Por Mario Lia
Es una tecnología que, en general, no es totalmente conocida o comprendida. Según se la enfoque o se la imagine en funcionamiento, suele ser asociada a la innovación. Se puede innovar en términos de procesos existentes para darles mayor eficacia y menores tiempos o costos de ejecución. Se puede innovar aprovechando las oportunidades que brinda la omnipresente información digitalizada, usando IA para explotar competitivamente aquellas masas de datos cuya exploración y análisis sería interminable a manos de humanos.
Por supuesto que también puede jugar un papel importantísimo en la investigación científica que se realiza en todos los planos conocidos y por ser descubiertos.
Como es una disciplina relativamente nueva que además está en constante evolución, padece de la escasez de recursos humanos calificados. Por otra parte, no todos los integrantes de los planteles de TI de las organizaciones están los suficientemente capacitados como para poder determinar cuáles serían los recursos adecuados y, lo que es incluso tanto o más complicados, liderarlos.
En el mercado de oferta proveedora existen algunas firmas, grandes o pequeñas, capaces de poner en marcha eficazmente un proyecto de IA. La interfaz de negociación puede ser inicialmente compleja. Primero pueden deslumbrarnos presentando las posibilidades casi mágicas de IA y todos estamos contentos. Luego, cuando se pasa al plano de la factibilidad, realización, tiempos y costos, estos últimos tanto asociados a honorarios como a herramientas de software, infraestructura de TI y tiempo de los diferentes participantes, las cosas se pueden complicar.
La importancia de enfocarse
Trazar una estrategia realizable de IA requiere de un cuidadoso trabajo de selección, partiendo de las propiedades o posibilidades que nos ofrece este entorno de tecnologías.
En lo conceptual, IA puede ayudarnos a enriquecer productos existentes, desarrollar servicios más completos con el apoyo de procesos cuya inteligencia podremos incrementar.
También nos puede ayudar a automatizar tareas repetitivas y con un árbol de decisiones delimitable. En manufactura, IA puede ampliar la automatización siempre que se trate de maquinarias comandadas en forma totalmente digital. Por supuesto que estos son algunos ejemplos simples de enunciar que elegimos como ilustración.
Ya en la etapa de generación de un proyecto, será fundamental elaborar una lista muy breve de oportunidades. Dichas oportunidades deben estar directamente atadas a una meta estratégica del negocio. Por otra parte, es necesario que los proyectos sean analizados en todas sus potenciales extensiones al resto de la organización. La experiencia en Administración de Cambios cobrará importancia ya que IA puede representar cambios muy impactantes y capaces de complicar las cosas en otras áreas que la elegida para su aplicación. En síntesis, hay que asegurarse de las razones que llevan a usar IA y de dónde y cómo se utilizará.
No hace falta aclarar, pero sí mencionar, que aquello que se desea alcanzar con IA esté perfectamente definido y que todos estén seguros de qué es lo que se desea lograr, cuáles son sus beneficios y, por sobre todo, su factibilidad y sostenimiento en el tiempo como activo competitivo de la organización.
Las formas de llegar a una short–list dependerán de las prácticas de cada organización, aunque sin perder de vista los factores que rodean a IA: recursos humanos, infraestructura tecnológica, datos confiables y disponibles en tiempo y forma, impacto socio/laboral dentro de la empresa y otros más que varían según la clase o rubro de la organización.
¿En quién confiar?
En la mayoría de los casos habrá que recurrir a consultoras especializadas o grandes firmas proveedoras capaces de mostrar una trayectoria y logros adecuados. Aquí aplica mejor que nunca la irónica frase “el que sabe quién es un buen consultor no necesita un consultor.”
Digamos que encontramos a quiénes nos despierten toda la confianza y estén dentro de nuestro presupuesto o caso de negocio en términos de costo/beneficio ¿Quedaremos atados para siempre a ese proveedor? ¿Podremos desarrollar recursos internos para el futuro seguimiento, mantenimiento y realización de potenciales cambios que se requieran mañana? ¿A dónde se nos irán los costos operativos si sobrecargamos el plantel?
