7 de cada 10 proyectos de IA habían generado poco impacto

En su Technology Quarterly, The Economist ha abordado las múltiples dificultades que presenta la inteligencia artificial para empresas. Una de las más importantes, y de la cual hablaremos en esta entrada de blog, es la complejidad que conlleva su implementación dentro de las compañías.

Indudablemente, los sistemas de IA son muy populares entre las compañías más grandes del mundo, mismas que han obtenido beneficios directos como el brindar servicios de alto valor agregado con una mínima intervención humana, lo cual les ha ayudado a ahorrar recursos y optimizar procesos de formas inimaginables.

Algunos ejemplos que menciona The Economist son: Facebook y el uso de algoritmos para analizar miles de mensajes por segundo; Google y el machine learning para posicionar los resultados de búsqueda, o Amazon y Netflix aprovechando la IA para recomendar productos y series de acuerdo con las preferencias de sus usuarios.

Pese a estos casos de éxito, en el artículo se menciona que, en una encuesta realizada por Boston Consulting Group y el MIT a 2,500 CEOs, siete de cada diez dijeron que sus proyectos de IA habían generado poco impacto hasta ahora.

¿Cuál es la razón de que los proyectos de inteligencia artificial no reflejen ningún beneficio? Los motivos pueden ser variables, pero uno de los que menciona el artículo y que es el más evidente e indiscutible, que no todas las compañías son gigantes del internet como Amazon, Google o Netflix. Así, estas empresas se encontraban perfectamente posicionadas para adoptar la nueva tecnología, ya que contaban con tres factores clave:

• Gran parte de su fuerza laboral estaba integrada por programadores experimentados.
• Contaban con grandes cantidades de datos generados por los usuarios.
• Sus objetivos con la IA eran fáciles de implementar y de medir.

Este último punto es determinante para el éxito o el fracaso en la adopción de la inteligencia artificial dentro de la empresa, ya que es muy común que las compañías ni siquiera tengan claro para qué utilizarán esta tecnología.

La Paradoja de Moravec

Otra problemática que se aborda en el Technology Quarterly es que, al ser diferente de la biológica, la inteligencia artificial puede caer en la paradoja de Moravec, un principio que señala que, aunque las máquinas encuentran fácil la aritmética compleja y la lógica formal, luchan con tareas como el movimiento coordinado y la locomoción que los humanos dan por sentado.

A modo de explicación, la publicación propone el siguiente ejemplo:

Construir un chatbot de servicio al cliente es de alguna manera más difícil que construir una máquina experta en el milenario juego chino Go, porque el juego de mesa tiene solo dos posibilidades, ganar o perder, y ambos pueden identificarse fácilmente por la IA; además, las reglas son claras y específicas. Por otro lado, una llamada de un cliente con un vuelo cancelado, tienen un sinfín de posibilidades.

Otro caso dentro del sector financiero, y del cual hemos hablado en el blog, es el de Banco Bradesco: la institución financiera de Brasil quería mejorar su servicio al cliente y personalizarlo, así que implementó tecnología avanzada dentro de este rubro y “entrenó” al algoritmo para que respondiera las preguntas de las personas en lenguaje natural.

Esto permitió que el banco redujera su tiempo de respuesta a segundos, pero ¿realmente esto es un valor añadido para la organización? ¿qué más se podía hacer con esta integración? Bradesco fue un paso más allá y logró que, a través de estas funciones, el sistema le ayudara a identificar el mejor momento para ofrecer pólizas de seguro, lo que incrementó sus ventas de estos productos.

Otra ventaja es que estos planes eran específicos y personalizados, y así los ejecutivos que atendían a las personas en sucursal contaban con una lista de servicios recomendados para el cliente, y así las ventas se cerraban con mayor facilidad.

En este ejemplo podemos observar que el beneficio de la IA no sólo derivó en un ahorro de tiempo, sino que también se vio reflejado en las ganancias de la empresa; por otro lado, el factor humano estuvo involucrado porque los ejecutivos en sucursal podían abordar a los clientes potenciales de una forma que hubiera resultado imposible para el sistema.

Existen pocos problemas en el mundo real que se solucionen por completo a través de la IA debido a que son complicados y abiertos. Por ello, esta tecnología funciona mejor siempre y cuando esté respaldada por el criterio humano.

¿Tu empresa se ha enfrentado a este tipo de retos al implementar la IA? ¿Qué otros ejemplos de este tipo conoces? Comenta tu opinión y no olvides suscribirte a mi blog para que no te pierdas los próximos temas que abordaremos sobre el Technology Quarterly.