Aunque las compañías puedan sentir cierta inquietud ante la perspectiva de transformar sus infraestructuras y plataformas de datos, la clave para conseguir una adopción generalizada de un nuevo paradigma para los datos es dar con una mayor simplicidad. En este artículo, el Dr. Valerio Rizzo, líder del equipo de IA del Lenovo DCG para EMEA, comparte sus impresiones sobre cómo sistemas bien diseñados y con una arquitectura sencilla pueden contribuir a estrechar la colaboración interna en una empresa.
Como ya se ha visto en los estudios científicos sobre el funcionamiento del cerebro humano, siempre ha habido una relación muy próxima entre la inteligencia artificial y humana. Aunque hubo un tiempo en el que se buscaba usar la IA para explicar el funcionamiento del cerebro humano, hoy buscamos usarla para potenciar y maximizar nuestras capacidades naturales. Ejemplos de ello pueden ser el uso de la IA para exprimir todo el potencial de los datos que las empresas tienen en tanta abundancia, o eliminar el tedio de tareas triviales para que los profesionales puedan concentrar su energía y creatividad en los problemas que realmente exigen aptitudes humanas.
Con frecuencia, la aplicación de la IA al entorno laboral actual suele valorarse desde puntos de vista negativos o pesimistas. La falsa dicotomía de contraponer a hombres frente a máquinas nos hace a todos un flaco favor. Muy al contrario, hoy en día existe una simbiosis entre ambos que, lejos de reemplazar la inteligencia humana, no hace sino potenciarla. Ya es posible reducir tareas que en un pasado se consideraban laboriosas y requerían mucho tiempo a procesos que solo requieren la mínima intervención humana posible, al tiempo que se obtienen resultados a una escala y con unos niveles de complejidad que van mucho más allá de lo que cualquier equipo o individuo podría conseguir por sí mismo. Cabría pensar en la IA de la misma forma en la que entendemos el uso de una calculadora. Las calculadoras son dispositivos controlados por el usuario para resolver problemas matemáticos concretos en función de las cifras que se introducen. Y, sin embargo, el cálculo en sí mismo no es el objetivo que buscamos. Muy al contrario, hace falta una inteligencia humana para dar a ese resultado final un uso productivo.
Esta combinación de inteligencia artificial y humana representa una alianza formidable con un sinfín de posibles aplicaciones. Para poder aprovechar las oportunidades que presentan las IA, no obstante, deberemos empezar por eliminar las complejidades en su uso; concentrar su utilización en la resolución de problemas concretos y poner al usuario humano como elemento central de nuestros procesos de IA.
IA para las tareas que no podemos o no necesitamos hacer
El objetivo de toda empresa es controlar y asignar sus recursos con el fin de obtener resultados deseables para sus clientes, ya sea en forma de servicios o productos. El mercado global de productos y servicios es hoy más sofisticado que nunca, y la cada vez más extendida digitalización ya ha transformado radicalmente las expectativas tanto de negocios, como de clientes. La máxima velocidad, precisión y una disponibilidad de 24 horas al día y 7 días a la semana han pasado de ser una opción a ser una necesidad. Esto a su vez conlleva una mayor necesidad de automatizar tareas repetitivas, tanto a nivel de procesos internos como de servicios externos.
Cuando hablemos sobre IA deberemos hablar siempre en el contexto de sectores de actividad concretos, ya que las aplicaciones de la IA son prácticamente ilimitadas. Así, por ejemplo, en el ámbito de la electrónica, el uso de la IA podría tomar la forma de la automatización de procesos robóticos (o RPA, en sus siglas inglesas) en la producción de microdispositivos electrónicos, que se traduce en mayores niveles de precisión y tiempos de producción más rápidos de los posibles empleando únicamente con operarios humanos. También podríamos estar hablando de sistemas de visión computerizada para aplicaciones como las inspecciones de calidad o la detección de fraudes en ámbitos como los servicios financieros, que permiten a las empresas identificar conflictos en sus estadios iniciales, antes de que sean realmente problemáticos.
En este tipo de situaciones, estos sistemas se implementan, porque se requieren capacidades que van más allá de lo que los humanos pueden hacer por sí solos, lo que no significa que estemos eliminando a los humanos del proceso por completo. Como en el ejemplo de la calculadora que veíamos antes, corresponde al ser humano identificar qué problemas se pueden resolver mediante el uso de maquinaria y diseñar los sistemas necesarios para obtener los resultados que buscamos. A continuación, a partir de los datos generados en el proceso, podremos centrar nuestra atención en identificar otras posibles eficiencias que podamos aprovechar. Dicho de otro modo, la labor del usuario pasa de completar tareas a resolver problemas, utilizando sus capacidades de análisis y razonamiento para mejorar la calidad de su trabajo.
