Lente uno: Asociarse con la IA

Machine learning  (ML) y la inteligencia artificial (IA) siguen ganando adeptos en todos los sectores. Estamos viendo una rápida adopción en casos de uso que van desde la automatización de los procesos operativos cotidianos hasta el aumento de la toma de decisiones estratégicas. Al comprender mejor los respectivos puntos fuertes y las limitaciones de los seres humanos y las máquinas, las empresas pueden desarrollar asociaciones equilibradas y productivas entre su personal y la IA para extraer el máximo valor de las tecnologías emergentes, sin dejar de tener en cuenta las posibles implicaciones éticas.

A través del Looking Glass 

Para asociarnos realmente con la IA, no podemos verla como una herramienta para resolver todos los problemas empresariales. Por el contrario, debemos comprender dónde destaca, dónde requiere la intervención humana para desarrollar su potencial y dónde puede resultar ineficaz. 

Algunos problemas empresariales -por ejemplo, los que requieren el aprovechamiento de datos históricos o bucles de retroalimentación digital rápidos- pueden abordarse aplicando la IA para automatizar completamente los procesos o la toma de decisiones. Sin embargo, para otros -especialmente los que requieren creatividad, intuición y bucles de retroalimentación estratégica más lentos- el papel de la IA se estructura mejor como complemento del talento humano.

A medida que las técnicas apoyadas por la IA se generalizan, pueden afectar a más ámbitos de nuestra vida y sus repercusiones deben considerarse desde una perspectiva ética. Esto está impulsando la investigación y las herramientas para apoyar la IA explicable (XAI) y procesos de gobernanza más sólidos, incluido el cumplimiento automatizado.

Las señales incluyen:

• Un aumento continuo de la inversión en investigación y aplicaciones de IA. La empresa de investigación IDC estima que el mercado mundial de la IA superará los US$500.000 millones en 2024.
   

• Continúa la alta demanda de especialistas en ML, IA y datos en el mercado laboral. Según LinkedIn, el especialista en IA fue la categoría laboral de más rápido crecimiento en 2020, mientras que Glassdoor clasificó al científico de datos como el segundo mejor trabajo en Estados Unidos en 2021
   

• Aumento del crecimiento de las empresas emergentes de ML/AI, productos especializados, salidas a bolsa y adquisiciones. En octubre de 2021, Exscientia -una empresa británica que puso los tres primeros medicamentos del mundo diseñados con IA en la fase uno de pruebas en humanos- salió a bolsa en el NASDAQ con una valoración de US$3.000 millones de dólares
  
  

• Cambios en los puestos de trabajo y las funciones existentes. El Foro Económico Mundial estima que para el 2025, 85 millones de puestos de trabajo podrían verse desplazados por un cambio en la división del trabajo entre humanos y máquinas, mientras que podrían surgir 97 millones de nuevas funciones

   

• La conciencia pública ha aumentado en situaciones en las que la IA ha tenido consecuencias no deseadas. Por ejemplo, el reconocimiento facial ha sido noticia en repetidas ocasiones debido a la preocupación por la privacidad, y se ha descubierto un sesgo racial en la IA de recorte de imágenes de Twitter. A pesar de ello, existe la preocupación de que el diseño ético de la IA no sea la norma en la próxima década

La oportunidad

La mayoría de las empresas entienden que la automatización puede mejorar la productividad de la mano de obra, al automatizar las tareas repetitivas, mundanas y de procesamiento de datos. Esto puede cambiar fundamentalmente o incluso eliminar la necesidad de algunos puestos de trabajo, pero también se crearán nuevas funciones en las que las personas se desplazan a actividades de mayor valor que requieren juicio y creatividad. Las áreas típicas que pueden beneficiarse de la automatización son los precios dinámicos, los sistemas de recomendación, la detección de anomalías y la optimización de la cadena de suministro.

En otros casos, el trabajo de los humanos se beneficiará del aumento de la IA/ML, con humanos y máquinas desempeñando funciones combinadas o complementarias. En estos casos se trata de problemas que requieren creatividad, intuición, experiencia y pensamiento holístico. Implican decisiones estratégicas importantes que no se toman con mucha frecuencia -por ejemplo, "¿Qué producto deberíamos vender a continuación?" o "¿Cómo podemos conseguir emisiones netas cero?" - pero pueden beneficiarse de que las máquinas ayuden a simular y explorar diferentes resultados o incluso a generar ideas que los humanos puedan evaluar después. Algunos ejemplos son el desarrollo de fármacos o productos basado en la IA y las simulaciones dinámicas para planificar escenarios complejos como el cambio climático. 

Todas estas aplicaciones demuestran cómo la IA puede aportar valor a toda la organización: mejorando las operaciones internas e informando de mejores decisiones empresariales, hasta la innovación de productos y la mejora de la experiencia del cliente.

Consejos para adoptantes

• Entender cuándo utilizar la automatización frente al aumento. Hay procesos o funciones que la IA y el ML pueden automatizar completamente, y otros en los que pueden ayudar a los humanos a tomar mejores decisiones, y es fundamental entender la diferencia.

   

• Operacionalizar los experimentos de IA, adoptando un enfoque holístico. Considera la preparación de la empresa para la adopción y la gestión del cambio necesaria, y construye un sólido proceso técnico y de gobernanza para desplegar sus soluciones de IA/ML.

   

• Considerar las implicaciones éticas de la IA/ML y tomarse la responsabilidad en serio en todo momento. La IA y el ML se están extendiendo a áreas complejas y delicadas, como la financiación, las sentencias y los diagnósticos médicos, donde el impacto de las decisiones puede tener consecuencias imprevistas. Ten en cuenta las posibles implicaciones desde el principio para evaluar y detectar cualquier problema antes de que sea demasiado tarde.

   

• Prepara a tu personal para los cambios en sus funciones. No subestimes el esfuerzo necesario para apoyar y capacitar a los empleados que pueden verse afectados por el impacto de la IA en sus puestos de trabajo. La automatización puede liberarlos para que realicen tareas de mayor nivel, mientras que el aumento puede ayudarles a ser más productivos. Desarrolla planes claros de transición y progresión profesional para que crezcan y prosperen.

   

• Elige tus KPI con cuidado. Comprende las métricas que está tratando de mover con la IA y el ML; mide el proceso actual para capturar su línea de base inicial; y utiliza los KPI para evaluar si la IA y el ML están proporcionando beneficios empresariales reales. Con los puntos de referencia adecuados, incluso si un enfoque particular de IA/ML no funciona, puede experimentar con diferentes técnicas para lograr el resultado deseado.

   

• Invierte en prácticas sólidas de gobernanza y gestión de datos. Las técnicas de IA/ML siguen requiriendo el acceso a los datos, y si tus datos están divididos en silos y son de difícil acceso, el progreso será difícil. Considera dónde se encuentra la propiedad de los datos dentro de tu organización, ya que los problemas de calidad de los datos tienden a surgir de estructuras y arquitecturas organizativas que no incentivan a los equipos a producir y compartir los recursos de datos que tienen.