COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

Si los robots pueden hablar, leer textos, memorizar páginas de una enciclopedia, interactuar en forma intuitiva y natural con las personas comunicándose con ellas a través de tópicos considerablemente profundos, puede identificar objetos y reconocer patrones ópticos…..las máquinas pueden dejar el mundo virtual y unirse a nosotros en el mundo real. Ellos pueden también diagnosticar ciertos tipos de cánceres específicos con más acierto que los radiólogos…podremos nosotros luchar con ellos?

Los sistemas de Inteligencia Artificial piensan e interactúan, por lo que invariablemente son comparados con las personas. Pero mientras que los seres humanos son rápidos en el procesamiento paralelo (reconocimiento de patrones) y lentos en el procesamiento secuencial (razonamiento lógico), las computadoras han dominado el primero en campos estrechos y son super rápidos en el segundo.

Sin mayores saltos cuánticos en el poder de procesamiento, las máquinas no alcanzarán la inteligencia general artificial (AGI): la combinación de tipos muy diferentes de capacidades de resolución de problemas -el sello distintivo de la inteligencia humana.

La inteligencia artificial ya no es electiva. Es fundamental para las empresas para averiguar cómo los seres humanos y las computadoras pueden desempeñar sus fuerzas como actores entrelazados para crear ventaja competitiva.

AI es diferente. Es improbable que los algoritmos desnudos proporcionen una ventaja. Muchos de ellos están en el dominio público, y las empresas pueden acceder a plataformas de software de código abierto, como TensorFlow de Google. OpenAI, una organización sin fines de lucro iniciada por Elon Musk y otros, están haciendo herramientas de IA y de investigación ampliamente disponible. Muchos investigadores prominentes de la IA han insistido en conservar el derecho a publicar sus resultados al unirse a compañías como Baidu, Facebook y Google.

Las aplicaciones más fuertes de AI tienen hambre de datos. Pioneros en el campo, como Facebook, Google y Uber, cada uno se ha asegurado una “zona privilegiada” al obtener acceso a los datos actuales y futuros, la materia prima de la IA, de sus usuarios y otros en formas que van mucho más allá de los datos que se cosechan  tradicionalmente. Su escala les da la capacidad de ejecutar más datos de entrenamiento a través de sus algoritmos y así mejorar el rendimiento. Por ejemplo, en la carrera por aprovechar automóviles autodirigidos completamente funcionales, Uber tiene la ventaja de recolectar diariamente 100 millones de millas de datos de flota de sus conductores. Estos datos informarán eventualmente a los servicios de movilidad de la compañía. Facebook y Google aprovechan su escala y profundidad para mejorar su orientación de anuncios.

No todas las compañías aspiran a ser como Facebook, Google o Uber. Y tampoco lo necesitan. Construyen, acceden y aprovechan conjuntos de datos compartidos, alquilados o complementarios, incluso si eso significa colaborar con los competidores, las empresas pueden complementar sus activos  para crear su propia zona privilegiada. Compartir es la palabra del futuro. La clave es construir una colección inabarcable y privilegiada de fuentes de datos abiertas y cerradas.

Las tiendas físicas bien colocadas y los puntos de venta en línea de alto tráfico dan paso a las ideas de los clientes generadas a través de la IA. Los principales minoristas, por ejemplo, pueden publicar datos de lealtad, punto de venta, clima y ubicación a través de sus motores de IA para crear ofertas personalizadas de marketing y promoción. El poder sugestivo de muchas de estas ofertas ha generado nuevos ingresos a un costo marginal insignificante.

Tradicionalmente, las capacidades han sido segmentadas en fuentes discretas de ventaja, tales como conocimientos, habilidades y procesos. La automatización basada en IA fusiona estas áreas en un ciclo continuo de ejecución, exploración y aprendizaje. Como un algoritmo incorpora más datos, la calidad de su salida mejora. La AI y la velocidad son inherentemente iterativas. En ambas, las ofertas y los procesos se convierten en ciclos continuos. Los algoritmos aprenden de la experiencia, permitiendo a las empresas fusionar la exploración amplia y rápida de nuevas oportunidades con la explotación de las conocidas. Esto ayuda a las empresas a prosperar bajo condiciones de alta incertidumbre y cambios rápidos.

Para tareas específicas, el número de entradas y la velocidad de procesamiento de las máquinas pueden ser millones de veces superiores a las de los humanos. La analítica predictiva y los datos objetivos reemplazan las corazonadas y se toma  la experiencia como el motor central de muchas decisiones. El comercio de acciones, la publicidad en línea y la gestión de la cadena de suministro y la fijación de precios en el sector minorista se han movido en esta dirección.

Las personas siempre van a ser necesarias, porque se necesitan para construir los sistemas. Uber, por ejemplo, ha contratado a cientos deexpertos en auto-conducidos , 50 de los cuales son de Carnegie Mellon University’s Robotics Institute. Y los expertos en IA son los empleados más demandados de Wall Street. Los seres humanos pueden proporcionar el sentido común, las habilidades sociales y la intuición que las máquinas carecen actualmente. Incluso si las tareas de rutina son delegadas a las computadoras, la gente se mantendrá en el circuito durante mucho tiempo para garantizar la calidad del servicio.

La flexibilidad estructural y la agilidad -tanto para el hombre como para la máquina, se hacen imprescindibles para abordar la tasa y el grado de cambio.

Las estrategias ganadoras ponen de relieve la agilidad, el empleo flexible, la formación continua y la educación. Las empresas enfocadas en AI raramente tienen un ejército de empleados tradicionales en su nómina. Proliferan los acuerdos de innovación y contratación abierta. Como admitió el director de operaciones de un innovador banco móvil, su mayor esfuerzo fue transformar a los miembros de su equipo de liderazgo en administradores expertos, tanto de personas como de robots.

Las empresas necesitan identificar lo que las máquinas hacen mejor que los seres humanos y viceversa, desarrollar funciones y responsabilidades complementarias para cada una y rediseñar los procesos en consecuencia. AI a menudo requiere, por ejemplo, una nueva estructura, tanto centralizada como descentralizada, que puede ser difícil de implementar. Por último, las empresas deben adoptar las formas adaptativas y ágiles de trabajo y establecimiento de estrategias que son comunes en las empresas pioneras de Inteligencia Artificial.

Los ejecutivos deben identificar dónde la IA puede crear la ventaja más significativa y duradera. Deben definir las necesidades de sus clientes. La  AI puede ser un campo sexy, pero siempre tiene sentido volver a lo básico en la construcción de un negocio. Necesitan incorporar los avances tecnológicos. La mayoría de los desarrollos en IA generalmente involucran el ensamblaje y procesamiento de nuevas fuentes de datos y tomar decisiones parcialmente autónomas.

Deben crear una arquitectura holística que combine datos existentes con fuentes nuevas, incluso si vienen de fuera. Incluso los inexpertos pueden utilizar grandes conjuntos de datos.

Finalmente, deben descomponer procesos y ofertas en elementos relativamente rutinarios y aislados que pueden ser automatizados, aprovechando los avances tecnológicos y las fuentes de datos. Luego, volver a montarlos para satisfacer mejor las necesidades de sus clientes.

Cuando los hombres y las máquinas aprenden a trabajar juntos, el potencial de la IA alcanzará su máxima expresión.

 

COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

NO COMMENTS

DEJAR UN COMENTARIO