La búsqueda de la simplicidad para resolver los problemas cotidianos de nuestro negocio
A un nivel superficial, los atractivos de la IA desde la perspectiva del usuario resultan evidentes. ¿Y por qué entonces las actitudes hacia los sistemas inteligentes son ambivalentes cuando no hostiles en los casos más extremos? En mi experiencia personal, la razón más habitual suele ser la complejidad. Para que los usuarios adopten sistemas, estos deben ser sencillos de utilizar. No solo para aquellos con una gran madurez técnica o conocimientos avanzados sobre datos, sino para usuarios de cualquier nivel. Nuestra primera prioridad deberá ser que las soluciones sean sencillas y esto es válido para todos los aspectos de la IA: desde la interfaz del panel principal de la plataforma de análisis de datos, hasta el software de machine learning, pasando por el acceso o interacción con sistemas de gestión de datos.
Afortunadamente, esta prioridad es hoy más fácil de cumplir que nunca. Las librerías de entornos, modelos y plataformas para IA, cada vez más numerosas, nos permiten a las compañías identificar, probar y adoptar soluciones hasta dar con la que mejor encaje con el uso que buscamos, evitándonos tener que reinventar la rueda y permitiéndonos aprovechar software de código libre. De hecho, los avances cosechados en el software de gestión de aplicaciones de IA permiten ofrecer hoy unas experiencias de uso más fluidas e intuitivas que nunca. La IA también tiene elementos en común con otras tecnologías avanzadas como la de la Realidad Aumentada, que se suele utilizar para manipular y explorar objetos en 3D para aplicaciones que pueden ir desde el diseño de productos cotidianos al de la automoción, o los dispositivos inteligentes que ponen el poder de la IA en manos del usuario. Soluciones de este tipo, que solo requieren una formación técnica muy básica, permiten ampliar el abanico de aplicaciones de IA que la gente puede utilizar de forma convencional en funciones sin perfil técnico, ofreciéndoles potentes herramientas que les ayudan a trabajar y aprender.
Con este fenómeno vemos claramente las dos caras de la moneda que debemos abordar. Por un lado, los líderes tecnológicos de las organizaciones tienen la responsabilidad de garantizar que este principio de la simplicidad se aplique a todas las herramientas e infraestructuras que la empresa pone a disposición de sus usuarios, permitiéndoles utilizarlas donde y cuando las necesiten. Por otro, existe una exigencia cultural cada vez mayor de que diversos departamentos y divisiones empiecen a dedicar tiempo y atención a desarrollar sus destrezas y conocimientos en ámbitos que en el pasado se habrían considerado “demasiado técnicos”. Si queremos implementar sistemas de IA de forma eficaz y hacerlos accesibles a todos los equipos de nuestra empresa, deberemos dar respuesta a ambas caras de la moneda.
Y parte de este proceso pasa por comunicar unas expectativas razonables a los usuarios. Los resultados de trabajar con modelos de IA no se obtienen de la noche a la mañana, sino en pequeños incrementos. Los usuarios van ganando paulatinamente en familiaridad con los sistemas y en destreza al gestionar los resultados, al tiempo que los propios sistemas se van puliendo y adaptando mejor a los usos concretos que les queremos dar. Es un círculo virtuoso que va ganando en efectividad conforme los usuarios se van encontrando más cómodos con los sistemas y adquiriendo más experiencia en su uso. Los líderes tecnológicos tienen un papel muy importante que desempeñar, pues deberán mantener el entusiasmo de los usuarios y evitar el desaliento que puede surgir cuando iniciativas de este tipo no generan resultados inmediatos.
Soluciones específicas para problemas específicos
En sintonía con la necesidad de una gran simplicidad que ya hemos comentado, los sistemas de IA requieren además una gran especificidad. Esto es extensivo a cualquier tipo de uso de la tecnología y es algo fundamental que deberemos comprender para que la IA sea realmente una incorporación positiva para el negocio. Cuando las iniciativas en torno a los datos se estancan o encuentran dificultades y empiezan a representar más presión para sus gestores, la IA puede surgir como la falsa esperanza de ser esa solución mágica capaz de resolver cualquier problema con su mera presencia. La IA es una herramienta de aplicación general con la que cumplir nuestros objetivos, por lo que deberemos ser nosotros quienes canalicemos su potencial hacia la resolución de problemas concretos. Desde el punto de vista del negocio, esto no suele traducirse en abandonar nuestros procesos y flujos de trabajo, sino en dar con formas de potenciarlos y agilizarlos mediante una nueva capa de inteligencia.
