La Inteligencia Artificial (IA) va a transformar por completo la forma de hacer negocios tal y como la conocemos. Para 2030, podría aportar hasta 15.700 millones de dólares a la economía mundial. Los ejecutivos de todo el mundo lo saben, pero lo que no tienen tan claro es cómo adoptar esta tecnología. No con un piloto aquí o allá, sino implementarla en toda la organización, de forma que que esta tecnología pueda generar su máximo valor.
Pero, ¿cómo se define una estrategia de IA? ¿Cómo podemos identificar trabajadores capacitados, o formar al personal existente? ¿Cómo se ponen a punto nuestros datos para la llegada de IA? ¿Cómo podemos garantizar su fiabilidad?
El problema es que cada empresa necesitará una respuesta distinta a cada ‘cómo’, y para más inri, el entorno empresarial cambia constantemente. Pero las empresas no pueden quedarse de brazos cruzados. La inteligencia artificial ya ha dado sus primeros pasos y pisará el acelerador en 2019. Para hacernos una idea de la situación actual, en PwC encuestamos a más de mil ejecutivos de Estados Unidos cuyas compañías ya están investigando esta tecnología. El 20% afirmó que su plan es implementar la inteligencia artificial en toda su organización a lo largo de 2019.
¿Nuestra predicción para este año? Las empresas que centren sus esfuerzos en su estrategia de Inteligencia Artificial liderarán el mercado. Estas son las seis áreas clave que deberán abordar para conseguirlo:
1. Estructura: una organización orientada a los ingresos y el crecimiento. El desarrollo de un modelo de IA para una tarea específica puede mejorar un proceso o resolver un problema concreto. Pero, al mismo tiempo, ese modelo tiene el potencial de escalarse a otras áreas de la empresa. Aunque parezca sorprendente, la variedad de algoritmos de inteligencia artificial existentes no es muy amplia. Los mismos algoritmos permiten resolver numerosos problemas de negocio. Por eso, una vez aplicados a un área, servirán para acelerar otras -como el servicio al cliente, el marketing y la gestión de la cadena de suministro. Así, el objetivo es crear una cartera de “bloques de construcción” reutilizables, que permitan generar un retorno de la inversión de forma rápida y sean escalables.
Por eso, garantizar la fiabilidad de los sistemas de IA es otro de los grandes desafíos para 2019
De este modo, cualquier compañía que apueste por la inteligencia artificial deberá formalizar un enfoque claro y desarrollar las capacidades necesarias para que los pequeños éxitos puedan replicarse a nivel de empresa. Según nuestra encuesta, los ejecutivos ya están adoptando esta estrategia y señalan el desarrollo de modelos de IA aplicables a toda la compañía como su prioridad para 2019.
2. Empleados: enseña a los equipos a convivir y cooperar. La capacitación de los profesionales sin conocimientos en el campo de la IA para el uso de esta tecnología, ya es una prioridad en las empresas. De hecho, el 38% de los directivos afirma que centrará sus esfuerzos en proporcionar a sus empleados herramientas para ello. No obstante, hablamos de una tecnología compleja, e incluso los profesionales formados pueden cometer errores. Una posible solución a este problema es una estrategia de personal que crea tres niveles de empleados en función de su expertise en inteligencia artificial (en inglés, AI citizen users, AI developers y data scientists). Este sistema deberá crear un mix adecuado de los tres perfiles y proporcionarles herramientas e incentivos para que trabajen de manera colaborativa.
3. Confianza: la rendición de cuentas, indispensable. Clientes, empleados y reguladores se están haciendo la misma pregunta: ¿podemos confiar en la inteligencia artificial? La preocupación por su impacto en la privacidad, en la ciberseguridad, en el empleo, en la desigualdad y en el medio ambiente ha crecido. Por eso, garantizar la fiabilidad de los sistemas de IA es otro de los grandes desafíos para 2019.
Para abordar este reto, las compañías deberán reflexionar sobre cómo están tratando todas dimensiones de una Inteligencia Artificial responsable: equidad (¿estamos minimizando la parcialidad de nuestros datos y modelos de IA?), interpretabilidad (¿podemos explicar la toma de decisiones a partir de IA y asegurar que sean precisas?), solidez y seguridad (¿son nuestros sistemas de IA vulnerables a ataques?), gobernanza (¿quién es responsable de estos sistemas? ¿Tenemos los controles adecuados?) y ética (¿nuestro modelo de IA cumple con la regulación? ¿Cuál es su impacto en nuestros empleados y clientes?).
