La IA en los negocios: de la adopción temprana a los avances actuales

Al abrir mi correo esta mañana, me apareció una alerta sobre un mensaje antiguo que había enviado. La alerta decía: «Enviado hace 10 días; ¿quieres hacer seguimiento?». Efectivamente, necesitaba recordarle a mi colega que respondiera. La experiencia me hizo reflexionar sobre lo lejos que hemos llegado y lo que nos espera con la inteligencia artificial (IA) en los negocios.

Me fasciné con este campo hace casi 40 años, cuando era estudiante de pregrado en Berkeley bajo la profesora Alice Agogino. La profesora Agogino dibujó este diagrama simple en la pizarra.

Entonces, los sistemas de IA se llamaban sistemas expertos. Permitían a más personas completar la mayoría de tareas a nivel experto. Mejoraban el potencial de los usuarios y desplazaban la curva de rendimiento de toda la empresa. Con estos sistemas, los expertos podían centrarse en las tareas más desafiantes que solo ellos podían abordar.

A lo largo de los años, esta idea convincente —que la tecnología puede extender nuestro rendimiento a escala— se quedó conmigo. Ha moldeado mis pasiones, y mi propio viaje profesional ha seguido la trayectoria de la propia IA.

Pero por el camino hubo varios desafíos. Los modelos en nuestros sistemas tendían a rezagarse respecto a los cambios en el negocio; aunque resolvieran óptimamente el problema de ayer, gradualmente se volvían obsoletos. Necesitaban equipos dedicados tanto para su uso como para su mantenimiento.

Dónde estamos hoy

Los sistemas de IA de hoy son fundamentalmente diferentes de los primeros sistemas expertos y las soluciones de negocio tradicionales en tres aspectos:

• Los usamos de forma diferente;
• El énfasis en la inteligencia ha pasado de la automatización a la augmentación, y
• Los sistemas de IA aprenden del uso y se adaptan a los cambios en el negocio.

Cómo los usamos

Las soluciones de negocio tradicionales suelen estar fragmentadas. Un conjunto de sistemas te dice cómo está funcionando tu negocio actualmente (business intelligence tradicional), otro te ayuda a decidir cómo gestionar tu negocio, y otro diferente te permite registrar qué hiciste para gestionar tu negocio (planificación de recursos empresariales).

Los usuarios deben seguir caminos tediosos y desconectados, desde analítica descriptiva y diagnóstica hasta análisis predictivo y optimización usando modelos de gemelo digital. Luego, una vez tomada una decisión, deben volver y registrar esa decisión en su ERP.

En cambio, cuando usamos IA, empezamos directamente con recomendaciones y podemos explorar insights predictivos, diagnósticos y descriptivos como explicaciones. La IA ofrece guías paso a paso para tomar acciones, incluso cuando podamos tomar decisiones diferentes a las recomendaciones.

Un cambio de énfasis

Los sistemas expertos tradicionales se centraban excesivamente en la automatización. Los sistemas de IA de hoy pueden ayudarnos a navegar y orquestar procesos de negocio. En mi opinión, es mejor pensar en IA como inteligencia aumentada en lugar de artificial. Hoy vemos la IA como algo que podemos entrenar y adaptar a nuestras necesidades.

Aprendizaje y adaptación

Los sistemas de negocio tradicionales son estáticos y tienden a volverse obsoletos con el tiempo. Necesitan mejoras y revisiones para incorporar retroalimentación o cambios en el negocio. Los sistemas de IA, por el contrario, son dinámicos. Aprenden y se adaptan a las necesidades cambiantes del negocio. Cuanto más los usas, más inteligentes y efectivos se vuelven con el tiempo.

Qué nos espera

Aunque poderosos, las capacidades de IA plantean algunos desafíos.

Primero, obtener el máximo valor de la IA requiere una gestión del cambio diligente, tanto en comportamiento como en actitud hacia la tecnología. Si la gente ve la tecnología como una amenaza o un medio para estirar sus objetivos de rendimiento, trabajarán para sabotear su éxito. Además, si la adopción de IA significa pérdida de control o contacto personal con clientes y proveedores, u obstaculiza el pensamiento transversal, fallará.

Por otro lado, si la gente ve la IA como un nuevo conjunto de herramientas que les facilita la vida, les hace más inteligentes, colabora entre organizaciones y logra más, trabajarán para que tenga éxito.

El segundo tema es la ética en la IA. Necesitamos hacer la IA más transparente y ética. Los modelos de machine learning aprenden lo que se les ha enseñado y expuesto. Si los datos son sesgados, la IA lo será también. Además, a nadie le gusta seguir recomendaciones de una caja negra. Los modelos de IA deben explicar sus recomendaciones, qué suposiciones se hicieron, qué patrones se detectaron y qué opciones se exploraron de forma transparente.

Finalmente, debemos preguntarnos si los problemas que estamos intentando resolver con IA son los correctos en primer lugar. Deberíamos trabajar para aprovechar la IA para extender el alcance humano y mejorar vidas, no para controlarlas.

La transformación de la IA hasta la fecha ha sido, en una palabra, revolucionaria. Cuanto más abracemos, capitalicemos y mejoremos esta tecnología, más mejorarán nuestros negocios.

Adeel Najmi es director de producto en LevaData.