Al igual que con cualquier nueva tecnología de transformación, los directivos de las empresas a menudo se lanzan hacia cualquier nuevo «objeto brillante» que prometa optimizar su negocio. Se podría decir que esto es lo que pasó con la Inteligencia Artificial (IA) en 2020, como muestran los resultados de un estudio en el que el 43 % de las empresas de todo el mundo estaban acelerando sus iniciativas de IA en respuesta a la pandemia.
Desafortunadamente, muchas de estas empresas se apresuraron a integrarla sin pararse y preguntarse quién, cómo y por qué. A medida que las empresas buscan disfrutar de los beneficios que la IA puede proporcionar es importante no intentar implementarlas a toda costa sin sentido.
La IA puede parecer mágica, pero no lo es. Malos algoritmos conllevan malos resultados. Si bien la inversión y la experimentación son extremadamente importantes, el error estratégico más grande y más común que cometen las empresas en el uso de la IA es, en primer lugar, no lograr definir un caso de uso claro y unos resultados deseados con una métrica cuantificable.
Muchas empresas se han apresurado a integrar la IA sin pararse y preguntarse quién, cómo y por qué
Para solucionar este problema, las compañías recurrieron a los principios del design thinking. Un enfoque que comienza con el análisis de quién consumirá la IA, cómo la consumirá y por qué la necesita. Esto comienza con un pensamiento crítico sobre los retos a los que se enfrenta la empresa, enmarcando esos desafíos de manera que la IA pueda resolverlos y, después, identificando y refinando los casos de uso que son críticos para los objetivos empresariales.
Con una estrategia centrada en el dato y el ser humano podemos diseñar una IA que conecte con éxito todos los datos estratégicos y que sea adecuada a los objetivos empresariales de las compañías. Dicha estrategia debe responder a estos cuatro pasos:
Establecer un propósito. Muchas empresas realmente no tienen una idea clara de lo que esperan obtener de la IA más allá de una vaga noción de eficiencia. Por eso es importante refinar los objetivos dedicando un tiempo a estudiar cómo se puede aplicar la IA dentro de la estrategia de negocio actual. ¿Se busca la seguridad de los trabajadores? ¿Tener contentos a los clientes? Hay que comenzar con un propósito establecido en base los objetivos de negocio.
Identificación. Una vez determinado el objetivo principal para implementar la IA, se deben definir los casos de uso y los tipos de soluciones de IA que necesitan los usuarios y que, eventualmente, se integrarán en la infraestructura. La Inteligencia Artificial está avanzando rápidamente en numerosos campos, desde la visión artificial, que determina qué hay en una imagen, hasta el procesamiento del lenguaje natural de los chatbots y asistentes virtuales.
Evaluación. La etapa de evaluación implica averiguar qué datos se necesitan para que los casos de uso que se han identificado sean eficientes. Diferentes tipos de equipos se enfocan en distintas prioridades y diversos conjuntos de números, lo que significa que la mayoría de los datos de la industria están aislados hasta cierto punto. Para implementar casos de uso exitosos a través de la IA es necesario asegurarse de que ésta se está alimentando con datos precisos que se extraen de toda la organización.
Plan. El último paso del enfoque design thinking se centra en establecer acciones concretas utilizando declaraciones de intenciones como guía para la implementación técnica. El objetivo es ayudar a los clientes a poner en funcionamiento la IA a través del negocio conectando cada solución a la estrategia definida de IA.
Fundamentalmente, una estrategia de implementación debe ganarse la confianza del usuario: ¿cómo reaccionarán los clientes ante el uso de datos de esta manera por parte de su organización? ¿Cómo pueden los consumidores y el público saber que la implementación de IA es medible y fiable?
Diseñar una estrategia de IA también se basa en quién participa en el proceso. Es importante que las empresas incluyan a voces diversas y a las partes interesadas adecuadas en cada etapa del proceso.
Cuando acudimos a las oficinas de nuestros clientes, a las sesiones de establecimiento de estrategias asisten los altos ejecutivos que establecen la intención, definen los tipos de información, elaboran hipótesis comerciales, identifican casos de uso e infunden la ética de la empresa en la estrategia. A las sesiones técnicas invitan a los científicos de datos, diseñadores y desarrolladores a unirse para transferir las propuestas establecidas en la sesión de estrategia a un plan más detallado, definiendo los casos de uso, evaluando los datos y planificando la ejecución. A lo largo de cada ejercicio, se utilizan narraciones visuales, imágenes y gráficos para ayudar a garantizar que, aunque provengan de diferentes campos, todos los involucrados tengan la oportunidad de hablar el mismo idioma.
¿Cuáles son las opiniones más comunes? Habitualmente, cuando trabajo con clientes, su momento “¡ajá!” llega durante la fase de evaluación. Con demasiada frecuencia, las empresas creen que ya tienen todos los datos que necesitan para ejecutar cualquier modelo de IA y eso, rara vez es el caso.
Por ejemplo, un cliente de la industria de servicios financieros deseaba desarrollar una solución de IA que ayudara a acelerar la recuperación económica de las pequeñas empresas afectadas por la pandemia. Pero, al evaluar los datos necesarios para crear valor para los usuarios seleccionados, el equipo se dio cuenta por primera vez de que sus datos estaban desorganizados, en silos o no utilizables. Antes de comenzar a implementar un modelo confiable, deben solucionarse los problemas de recopilación de datos, infraestructura y plataforma que dificultan el desarrollo de una IA fiable.
No hay duda de que la IA está transformando los negocios en la actualidad. Desde organizaciones de atención médica que usan el procesamiento de lenguaje natural para ayudar a gestionar consultas relacionadas con la COVID-19 hasta compañías de servicios financieros que usan la IA para analizar tediosos documentos de cumplimiento, los early adopters de IA continúan desarrollando nuevos casos de uso por docenas. Pero, lo que todas estas implementaciones exitosas tienen en común es una intención clara y planes que conectan las ventajas de la IA con las principales prioridades de una empresa.
Por Francisco Montero, Data & AI Tech Sales Manager de IBM