Para abordar este reto, las compañías deberán reflexionar sobre cómo están tratando todas dimensiones de una Inteligencia Artificial responsable: equidad (¿estamos minimizando la parcialidad de nuestros datos y modelos de IA?), interpretabilidad (¿podemos explicar la toma de decisiones a partir de IA y asegurar que sean precisas?), solidez y seguridad (¿son nuestros sistemas de IA vulnerables a ataques?), gobernanza (¿quién es responsable de estos sistemas? ¿Tenemos los controles adecuados?) y ética (¿nuestro modelo de IA cumple con la regulación? ¿Cuál es su impacto en nuestros empleados y clientes?).
Algunas empresas están encargando esta supervisión a comités de ética, y se espera la creación de roles que combinen conocimiento tecnológico con un entendimiento de las preocupaciones regulatorias, éticas y de reputación. Así, las empresas demandan, cada vez más, decisiones de IA más transparentes, interpretables y demostrables.
4. Datos: localización y etiquetado para que las máquinas aprendan. La Inteligencia Artificial responde a la gran pregunta sobre los datos, que es cómo sacarles partido. La combinación de inteligencia artificial y datos permite obtener más y mejor información y, así, administrar el riesgo, tomar mejores decisiones, automatizar operaciones y mucho más. En otras palabras, generar más valor. Pero hay un problema: las empresas no están dando al ‘etiquetado’ de los datos la importancia que deberían, y menos de un tercio de los ejecutivos lo califican como una prioridad para su negocio.
Para que el machine learning pueda detectar patrones y predecir el futuro, hay que enseñarle. Por ejemplo, si le mostramos la suficiente cantidad de datos históricos sobre el consumidor, podrá predecir su comportamiento y el de consumidores similares en el futuro. Pero para crear los sets de datos necesarios para el training de la IA, es necesario que los datos estén etiquetados. Un ejemplo muy sencillo, es determinar si un consumidor está satisfecho o no. Para que los datos sirvan a los modelos de IA de toda la empresa -ya que esos consumidores pueden interactuar con más de una línea comercial-, se necesitan unos estándares de etiquetado consistentes.
Una cuestión a tener en cuenta es que, aunque la normativa sobre IA está aún en sus albores, las nuevas regulaciones de privacidad de datos pueden afectarle y limitar su crecimiento. Para afrontar esta situación, las compañías deberán adoptar un enfoque global y alinear a los equipos implicados en la configuración de las políticas de diferentes territorios, para así poder aplicar las mejores prácticas a nivel mundial.
5. Reinvención: monetizar la IA mediante la personalización y una mayor calidad. Muchas empresas ya están valiéndose de la IA para mejorar sus operaciones, o la experiencia de usuario. Pero en 2019, muchas planean desarrollar nuevos modelos de negocio basados en la IA y en investigar nuevas vías de ingresos a partir de esta tecnología.
Actualmente, la mayor parte de los beneficios generados gracias a la inteligencia artificial se deben a mejoras en la productividad -por ejemplo, la automatización de procesos. Sin embargo, nuestro estudio Global Artificial Intelligence Study prevé que, en los próximos años, el mayor impacto económico de la IA estará relacionado con el consumo, a través de productos y servicios de mayor calidad, más personalizados y basados en datos. ¿Un ejemplo? La inteligencia artificial podrá revolucionar la atención médica a través de la monitorización del estilo de vida del paciente, de diagnósticos más rápidos y precisos y de seguros de salud personalizados y adaptables. Además del cuidado sanitario, el retail, y el sector de automoción, son según el documento, las industrias que podrían obtener beneficios de forma más rápida.
6. Convergencia: combina la IA con la analytics, IoT y más. El poder de la inteligencia artificial se multiplica al integrarse con otras tecnologías, como analytics, Internet of Things, blockchain… El 36% de los ejecutivos tiene en mente la necesidad de aprovechar esta convergencia. El IoT es una de las tecnologías que más se prestan a esta sinergia. Las empresas podrán disponer de millones de sensores de IoT que recopilen información de sus equipos y de los dispositivos de consumo. A partir de esos datos, los modelos de IA y analytics podrán determinar patrones de mejora en todas las funciones.
En cualquier caso, la integración de la IA con otras tecnologías empieza por los datos. Las organizaciones que inviertan en la identificación, almacenado, estandarización y etiquetado de datos estarán en posición de crear sinergias entre tecnologías. Y, para que esto ocurra, los diferentes equipos de profesionales deberán trabajar conjuntamente desde el inicio del proceso.
2019 es el momento de ponerse las pilas y afianzar la estrategia de inteligencia artificial. Las compañías deberán desarrollar una nueva estructura organizativa y de personal, algoritmos fiables y datos que los configuren, un plan de reinvención del negocio impulsar los ingresos y la convergencia con otras tecnologías existentes y emergentes. Es una to-do list ambiciosa, pero aquellos que tengan claras sus prioridades lograrán la verdadera diferenciación.
Javier Barguñó - Socio responsable del área de Big Data y Analytics de PwC
