Cómo preparar su empresa para el aprendizaje automático

En los últimos años, se ha producido un aumento asombroso del interés por los sistemas inteligentes, ya que se aplican a todo, desde la atención al cliente hasta la cura del cáncer. El simple hecho de incluir el término «IA» en las presentaciones de las empresas emergentes parece aumentar las probabilidades de tener acceso a la financiación. T Los medios de comunicación informan continuamente de que La IA nos va a robar los puestos de trabajo, y el gobierno de los Estados Unidos parece preocupado sobre la perspectiva de robots asesinos superinteligentes, ya que se trata de abordar la mayor disparidad de riqueza de la historia del país. Comparativamente, se ha discutido muy poco sobre qué inteligencia artificial es, y dónde debemos esperar que afecte realmente a las empresas.

Cuando la gente habla de la IA, el aprendizaje automático, la automatización, los macrodatos, la computación cognitiva o el aprendizaje profundo, habla de la capacidad de las máquinas de aprender a cumplir los objetivos en función de los datos y el razonamiento. Esto es tremendamente importante y ya está cambiando los negocios en prácticamente todos los sectores. A pesar de todas las afirmaciones audaces, siguen existiendo varios problemas fundamentales en el centro de la inteligencia artificial, en los que se ha avanzado poco (como el aprendizaje por analogía y la comprensión del lenguaje natural). El aprendizaje automático no es mágico y la verdad es que no tenemos ni los datos ni los conocimientos necesarios para construir máquinas que tomen decisiones de rutina tan bien como los seres humanos.

Eso puede resultar decepcionante para algunos y podría generar disrupción en algunas campañas de marketing muy caras. Pero la probabilidad de que surjan agentes computacionales superinteligentes y autodirigidos en un futuro próximo es extremadamente baja, así que manténgalo fuera del plan de negocios anual por ahora. Dicho esto, ya se puede lograr una cantidad enorme con la maquinaria que tenemos hoy en día. Y ahí es donde los directivos con visión de futuro deberían centrarse.

Durante los próximos cinco a 10 años, es probable que los mayores beneficios empresariales se deriven de hacer llegar la información correcta a las personas adecuadas en el momento adecuado. Basándose en la revolución de la inteligencia empresarial de los últimos años, el aprendizaje automático impulsará la búsqueda de patrones y automatizará la extracción de valor en muchos ámbitos. Los datos impulsarán cada vez más una economía en tiempo real, en la que los recursos se organicen de manera más eficiente y la producción de bienes y servicios pase a ser bajo demanda, con tasas de fracaso más bajas y una previsibilidad mucho mejor. Esto significará cosas diferentes para los diferentes sectores.

En cuanto a los servicios, no solo mejoraremos en la previsión de la demanda, sino que también aprenderemos a ofrecer el producto adecuado de forma hiperindividualizada (el enfoque de Netflix).

En el comercio minorista veremos cadenas de suministro más sofisticadas, una comprensión más profunda de las preferencias de los consumidores y la posibilidad de personalizar los productos y las experiencias de compra tanto en línea como fuera de línea. Los minoristas se centrarán en la creación de tendencias y en la formación de preferencias o creación de marcas.

En la fabricación, habrá una evolución hacia la monitorización completa del sistema en tiempo real, un área conocida como «detección de anomalías». Los componentes estarán cada vez más conectados, lo que permitirá flujos de datos en tiempo real que los algoritmos de aprendizaje automático pueden utilizar para revelar los problemas antes de que se produzcan, optimizar la vida útil de los componentes y reducir la necesidad de intervenciones humanas.

En la agricultura, los datos se utilizarán para decidir qué cultivos cultivar, en qué cantidades y en qué ubicaciones, y harán que el proceso de cultivo sea más eficiente año tras año. Esto creará cadenas de suministro más eficientes, mejores alimentos y un crecimiento más sostenible con menos recursos.

En resumen, la IA puede estar muy lejos, pero el aprendizaje automático ya ofrece un enorme potencial. Entonces, ¿cómo pueden los directivos incorporarlo a la toma de decisiones diaria y a la planificación a largo plazo? ¿Cómo puede una empresa convertirse en Preparado para ML?

Primero, cataloga tus procesos empresariales. Busque los procedimientos y las decisiones que se tomen con frecuencia y coherencia, como aprobar o denegar una solicitud de préstamo. Asegúrese de recopilar todos los datos posibles sobre cómo se tomó la decisión, junto con todos los datos utilizados para tomarla. Y asegúrese de recopilar la decisión en sí. En el ejemplo de un préstamo hipotético, querrá registrar si el préstamo se aprobó, los datos utilizados para tomar esa decisión y cualquier otra información sobre las circunstancias en las que se basó la decisión. (¿Quién lo hizo? ¿A qué hora del día? ¿Qué confianza tenían en la decisión?) Este es el tipo de datos que se pueden utilizar para impulsar el aprendizaje automático en el futuro.

En segundo lugar, céntrese en los problemas simples. La automatización y el aprendizaje automático funcionarán bien cuando el problema esté bien definido y se comprenda bien, y cuando los datos disponibles ejemplifiquen la información necesaria para tomar una decisión. Un buen problema para el aprendizaje automático es identificar una transacción fraudulenta. La pregunta «¿Qué hace que los clientes se sientan felices?» es más vago, más desafiante y no es el punto de partida.

En tercer lugar, no utilice el aprendizaje automático cuando baste con la lógica empresarial estándar. El aprendizaje automático es útil cuando el conjunto de reglas no está claro o sigue patrones complejos y no lineales. Si quiere transparencia y fiabilidad, opte por el enfoque más simple posible que cumpla con sus criterios de rendimiento.

En cuarto lugar, si un proceso es complicado, utilice el aprendizaje automático para crear sistemas de apoyo a la toma de decisiones. Si el objetivo no está muy claro de definir con respecto a los datos, intente crear resultados intermedios para ayudar a sus equipos a ser más eficaces. Puede pensar en el aprendizaje automático como parte de la ruta jerárquica de toma de decisiones y generará una mejor comprensión del problema en el futuro.

El punto es que se pueden hacer muchas cosas sin necesidad de profundizar mucho. La mayoría de sus empleados seguirán teniendo un trabajo y usted puede ayudarlos a ser más productivos y a trabajar en cosas más interesantes y exigentes (léase: más valioso) tareas mediante la digitalización de más piezas mecánicas de su empresa. Por ahora, la inteligencia artificial no puede hacer que el desempeño de una empresa pase de malo a bueno, pero puede hacer algunos aspectos de un bueno negocios muy bien.

Si se le acaban las frutas fáciles —aunque apuesto a que no—, puede que sea el momento de considerar la posibilidad de crear un equipo para atacar problemas más complejos del aprendizaje automático. Tenga paciencia, ya que esta inversión no se amortizará de inmediato. Si decide crear un equipo de este tipo, sea abierto, participe con la comunidad de investigadores y contribuirá a construir la economía del mañana.