

La clave para hacer un uso productivo de las IA multimodales es entender c\u00f3mo y qu\u00e9 delegar a una m\u00e1quina, de modo que tanto el humano como la IA puedan lograr m\u00e1s mediante la colaboraci\u00f3n que trabajando de forma independiente. Sin embargo, la delegaci\u00f3n es algo con lo que los profesionales tienen problemas de forma habitual: asignan demasiadas tareas, o muy pocas, o no las tareas adecuadas. Trabajar junto a una IA multimodal requerir\u00e1 que los trabajadores dominen el arte de la delegaci\u00f3n.<\/p>\n

Una vez que los empleados comprenden c\u00f3mo delegar correctamente, actuar\u00e1n como un multiplicador de fuerza dentro de las organizaciones. Los equipos individuales podr\u00edan ser m\u00e1s ambiciosos en el aumento de los ingresos de la empresa mediante la ideaci\u00f3n y simulaci\u00f3n de nuevas fuentes de ingresos, la b\u00fasqueda y adquisici\u00f3n de nuevos clientes y la b\u00fasqueda de diversas mejoras para las operaciones generales de la empresa.<\/p>\n

Esto presagia un futuro que exige un enfoque diferente para la capacitaci\u00f3n. La mayor\u00eda de los trabajadores no necesitar\u00e1n aprender a codificar o a escribir instrucciones b\u00e1sicas, como solemos escuchar en las conferencias. En cambio, necesitar\u00e1n aprender a aprovechar la IA multimodal para hacer m\u00e1s y mejor trabajo. Basta con mirar Excel, que es utilizado por 750 millones de trabajadores del conocimiento todos los d\u00edas. El software incluye m\u00e1s de 500 funciones, pero la gran mayor\u00eda de las personas solo usan unas pocas docenas, porque no entienden completamente c\u00f3mo hacer coincidir la enorme cantidad de caracter\u00edsticas que ofrece Excel con sus tareas cognitivas diarias. Ahora, imaginemos un futuro en el que la IA, un software mucho m\u00e1s complicado y enrevesado, sea omnipresente. \u00bfCu\u00e1nta utilidad se dejar\u00e1 de lado simplemente porque los l\u00edderes empresariales abordaron la capacitaci\u00f3n de manera demasiado limitada?<\/p>\n

Un marco para navegar en la cambiante fuerza laboral de la IA<\/strong><\/h2>\n

El cambio en la fuerza laboral es un efecto secundario inevitable de la evoluci\u00f3n tecnol\u00f3gica, y los l\u00edderes necesitan una forma sistematizada de ver c\u00f3mo ser\u00e1 el futuro de sus organizaciones a ra\u00edz de los avances de la IA generativa. Con ese fin, este marco simple ayudar\u00e1 a los l\u00edderes de cualquier organizaci\u00f3n a anticipar c\u00f3mo y cu\u00e1ndo su fuerza laboral necesitar\u00e1 cambiar para aprovechar la IA. El objetivo no es hacer predicciones a largo plazo, ni siquiera estar listos para todo, sino posicionar a las organizaciones para que est\u00e9n preparadas para cualquier cosa a medida que la IA siga mejorando.<\/p>\n

 <\/p>\n

\"Este<\/p>\n

Este marco debe utilizarse para desarrollar escenarios para el futuro de una empresa. Est\u00e1 dise\u00f1ado para ayudarle a ver los riesgos y las oportunidades con la suficiente antelaci\u00f3n para actuar. Si se utiliza con regularidad, este marco permite a los l\u00edderes ver el panorama con mayor claridad, evaluar las brechas dentro de sus organizaciones y vincular la tecnolog\u00eda emergente con la estrategia existente, lo que los posiciona para tomar decisiones con confianza. Es importante destacar que pide a los l\u00edderes que piensen exponencialmente sobre la IA, pero que act\u00faen de forma incremental en respuesta a los nuevos desarrollos. Si bien no predecir\u00e1 un futuro singular para su empresa (ning\u00fan escenario puede hacerlo), preparar\u00e1 a los l\u00edderes para tomar decisiones mucho antes que sus competidores.<\/p>\n

Lo mejor que pueden hacer las organizaciones en este momento, durante este per\u00edodo de cambios e incertidumbre que parecen abrumadores, es planificar met\u00f3dicamente el futuro. Eso requiere conocer las limitaciones de la IA generativa, as\u00ed como sus fortalezas, y adoptar una cultura de evaluaci\u00f3n y mejora continuas. Tambi\u00e9n significa pasar de las demostraciones ingeniosas de productos a conversaciones mucho m\u00e1s mundanas y pragm\u00e1ticas sobre la trayectoria del desarrollo, c\u00f3mo se utilizan los datos y las formas pr\u00e1cticas en que las empresas pueden utilizar las herramientas emergentes. Resista la tentaci\u00f3n de reducir su fuerza laboral y, en su lugar, utilice la previsi\u00f3n estrat\u00e9gica para crear un futuro en el que la IA sea aprovechada por una fuerza laboral altamente calificada y donde los equipos humanos-IA sean m\u00e1s productivos, creativos y eficientes trabajando juntos que separados.<\/p>\n

\n

Texto con traducci\u00f3n autom\u00e1tica de Google.<\/em><\/p>\n

\n

Tomado de:<\/em><\/strong>
\nHarvard Business Review. How to Prepare for a GenAI Future You Can\u2019t Predict. Recuperado de: <\/em>www.hbr.org<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Escrito por Por\u00a0Amy Webb. Recientemente, el director ejecutivo de un importante banco me llam\u00f3 por tel\u00e9fono para hablar sobre la promesa de la IA generativa. Al principio, trabajamos en escenarios para mejorar la detecci\u00f3n de fraudes y el servicio al cliente, pero con la serie de anuncios recientes, qued\u00f3 claro que ten\u00eda ambiciones m\u00e1s grandes […]<\/p>\n","protected":false},"author":106,"featured_media":3257,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[3],"tags":[],"class_list":["post-3255","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulos"],"_links":{"self":[{"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/posts\/3255","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/users\/106"}],"replies":[{"embeddable":true,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/comments?post=3255"}],"version-history":[{"count":3,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/posts\/3255\/revisions"}],"predecessor-version":[{"id":3259,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/posts\/3255\/revisions\/3259"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/media\/3257"}],"wp:attachment":[{"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/media?parent=3255"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/categories?post=3255"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alpar.com.co\/blog\/wp-json\/wp\/v2\/tags?post=3255"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}