Desde años atrás es común encontrar citas de “Inteligencia Artificial” en la literatura de todos los campos del conocimiento humano. Pero ¿cómo se relaciona con la empresa actual? o, realizada la pregunta de otra forma, ¿que pasos se han dado dentro del ámbito empresarial?

Si bien es cierto en sus albores la IA solo estuvo asociada a algoritmos que trataban de acercarse a la capacidad racional de los humanos (objetivo quizá muy utópico), en los últimos años ha ido incorporando una dimensión mas pragmática y realista. Paralelamente, con el avance de la tecnología han surgido áreas que han ido perfilando el direccionamiento de la IA, por lo menos a nivel empresarial. Uno de estos campos son las llamadas tecnologías cognitivas (TC), dentro de las cuales tenemos algunas categorías a destacar: Reconocimiento de Imagen y de voz, (es decir, la gran cantidad de datos o de información no estructurada, que provienen de estas fuentes y que antes sencillamente no eran tomadas en cuenta) y Machine Learning (que comprende el aprendizaje autónomo de las máquinas mediante algoritmos).

El desarrollo de otros campos contiguos como Big Data (procesamiento de grandes volúmenes de datos), incremento de la potencia de proceso (aumento de la velocidad de los procesadores), también han colaborado en el impulso de la IA.

En una rápida visión podemos encontrar la IA en los siguientes ámbitos de la empresa: En la automatización de procesos administrativos, en el Análisis de Datos (Bussiness Inteligence) y en la interacción con humanos (clientes o empleados).

Para aterrizar todas estas definiciones en un puerto accesible y que las empresas puedan sacar provecho de las TC, se recomienda una serie de pasos que incluyen:

1. Comprender las tecnologías
Esto implica tener la capacidad para realizar una comprensión inicial de las tecnologías cognitivas, y para ello la empresa deberá decidir si desarrolla dicha capacidad con recursos propios o se apoya en proveedores externos. Como siempre la decisión de como conformar su equipo dependerá del tamaño y situación de cada organización y el nivel de desarrollo tecnológico en el que se encuentre.

2. Desarrollar un portafolio de proyectos
Para lo cual se pueden emplear los siguientes criterios:
· Identificar las áreas del negocio cuyos resultados redundarían en un mayor retorno de la inversión. Esto incluirá un análisis de la situación actual de cada área y como se enmarca en la estrategia general.
· Que áreas del flujo de negocio son el vagón que frena la velocidad de la organización o, en otras palabras, identificar los cuellos de botella.
· Si existen conocimientos dentro de la empresa los cuales cuesta más desarrollar pueden ser el área elegida para una aplicación útil de IA para distribuir mejor estos conocimientos.
· Finalmente se debe seleccionar la tecnología a emplear. Esta deberá ir acorde con el grado de eficiencia que tenga cada tecnología en el momento actual pues puede ser que las tecnologías deseadas no tengan aún la madurez adecuada, contribuyendo su utilización con un riesgo adicional de alcanzar un fracaso.

3. Pruebas de Concepto
O Planes piloto, que ofrecen muchas ventajas: permiten adoptar un desarrollo gradual de las capacidades internas sin arriesgar un nivel de inversión alto y también permiten ir probando no solo una sino varias tecnologías a la vez.

Visto desde otro enfoque, la implantación de las nuevas tecnologías cognitivas en sus primeros proyectos o planes piloto no debe aspirar solamente a obtener retornos financieros altos, sino que debe considerar como objetivos muy importantes el aprendizaje, la creación de un expertise y generar una base de conocimientos sólida.

Dos consideraciones que inevitablemente van ligadas al incremento del uso de la IA en el ámbito empresarial:

Muchas veces es mejor establecer expectativas realistas en vez de metas inalcanzables. En 2013, el MD Anderson Center lanzó un ambicioso proyecto (calificado como un proyecto “Moon Shot”), cuyo objetivo era mejorar la toma de decisiones de los oncólogos al diagnosticar tratamientos a los enfermos de cáncer. Luego de varias ampliaciones presupuestales que llegaron a sumar 62 millones de dólares, un informe de auditoría determinó que el sistema no podía ser aplicado en humanos, suspendiéndose el mencionado proyecto. Paralelamente el área de IT del mismo Anderson Center desarrolló iniciativas menos ambiciosas con tecnologías cognitivas para realizar recomendaciones de hoteles y restaurantes a usar por los familiares de los pacientes durante los tratamientos oncológicos de estos últimos. Los resultados de esta iniciativa derivaron en una mayor satisfacción de los pacientes y sus allegados, y un proceso mas eficiente del ya de por si tedioso registro de los pacientes.

Por otro lado, es inevitable relacionar el nivel de demanda de trabajadores en un ámbito de aplicación de IA. Existe el temor a que, debido a la automatización de muchas tareas, con el tiempo se genere una fuerte reducción del empleo. Como contrapartida también existe la versión opuesta, que pronostica que no habrá una fuerte reducción de la ocupación laboral, sino que los trabajadores podrán dedicarse a otras tareas más productivas y que, por el momento, no pueden ser cubiertas por la IA. Solo el paso del tiempo podrá responder a esta disyuntiva.
–
Redactado por: Sandro Maggiolo