10 consideraciones de negocio para acertar implementando AI (Inteligencia Artificial)

Jaume SuésArtículos

Vivimos en un sector con exceso de promesas y expectativas, donde vemos muy necesaria una visión ácida, sencilla y realista de qué funciona y qué no funciona, en términos de negocio, implantando AI (Inteligencia Artificial) en las organizaciones.

La Inteligencia Artificial es una tecnología muy prometedora, pero compleja de entender en sus fundamentos. Mientras hay una predisposición a su inversión y uso por los ejecutivos de negocios, la conversación sigue secuestrada por tecnólogos. Las conversaciones no fluyen o los proyectos no son rentables.

Si sientes la curiosidad (o la necesidad forzada) de involucrarte en Inteligencia Artificial, pero no acabas de comprender qué hay detrás de esta “magia” que fundamentará la próxima revolución industrial, este artículo es para ti.

Con base en nuestra experiencia y acceso a los casos de éxito (y fracaso) más relevantes (o silenciados) de nuestro sector, resumimos las 3 ventajas, 3 desventajas y 4 recomendaciones para acertar arrancando con AI, explicada de forma plana.

“Invierte sólo en lo que entiendes” (Warren Buffet)

Nos tomaremos alguna licencia para explicar, de forma plana pero suficientemente rigurosa, los fundamentos de esta tecnología, y con esta base, presentaremos una visión pragmática de cuándo plantear (o no) la implementación de Inteligencia Artificial.

La base de AI, explicada fácil

La Inteligencia Artificial es un conjunto de nuevos algoritmos para encontrar patrones en una nube de datos, imágenes o conversaciones.

Por “nuevos algoritmos” me refiero a los desarrollos que iniciaron en 1984, dejaron de tener interés e inversión durante 30 (época que se llamó el AI winter) y resurgió, con fuerza, a partir de 2012.

Hoy, hay dos tipos de aplicaciones: agrupación (por ejemplo, elegir qué imágenes muestran un mismo concepto “gato”) o predicción (por ejemplo, qué perfil de riesgo tiene un cliente)

Estos problemas se han aproximado históricamente con estadística. Por ejemplo, en una regresión lineal, añades todos los datos disponibles a una ecuación, y obtenías una fórmula que aproximaba una predicción.

El grupo de algoritmos que conocemos bajo el paraguas de “Inteligencia Artificial” tiene el mismo objetivo. A diferencia de la estadística tradicional, simplemente digiere los datos de uno en uno y ajusta iterativamente la ecuación.

Porqué está de moda la IA

Hay tres factores que favorecen el auge de IA sobre la estadística tradicional:

  1. Adaptable al cambio. En un mundo cambiante, es apetecible tener algoritmos que van digiriendo datos, y van ajustándose solos. Por ejemplo, adaptar los perfiles de riesgo de tus clientes a medida que se reciben datos más preocupantes de la situación macro-económica.
  2. Ágil en el océano de datos. La IA digiere mejor las grandes cantidades de datos hoy existentes, iterando de uno en uno este exceso de información, de forma computacionalmente mucho más ágil que la estadística tradicional, que típicamente requiere todos los datos disponibles de golpe.
  3. El inevitable recuerdo de Terminator. Los algoritmos de IA, típicamente basados en redes neuronales artificiales, asemejan la forma de aprender de nuestro cerebro humano. Esta forma tan golosa de describir un aburrido algoritmo iterativo incentiva la imaginación del oyente no experto (y probablemente debamos culpar a Hollywood), pensando en que pronto tendrá una super-inteligencia a su servicio.

Porqué no es oro todo lo que reluce

Aún cuando lo anterior es cierto, recomendamos al lector tener presente 3 limitantes que, en una operación de negocios, muy probablemente va a sufrir:

  1. Efecto caja negra. Estos algoritmos requieren un acto de fe. Los patrones y reglas resultantes que gobiernan las conclusiones de la Inteligencia Artificial no se pueden expresar de forma sencilla en una ecuación. El usuario simplemente envía una serie de datos a una caja negra, y de ella obtiene una predicción o agrupación.
  2. Disponibilidad de datos. El entrenamiento de los algoritmos de aprendizaje requiere de grandes cantidades de datos, y es muy sensible cuando éstos no están correctamente estructurados con suficiente calidad.
  3. Difícil colaboración. En todas las digitalizaciones en el mundo real, siempre hay que considerar un pequeño porcentaje de excepciones (casos que escapan a la regla general y deben ser tratados de forma singular). La caja negra que es la IA impide saber cuándo actuar, especialmente si incluyen diseños de organizaciones mixtas humano – robot (también conocidos como sistemas con “human in the loop”) que, en nuestra experiencia acaban siendo la mayoría.

Cómo arrancar con IA en las empresas

Con base en nuestra experiencia y conocimiento del sector, siempre reiteramos que desarrollos de IA, hoy secuestrados por tecnólogos, requieren de mas casos de éxito que enfoquen la conversación al negocio.

“Nunca compruebes la profundidad de un río con ambos pies” (Warren Buffet)

Por ello, recomendamos siempre arrancar las primeras implantaciones en una organización:

  1. Sin obsesionarse con el tamaño. A contracorriente del exceso de expectativas y urgencia auto-impuesta en el sector, empiece con inversiones controladas e hitos de corto plazo fácilmente medibles.
  2. Tome lo que ya funciona. La IA acumula más soluciones estandarizadas en el reconocimiento de imágenes, texto (OCR), e inteligencia conversacional (NPL). Arranque por los procesos más reglados, y poco a poco migre a digitalizaciones más complejas (por ejemplo, primero diseñando conversaciones con sus clientes transaccionales, y acabando por las de servicio más emocional).
  3. Ponga a competir a la IA con sus sistemas tradicionales. Las aplicaciones específicas de la IA (también llamados “Sistemas Expertos”), como, por ejemplo, la prevención de fraude, el scoring de riesgo, KYC o onboarding de nuevos clientes, no mejorarán necesariamente los sistemas tradicionales que las empresas han afinado a lo largo del tiempo. Mantenga un grupo de control que le permita medir en qué momento IA gana consistentemente al algoritmo anterior (y considere que será menos inmediato de lo esperado).
  4. Ponga a sus colaboradores humanos en el centro. Adaptarse a la colaboración con una inteligencia artificial no es para todos los gustos. Piense en arrancar pivotando alrededor de los responsables de su empresa más abiertos al cambio. Para los demás, no olvide su plan de comunicación interna (la realidad es que es fácil caer en la tentación de que “ya llegan los robots a quitarme el trabajo”).