Master
Close up of lens
Close up of lens

Lente uno: Humanidad, Aumentada


Las nuevas y poderosas herramientas basadas en datos están revolucionando la forma en que las empresas toman decisiones y despliegan el talento, con resultados sumamente positivos. Pero estas tecnologías también conllevan desafíos éticos y organizativos que las empresas responsables deben tener en cuenta.




< Main page | Next lens >

Escaneando las señales 


A medida que el Machine Learning (ML) y la Inteligencia Artificial (IA) tienen una mayor adopción en la industria, están mejorando -en lugar de reemplazar-el talento humano, al automatizar las tareas de procesamiento de datos y liberar a las personas para que usen su experiencia, creatividad e intuición. Estos sistemas mejoran la productividad principalmente de dos formas: haciendo predicciones para ayudar a los humanos a tomar decisiones y automatizando completamente la toma de decisiones.


La tendencia hacia decisiones autónomas y tomadas por máquinas puede tener un impacto significativo en nuestras vidas y debe considerarse desde una perspectiva ética. Esto está impulsando la investigación y el interés de la industria en una IA explicable (XAI) y procesos de gobernanza de IA más sólidos.


  • Inversión creciente en investigación y aplicaciones de IA. Bloomberg estima que el gasto civil en IA en EE.UU. creció un 22% en el año fiscal 2019, mientras que el gasto público creció casi un 70%
  • Demanda masiva de especialistas en ML, IA y datos en el mercado laboral. Según LinkedIn, especialista en inteligencia artificial fue la categoría laboral de más rápido crecimiento en 2020
  • Crecimiento de start-ups, productos especializados y adquisiciones de ML/AI. Al momento de escribir este artículo, Angel.co enumera 5.711 empresas y 2.790 inversores en la categoría de "start-ups de machine learning".
  • Cambios de puestos y roles existentes. Las tareas rutinarias se están automatizando, los trabajadores humanos se emparejan con las contrapartes de las máquinas y las personas se liberan para usar su experiencia e intuición para entregar valor. Por ejemplo, Amazon anunció que gastará $700 millones de dólares para ayudar a cerca de 100.000 trabajadores en EE. UU. a tener empleos más altamente calificados para 2025.


La Oportunidad


El rápido avance de las herramientas basadas en IA y ML beneficiará a las empresas en dos frentes principales. Para la fuerza laboral, la automatización de tareas repetitivas y cotidianas mejorará la productividad, lo que generará ganancias en eficiencia y producción. Los empleados también tendrán más libertad para concentrarse en actividades de mayor valor que requieren más creatividad e ingenio humano, como desarrollar la próxima innovación de producto o servicio. Esto tendrá consecuencias positivas para la moral de los empleados y el desempeño comercial general.


La aplicación de IA y ML para reducir las inconsistencias y la probabilidad de errores humanos, y reducir los tiempos de respuesta en la entrega de productos o servicios, podría mejorar significativamente la satisfacción del cliente y, en última instancia, la retención. Las empresas también pueden recurrir a soluciones basadas en datos para aprender más sobre las necesidades de los clientes y anticiparlas con precisión, aunque se debe tener cuidado para garantizar que esto se haga de una manera que respete la privacidad y la seguridad.


Close up of a yellow heavy equipmentClose up of a yellow heavy equipment

Lo que hemos visto

Hemos visto que la inteligencia artificial y el aprendizaje automático tienen un gran impacto en todo, desde el marketing y el servicio al cliente hasta la participación y el reclutamiento de los empleados. Una de las aplicaciones más prometedoras es mejorar el mantenimiento predictivo en la fabricación. Al recopilar y analizar datos de dispositivos conectados, los sistemas de IA y ML pueden ayudar a las empresas a identificar problemas con una línea de ensamblaje o un producto antes de que ocurran, evitando defectos o tiempos de inactividad potencialmente costosos (y que alienen al cliente). Nos asociamos con un fabricante para crear una aplicación habilitada para inteligencia artificial que predice cuándo es posible que se necesiten reparaciones o mantenimiento del equipo pesado que vende, y alerte a los equipos de cara al cliente para que hagan un seguimiento. Al allanar el camino para un servicio posventa más anticipado, la solución ha contribuido a la satisfacción del cliente y a nuevas oportunidades de ventas.

Tendencias que mirar: Top Tres


Adoptar

Continuous delivery para machine learning (CD4ML)

CD4ML es un enfoque de ingeniería de software en el que equipos multifuncionales producen aplicaciones ML basadas en código, datos y modelos en pequeños incrementos que se pueden reproducir y publicar en cualquier momento, con ciclos de adaptación cortos. CD4ML permite a las empresas desarrollar las capacidades y los procesos necesarios para gobernar, lanzar y actualizar modelos de ML de una manera confiable y segura, sin dejar de ser capaz de responder a los cambios y evoluciones en el panorama de ML.


