Greg Satell

La inteligencia artificial no es una sola tecnología, sino un amplio rango de herramientas, incluyendo una serie de diferentes enfoques algorítmicos, una abundancia de nuevas fuentes de datos y avances en hardware. En el futuro veremos a nuevas arquitecturas computacionales, como la computación cuántica y los chips neuromórficos, impulsando las capacidades todavía más.

Aun así, se mantiene una amplia brecha entre la aspiración y la realidad. Gartner estima que el 85% de los grandes proyectos de datos fracasa. ¿Cómo asegurarse de que su organización va a obtener resultados más exitosos de sus labores con la IA?

Primero, necesita clarificar su propósito. La IA no existe en un vacío, sino en el contexto de su modelo, procesos y cultura de negocios. Del mismo modo en que no contrataría a un empleado humano sin entender cómo él o ella encajará en su organización, necesita pensar claramente acerca de cómo la aplicación de la inteligencia artificial impulsará resultados empresariales concretos.

Aunque el cambio suele impulsarse desde la cima de la organización, la implementación siempre se impulsa desde más abajo. Por ello, es importante comunicar claramente un sentido de propósito. Si los gerentes y empleados en las líneas del frente creen que la inteligencia artificial los ayudará a hacer mejor sus trabajos, serán mucho más entusiastas respecto a ella.

Segundo, elija con prudencia las tareas que automatizará. Muchos se preocupan de que las tecnologías cognitivas tomarán trabajos humanos, pero la IA puede expandir enormemente la efectividad de los empleados humanos.

Un reporte de la Casa Blanca durante la administración Obama encontró que mientras que las máquinas tenían una tasa de error del 7,5% al leer imágenes de radiología, y los humanos tenían un porcentaje de error del 3,5%, cuando los humanos combinaron su trabajo con las máquinas, el porcentaje se redujo a 0,5%.

Tercero, elija sabiamente sus datos. Durante mucho tiempo, se consideraba que entre más datos mejor. Las firmas obtendrían tantos como pudieran y alimentarían con ellos a sofisticados algoritmos, para crear modelos predictivos con un alto nivel de exactitud. Sin embargo, ha quedado claro que ese no es un gran enfoque.

Solemos no entender los datos con los que alimentamos nuestros sistemas, y el sesgo de datos se está convirtiendo en un problema masivo. Además, con la implementación del GDPR en Europa y la probabilidad de que se adopten legislaciones similares en otros lugares, los datos se están convirtiendo en una carga tanto como en un activo. Por ende, debería pensar bien qué fuentes de datos está usando y crear modelos que los humanos puedan entender y verificar.

Finalmente, mueva a los humanos a tareas sociales de mayor valor. Un hecho muchas veces omitido respecto a la automatización, es que una vez que automatiza una tarea, esta se vuelve mayormente estandarizada y el valor se mueve hacia algo más. Por ello, si usted está buscando simplemente usar tecnologías cognitivas para reemplazar trabajo humano y reducir costos, lo más probable es que esté en el camino equivocado.

La clave para entender cómo implementar las tecnologías cognitivas de forma efectiva es simple: Los robots no están tomando nuestros trabajos, sino asumiendo tareas. Esto significa que cada vez más veremos un cambio en valor de habilidades cognitivas hacia habilidades sociales. El futuro de la inteligencia artificial, parece, es muy humano.

(Greg Satell es autor, conferencista y consejero. Su primer libro, “Mapping Innovation: A Playbook for Navigating a Disruptive Age”, fue elegido como uno de los mejores libros de negocios del 2017 por 800-CEO-READ).