Así, el sector está repleto de ejemplos de organizaciones que se han visto abocadas a adoptar sistemas de IA por motivos erróneos, como pueda ser el miedo a quedarse atrás frente a la competencia, sin llegar a entender en ningún momento qué problema buscan resolver y quién será el beneficiado en última instancia. Esto suele resultar en que los empleados descubren que tienen una nueva solución a su disposición, pero no se les llega a comunicar correctamente por qué ha sido implementada o qué papel desempeña en sus procesos. La solución elegida bien puede ser la correcta, pero su implementación queda incompleta o se realiza sin llegar a aclarar qué problema concreto se intenta resolver con su implementación. Las prácticas idóneas a la hora de implementar sistemas de IA no solo requieren que demos con el diseño correcto para el sistema, sino que asignemos las responsabilidades oportunas a la hora de recabar y procesar los datos que la harán posible. Este tipo de detalles no son algo que deba dejarse en segundo plano como una cuestión menor.
Resulta importante identificar el problema por resolver y los usos previstos en un estadio inicial de la implementación, para así crear el sistema pensando específicamente en las características del negocio, sus empleados y sus clientes. Esto pasará por combinar lo hipotético con lo práctico, dando con una cierta cohesión entre la aplicación potencial que la IA pueda tener en nuestro negocio y los resultados reales del proceso de prueba y error que es la implementación, para así poder identificar cuáles son las herramientas concretas que mejor pueden desempeñar el papel que buscamos. Dicho de otro modo, será nuestro análisis de la situación el que conforme nuestra implementación y será nuestra implementación la que dicte la eficacia última de la solución. En ambos casos, deberemos plantearnos continuamente la pregunta clave para el proceso, que es “¿contribuye esto a resolver el problema que buscábamos resolver?”.
También deberemos dar a desarrolladores y equipos de gestión de datos el margen de maniobra necesario para experimentar las soluciones disponibles. Así, podremos crear sandboxes virtuales en los que gocen de la libertad y discreción que necesitan para probar diferentes opciones, cometer errores y aprender, lo que les brindará la capacidad de innovar con un riesgo mínimo.
Los datos recabados durante estos estadios iniciales del proceso pueden ser útiles en sí mismos, ya que contribuirán a crear unos fundamentos de conocimiento sobre IA en la organización y aportarán madurez al negocio. A su vez, estos fundamentos iniciales servirán para apoyar, conformar e informar nuestros modelos operativos y para darnos una idea más completa y clara sobre cómo podemos utilizar la IA en el futuro. Incluso si implementaciones de IA concretas se saldan sin éxito, el aprendizaje que extraeremos de este proceso nos dará ventaja frente a aquellos de nuestros competidores que no hayan identificado usos válidos para la IA y, en consecuencia, aún se encuentren en el estado inicial de pruebas de concepto.
La IA es para las empresas centradas en los datos
Cuando hablamos de empresas centradas en los datos, nos referimos a aquellas que ponen el potencial de los datos en manos de sus empleados. Son las compañías capaces de crear ciclos continuados de mejora partiendo de los conjuntos de datos cambiantes recabados las que acaban creando estrategias cada vez más eficaces y eficientes. La principal prioridad para una implementación de IA exitosa deberá ser contextualizar correctamente los problemas que buscamos resolver y entender qué acciones y qué procesos podemos mejorar como resultado de la recolección de esta información.
Para que planteamientos como este tengan éxito, la organización deberá poner sus soluciones de IA a disposición de todos los equipos y todos roles dentro de la empresa, no simplemente de los del personal informático. La democratización de esta tecnología y su integración en los flujos de trabajo de toda la empresa es un pilar fundamental para alcanzar el éxito. Solo integrando funciones organizativas mediante el uso de una plataforma de datos integral y garantizando que las soluciones de IA estén disponibles a todos los niveles de la empresa, podremos promover la innovación para todos los departamentos de nuestra organización, en lugar de unos pocos.
Nuestros criterios a la hora de evaluar nuestras iniciativas de IA no pueden ser simplemente una función del retorno a nuestra inversión; las ventajas más intangibles de operar como una compañía centrada en los datos y de utilizarlos como un bien reflexivo para una mejora continuada de la empresa pueden traducirse en beneficios incalculables a largo plazo. El valor real que obtendremos será el brindar más control a todo el personal de la organización, dándoles los permisos y los fundamentos técnicos necesarios para trabajar de formas más inteligentes y descubrir terrenos inexplorados en colaboración con la IA, en lugar de en confrontación con ella.