Analizar

XAI

La IA explicable (XAI) se refiere a un conjunto de herramientas y enfoques para comprender el fundamento que utiliza un modelo de ML para llegar a una conclusión. Estas herramientas generalmente se aplican a modelos que por lo demás son opacos en su razonamiento. La IA explicable se está volviendo cada vez más importante a medida que los modelos de ML se aplican en áreas que impactan directamente en la salud, los derechos y el bienestar económico de las personas, como la atención médica, la justicia penal y la toma de decisiones crediticias. Es probable que XAI desempeñe un papel aún mayor a medida que se comprendan mejor las implicaciones de la IA para la privacidad y las regulaciones como el Reglamento General de Protección de Datos (GDPR) de la UE.



Anticipar

Interfaces Cerebro-Computador (BCI)

Las interfaces BCI permiten a los usuarios interactuar con las computadoras solo por medio de la actividad cerebral, generalmente medida por electroencefalografía (EEG). Los avances en el uso del machine learning para interpretar las señales eléctricas del cerebro han creado nuevos casos de uso en los que esto podría aplicarse para ayudar a las personas a tomar decisiones en una fracción de segundo y han reducido enormemente los costos de la tecnología en este espacio.



Tendencias que mirar: La matriz completa

Tecnologías que están aquí hoy y que se están aprovechando dentro de la industria.

  • Asistentes inteligentes, agentes y bots
  • IA as a service
  • CD4ML
  • Procesamiento de lenguajes naturales
  • Colaboración humano-máquina
  • Plataformas de Data & analytics en tiempo real
  • Usables
  • Plataformas ML
Tecnologías que están comenzando a ganar terreno, según la industria y el caso de uso


  • Computer vision
  • ML/AI on edge
  • Lingüística computacional
  • Interacción impulsada por IA
  • La voz como interfaz ubicua
  • Automatización de pruebas de calidad de datos
  • Machine learning online
  • Privacidad diferencial
  • IA Explicable (XAI)
  • AutoML
  • Fuerza laboral automatizada
  • Computación respetuosa de la privacidad
  • Plataformas de Data descentralizadas
Aún sin madurez, estas tecnologías podrían tener un impacto en unos años



  • Ciudades inteligentes
  • Código de ética para software
  • Desarrollo de software asistido por IA
  • Marketplaces con IA
  • Aprendizaje federado
  • Interfaces cerebro-computador
  • Frameworks éticos
  • Inferencia causal para ML
  • Medicina personalizada
  • Salud y longevidad
  • Redes neuronales progresivas

Consejos para adoptantes


  • Desarrollen confianza en su data. Los modelos de IA que apoyen a sus equipos se crearán en función de los datos que se pongan a su disposición. Eso significa que los datos deben ser transparentes, precisos y lo suficientemente confiables para que ustedes y su gente puedan confiar en que cualquier decisión resultante será sólida y bien informada.
  • Comprender y comunicar dónde las decisiones tomadas por máquinas están sujetas a prejuicios y preocupaciones éticas. Creen un marco para llevar un seguimiento de las decisiones delicadas que se tomarán, describan como esperan que afecten a las partes interesadas involucradas y establezcan cómo detectarán las posibles consecuencias no deseadas. Asegúrense de que estas decisiones se puedan explicar suficientemente y rastrear hasta la "fuente".
  • Creen mediciones de referencia cuantitativas de sus procesos actuales. Creen mediciones de referencia cuantitativas de sus procesos actuales utilizando técnicas como el análisis de flujo de valor para identificar áreas con oportunidades significativas para la automatización, donde la IA y el aprendizaje automático pueden producir las mayores ganancias potenciales. Consúltenlos y actualícenlos con regularidad para medir la efectividad de las implementaciones de AI/ML, y asegúrense de que la automatización siga siendo un objetivo en lugar de la solución predeterminada para cada problema.
  • Empaticen con colaboradores temerosos de que "los robots nos quiten el trabajo". Empaticen con colaboradores temerosos de que "los robots se hagan cargo de nuestros trabajos" y apóyenlos mientras aprenden a trabajar junto con los algoritmos, dejando en claro que el objetivo final es liberarlos para un trabajo más gratificante. Desarrollen planes claros de transición y progresión profesional para que sus empleados se conviertan en roles habilitados por la automatización que maneja tareas repetitivas.
  • Consideren si la colaboración hombre-máquina puede ayudarlos a mejorar el valor para el cliente. Consideren si la colaboración hombre-máquina puede ayudarlos a mejorar el valor para el cliente, en lugar de ver la automatización simplemente como una forma de reemplazar el personal y reducir los costos. Los colaboradores existentes tienen un gran conocimiento sobre su negocio y sus clientes, y esta información debe aplicarse para mejorar de manera efectiva la experiencia del cliente, ya que la gente dedica menos tiempo a funciones cotidianas. Cualquier solución de IA o ML debe juzgarse no por las eficiencias que crea internamente, sino por el valor adicional para el cliente que permite a los equipos ofrecer.

Para 2022 los negocios habrán… 

... ido más allá del uso de IA y ML en soluciones independientes para llevarlos a funciones comerciales más importantes como confianza en estas tecnologías crece. También vemos empresas más concienzudos y selectivos en la forma en que se aplican datos, considerando los impactos en su personal, clientes y sociedad en general, y tomando medidas para garantizar que estos sistemas son más transparentes.
Danilo Sato

Principal consultant, Thoughtworks

Descargar el reporte completo