Son muchos los interrogantes y es por eso que conviene comenzar sencillito y con la aplicación de IA en procesos bien conocidos. Existen muchas metodologías y plantillas para la selección de áreas en las cuáles aplicar un proyecto de esta naturaleza. Pero luego viene la ejecución, la prueba, la puesta en marcha y su sostenimiento en producción. No es lo mismo leer un libro sobre cómo bailar, que bailar.
Desconozco si existen las llamadas Mejores Prácticas que se puedan aplicar al caso. En general, esas Mejores Prácticas son las que se han convertido en más comunes. Hacer benchmarking con IA no resultará sencillo a menos que se trate de proyectos clásicos y casi “out of the box,” como call centers, robots de chateo, etc. (Además, la mayoría son malos).
Pero la real ventaja competitiva de cada organización es aquella que es ideada y puesta en marcha por su gente, ya sean líderes o seguidores. Las buenas implementaciones son aquellas que llevan a los resultados esperados. Los dueños de los procesos de la organización tendrán que involucrarse profundamente, a menos que la alta dirección no confíe en ellos y no esté conforme con el desempeño que han adquirido dichos procesos. La calidad del liderazgo y la interfaz con los especialistas en IA, sean externos o internos, será la que determine la posibilidad del resultado esperado. La gerencia de la organización debe asumir una responsabilidad de punta a punta.
Las posibilidades de IA
La Inteligencia Artificial responde a un par de clasificaciones generalmente aceptadas, si bien algunas de las categorías no están aún desarrolladas como para ser usadas en ambientes ajenos a la investigación. Las categorías forman dos grupos: Tipo 1 y Tipo 2.
Las del Tipo 1 son tres: La Limitada, la General y la Potente.
La Limitada es capaz de realizar tareas específicas con inteligencia y es la más difundida y disponible. Un ejemplo de esta categoría es la supercomputadora Watson de IBM, que utiliza un sistema experto combinado con aprendizaje de máquina y procesamiento de lenguaje natural. Los juegos de ajedrez, las sugerencias de compras en un sitio Web, los vehículos auto-conducidos, el reconocimiento de habla o imágenes, son algunos ejemplos.
Las otras dos categorías pertenecen al plano de la investigación y los científicos siguen trabajando para lograr una aproximación a la inteligencia y las tomas de decisiones que realizan los humanos.
El Tipo 2 es un agrupamiento que se basa en la funcionalidad a lograr y consta de cuatro categorías: La Reactiva, la de Memoria Limitada, la Teoría de la Mente y la de Auto–conciencia.
La Reactiva es el tipo más básico de IA. No almacena elementos de pasada ocurrencia para sus futuras acciones. Responden en un escenario dado y reaccionan dentro de él con la mejor acción posible. Un ejemplo es AlphaGo de Google y otro sería la máquina Deep Blue de IBM.
La categoría de Memoria Limitada puede almacenar eventos pasados o datos por un tiempo limitado. Los vehículos auto–conducidos, que almacenan velocidades propias y de autos cercanos, distancias, límites de velocidad y otra información de ruta para circular, son un buen ejemplo. Esta categoría se podría aplicar en diversas áreas de la automatización.
Teoría de la Mente es la que debería comprender las emociones humanas, comportamientos y creencias, con la capacidad de interactuar como humanos. Todavía no se ha desarrollado y se sigue trabajando en su creación.
La de Auto–conciencia equivale a la utopía mayor de IA. Serían máquinas ultra inteligentes y con su propia conciencia, sentimientos y percepción de sí mismas, con una capacidad mayor a la de la inteligencia humana. Por ahora, es sólo un concepto hipotético.
No vamos a entrar en detalles técnicos como la construcción de algoritmos y otros elementos que componen una plataforma de IA. Hemos tratado de mostrar las posibilidades de IA como para poner los pies en la tierra y sugerir algunos caminos para la elaboración de una estrategia de su aplicación.
Lo único que me parece interesante agregar es que existe una tecnología de computación que, cuando esté madura y disponible, ayudará al desarrollo de la Inteligencia Artificial. Se trata de la computación cuántica, de una capacidad y comportamiento similar a la de una cadena de átomos y en cuya tecnología trabajan los laboratorios de grandes empresas como Microsoft, IBM, Google, Honeywell y otros. La computación cuántica alcanza potencias superiores a cualquier super–computadora hoy conocida.
