TENDENCIAS | Artículos | 19 FEB 2018

El Canal, ante el reto de transmitir las expectativas racionales de la Inteligencia Artificial

La Inteligencia Artificial (IA) trae la promesa de una nueva era de prosperidad. Comparamos su impacto económico futuro con el que en su momento supuso la llegada de la electricidad con su efecto trasformador en todos los sectores de actividad.
inteligencia artificial
Fernando Maldonado, Analista principal, Delfos Research.

En IA, la frontera de lo posible se mueve muy rápido. Tanto es así, que hemos terminado desarrollando un pensamiento mágico sobre lo puede llegar a hacer. Sin embargo, ahora que las empresas comienzan a adoptarlo, ahora que toca la realidad del negocio, este pensamiento mágico se desvanece y da paso a otro más pragmático. Uno que se pregunta sobre qué capacidades serán necesarias, cuáles son sus riesgos o en qué casos de uso generarán mayor valor. Todo ello, por cierto, en un año en el que GDPR va a entrar en vigor.

Pongamos en valor el pensamiento pragmático frente al mágico a través de algunos ejemplos:

  • El pensamiento mágico nos ha llevado a pensar que IA es infalible, que no se equivoca. Predecir con precisión no lo es todo. Aunque esta tecnología pueda predecir mejor la detección de diabetes que nuestros gustos musicales, el coste de fallar en un diagnóstico médico es mucho mayor que el de hacerlo cuando nos recomienda una canción. Saber cómo y dónde aplicarla requiere contraponer la probabilidad de acierto y el coste de fallo. Por eso, mientras que en diagnósticos médicos el juicio de los médicos sigue siendo determinante, en la recomendación de qué canción escuchar alcanza plena autonomía. Esto puede cambiar a medida que mejoremos nuestro ratio de acierto o que la regulación varíe el coste de errar. El pensamiento pragmático que trae la lógica de negocio, que mira a ambos lados de la ecuación —valor y coste—, nos permite definir en qué casos IA puede asistir a la persona, cuándo podrá sustituirla o sencillamente cuándo no es aplicable.
  • El pensamiento mágico nos ha llevado a pensar que IA es algo que se “enchufa”, que es autosuficiente. Es cierto que IA va a entrar en la empresa, en muchos casos, embebida en aplicaciones empresariales, y que serán los proveedores SaaS quienes se encarguen de su mantenimiento. Por ejemplo, los usuarios de aplicaciones CRM, sin necesidad de saberlo, podrán consumirla en sus predicciones de ventas. Pero aquellas empresas que quieran crear un valor diferenciador van a tener que ir más allá y construirla ellas mismas. En este momento, el valor que IA está aportando a las empresas procede casi exclusivamente de lo que técnicamente se conoce como aprendizaje supervisado. Una forma de aprendizaje que requiere, en primer lugar, una ingente cantidad de datos; y, en segundo lugar, científicos del dato que sepan cómo entrenarla y mantenerla. Esto limita el ámbito de aplicación a aquellos casos de uso en los que se disponga de un gran volumen de datos. Así que, o bien la empresa dispone de ellos, o bien tendrá que poner en marcha una estrategia para su captura. Además, la empresa necesitará de científicos del dato encargados de su entrenamiento y posterior mantenimiento —si pensábamos que el científico del dato es escaso, aquel que trabaja en el terreno de IA lo es todavía más—. La escasez de científicos del dato capaces de “hablar con máquinas” es el verdadero cuello de botella de este mercado, su principal factor limitante. Quizá esto sea lo que explique por qué los gigantes de esta industria estén tratando de automatizar y paquetizar lo máximo posible sus soluciones desde la nube. El pensamiento pragmático que trae la lógica de negocio permite a la empresa evaluar sus capacidades internas. IA, definitivamente, no consiste simplemente en adquirir tecnología, se necesita mucho más.

Puede leer el resto de la tribuna aquí.

Comentar
Para comentar, es necesario iniciar sesión
Se muestran 0 comentarios