Ser inteligente con la Inteligencia Artificial

29

Por K Ananth Krishnan, Vicepresidente y Chief Technology Officer, TCS.

Como varias innovaciones, la inteligencia artificial llegó primero al público como un elemento de ciencia ficción. “Frankenstein” de Mary Shelley, “Robot Universales de Rossum” de Karel Capek (que de hecho nos dio la palabra robot) y otros, crearon seres artificiales con la capacidad de pensar como humanos.

Hoy, el crecimiento exponencial del poder de la computación trae estas y otras imaginaciones a la realidad, desde vehículos autónomos hasta asistentes inteligentes, redes que aprenden a sí mismos, y una docena de otras aplicaciones menos glamorosas pero igual de críticas. Y todavía estamos en el comienzo.

La Inteligencia Artificial (IA) es la próxima ola de tecnología transformadora, y ningún ejecutivo de negocios puede ignorarla. Según Gartner, los agentes inteligentes facilitarán el 40% de las interacciones móviles para el 2020. El mercado de soluciones cognitivas y de IA tendrán una tasa anual de crecimiento compuesto de 55.1% entre el 2016 y 2020, dice IDC, incrementando de casi $8 mil millones en ingresos a $47 mil millones. En el Estudio de Tendencia Global sobre Inteligencia Artificial de TCS, más de 150 de las principales empresas gastaron por encima de $150 millones cada una, en promedio, en iniciativas de IA en el 2015.

Pero puede ser difícil entender realmente que es la IA y cómo puede ayudar a su negocio. En adición de ser tecnológicamente compleja, la IA es como varios de los productos que crea: evolucionando y cambiando de forma muy rápida. Es tanto mucho más – como menos – que las promesas utópicas o bien visiones distópicas que la suelen rodear.

Es esencial que los negocios estén claros y sean estratégicos mientras que navegan este nuevo panorama. Los altos directores están siendo bombardeados – desde la sala de TI hasta la sala de conferencias – con preguntas y demandas sobre cómo están siguiendo el ritmo y cómo piensan salir adelante. Es fácil involucrarse en todo el revuelo sobre la IA y sentirse obligado de actuar únicamente porque lo está haciendo la competencia, pero los negocios no pueden de un solo golpe preparar su futuro.

A continuación ofrecemos un marco práctico y de vida real para pensar sobre la IA:

 

  1. La IA es una gran idea. Debería pensar en pequeña escala

Es fácil dejarse llevar por las grandes visiones de una empresa transformada por IA. Para la mayoría de los negocios, estamos lejos de esa realidad. Los ejecutivos deben estar muy enfocados en identificar problemas o necesidades específicas que tendrán el mayor beneficio de las capacidades de IA, y no en si es posible – por ejemplo – reemplazar la mitad de su fuerza de trabajo.

En el mundo de negocios de hoy, las aplicaciones exitosas de IA suelen ser mejor para resolver problemas difíciles pero cotidianos, con un retorno significativo en la inversión. Considere, por ejemplo la clasificación en un sistema de atención. Al habilitar el análisis masivo de datos de múltiples fuentes, la IA puede transformar la información del sistema de atención en algo de gran valor para la inteligencia de negocio.

También ayuda a determinar cuál es el objetivo principal: ¿Es mejorar la productividad en la empresa? ¿Mejor servicio al cliente? ¿O expandir su mercado y potencial de ventas? Una sola solución de IA no cumplirá todas estas necesidades.

 

  1. El algoritmo es el cerebro. Enfóquese en datos, la sangre que alimenta al cerebro.

Con la capacidad de la IA para relacionar y analizar almacenes de datos no estructurados (piense en retroalimentación directa del cliente más los comentarios en redes sociales), su énfasis debe estar en identificar y capturar los mejores datos posibles de cada fuente relevante.

Las empresas siempre han recolectado datos a través de una variedad de aplicaciones como CRM, Inteligencia de Negocio, y ahora en redes sociales. Esto solo crecerá mientras que los límites organizacionales desaparecen, y el ecosistema se vuelve más inteligente – con sensores, fábricas y ciudades inteligentes, dispositivos conectados, y otros.

Lo bueno es que hay métodos y técnicas disponibles que pueden de manera convincente almacenar estos datos, analizarlos, construir alrededor de ellos modelos predictivos que aprenden y mejoran. Mientras mejores sean los datos, mejores son los resultados.

 

  1. La IA se trata de máquinas. Usted debe pensar en personas

Las aplicaciones exitosas de IA no necesariamente reemplazan el trabajo humano con máquinas, pero incrementan y mejoran la colaboración entre los dos.

Es verdad que algunas tareas que hoy se llevan a cabo por personas – como interacción con clientes de bajo nivel – podrían automatizarse por robots u otras aplicaciones de IA. Según Forrester, el 25% de todas las tareas del trabajo se transferirán a robots de software, robots físicos o automatización de auto-servicio al cliente para el 2019.

Maximizar las capacidades de IA significa una necesidad para más creación de conocimiento y preservación por las personas, lo que en torno se alimenta a las máquinas para ayudar a enseñarles. La capacidad de una máquina de tener una cognición similar a la humana requiere cantidades masivas de datos y entrenamiento. Para un vehículo de auto-conducción, por ejemplo, no es suficiente proporcionar un mapa de la ruta. Un modelo computacional exitoso incluye la mayor información posible sobre como un humano entiende una ruta, incluyendo conocimiento sobre curvas, semáforos, probables impedimentos en condiciones variantes de clima, detalles sobre la superficie de las calles y mucho más.

Darle al sistema de un auto la capacidad de “razonar”, de tomar  decisiones adecuadas según surgen circunstancias y corregir sus errores, está basado en la recepción de flujos continuos de esos datos. Todo este “aprendizaje” requiere de una relación distinta entre hombre y máquina, pasar de ser únicamente un operador o administrador a un profesor continuo. Esto a su vez tiene implicaciones profundas para la fuerza de trabajo y como se despliega.

 

  1. La IA está creciendo a velocidad vertiginosa. Usted debería ponerle freno.

Aunque es intoxicante, el elixir del análisis de datos masivos puede levantar preguntas éticas y riesgos para sus clientes y negocios. No debería poner esos asuntos de lado, o dejárselos a otros. Los académicos ya están en las fases iniciales para desarrollar marcos que pueden ayudar. Los investigadores en la Universidad de Carnegie Mellon han desarrollado un Índice de Influencia Cuantitativa. Este índice puede ver el peso dado a una cantidad de factores al llegar a una decisión automatizada. Por ejemplo, el índice puede revelar el peso que se le da a la edad y a los ingresos al tomar una decisión para autorizar un préstamo. Marcos como estos pueden hacer que el funcionamiento de un sistema de IA sea mucho más transparente, responsable y ético. Este desarrollo podría facilitar el cambio en administración y aceptación de sistemas de IA en los negocios.

 

  1. Cuantificar el retorno en inversión de la IA es difícil. No se preocupe por eso.

Tal vez no conozca el valor numérico de sus iniciativas de IA desde hace un tiempo. Requiere atención y calibración constante. Elabore otros marcadores de progreso, éxito y fracaso, incluyendo la capacidad de hacer cosas nuevas con la inteligencia y analíticas predictivas que la IA puede proporcionar.