Inteligencia artificial archivos - Valuexperience
¿La retroalimentación con la IA requiere un toque humano?

¿La retroalimentación con la IA requiere un toque humano?

Las empresas deben elegir quien tiene la última palabra sobre el desempeño de los empleados: los humanos o las máquinas. Las herramientas digitales y tecnologías ahora están transformando cómo funciona la gestión del rendimiento. La retroalimentación personalizada y continua basada en datos se está convirtiendo en una nueva norma para las empresas de todo el mundo. Esta parece cualitativa y cuantitativamente superior a sus precursores de revisión de desempeño y debería conducir a mejores resultados. 

Según Bryan Hancock, socio de McKinsey & Co, afirma que “volver a poner al gerente en la gestión del rendimiento es una de las claves para que funcione, puede crear el mejor sistema del mundo con la mejor participación de los empleados pero si en los momentos clave, los gerentes no se hacen responsables, es un problema”. Especialmente desde Netflix, Google, Amazon, y otros innovadores digitales han personalizado exitosamente evaluaciones analíticas sofisticadas para sus usuarios.

Algunas empresas han encontrado que la inversión continua y la innovación en las capacidades de IA provocarán respuestas conflictivas. Igualmente, se destaca que cada vez más las organizaciones están descubriendo que deben elegir explícitamente si los humanos o las máquinas deben tener la última palabra sobre el rendimiento de las personas. Este proceso tiene tanto que ver con la transformación cultural como con la organizacional. Sin embargo, equilibrar productivamente la visión analítica con la interacción gerencial es un desafío. 

La revista de IBM ofrece un excelente estudio de caso para enfrentar estos desafíos de gestión del rendimiento. El liderazgo de recursos humanos de IBM rastrea explícitamente el impacto administrativo en la participación y los resultados de los empleados.

Si tienes una empresa, es importante que el gerente se comprometa porque sino las posibilidades de que su gente no se involucre es algo tres veces mayor. Toma esto como significativo: asegurarse de que los gerentes entiendan completamente la estrategia y estén completamente comprometidos, porque la productividad y confianza en el equipo cambiará.

El hecho de tener mucha IA en recursos humanos altera profundamente la relación entre gerentes y empleados. El software más inteligente ha reestructurado fundamentalmente las expectativas y la economía de la gestión del rendimiento de IBM. 

Los sistemas de IA comparables ofrecen soporte para la toma de decisiones con información procesable sobre la posible deserción y sugerencias sobre los niveles salariales apropiados para los empleados con habilidades altamente competitivas. Estos sistemas incluyen consejos de desarrollo profesional, programas de aprendizaje personalizados y Blue Matching (el sistema patentado de IBM que combina de manera inteligente a los candidatos con las vacantes de trabajo deseadas dentro de la empresa).

Jordan Birnbaum, vicepresidente y economista jefe de comportamiento de ADP, observó que empoderar a los gerentes y empleados se ha convertido en una parte importante del diseño de los sistemas de gestión del desempeño.

La tensión se vuelve obvia: ¿se le pide que siga una receta que lo hace a uno mucho mejor, una fuente de empoderamiento o desempoderamiento gerencial? Para los gerentes y para los empleados puede generar más confusión. Por ejemplo, ¿tendrían los gerentes la discreción de ignorar o alterar significativamente sus avisos basados en datos? La mayoría de los gerentes están agradecidos por los consejos analíticos contextualmente relevantes. Pero los consejos que deben seguirse ya no son consejos, es una compulsión.

A medida que las tecnologías de IA y aprendizaje automático mejoran las recetas administrativas se vuelven aún más específicas y explícitas. Esto lleva a una pregunta natural: ¿en qué punto tiene sentido, y ahorra dinero, simplemente pasar por alto al gerente como un sistema de entrega de comentarios y asesorar directamente al empleado?

¿Sabías que la IA te puede ayudar a conocer qué sienten tus empleados?

¿Sabías que la IA te puede ayudar a conocer qué sienten tus empleados?

Este podría ser un cambio enorme para ti. Por un lado, las emociones son difíciles de leer. Por otro lado, a menudo hay una desconexión entre lo que las personas dicen que sienten y lo que realmente sienten. 

Muchas empresas utilizan grupos focales y encuestas para comprender como se sienten las personas. Ahora, la tecnología de la inteligencia artificial emocional puede ayudar a las empresas a capturar reacciones emocionales en tiempo real, decodificando las expresiones faciales, analizando los patrones de voz, monitoreando los movimientos oculares y midiendo los niveles de inmersión neurológica, por ejemplo. El resultado final es una comprensión mucho mejor de sus clientes, e incluso de sus empleados. 

Hay que destacar que, debido a la naturaleza subjetiva de las emociones, la IA emocional es especialmente propensa al sesgo. Por lo tanto, es una orientación o dirección que toma un asunto. Por ejemplo, un estudio encontró que la tecnología de análisis emocional asigna más emociones negativas a personas de ciertas etnias que a otras.

La IA a menudo tampoco es lo suficientemente sofisticada como para comprender las diferencias culturales de expresión y la lectura de emociones, lo que dificulta la obtención de conclusiones precisas. Por ejemplo, una sonrisa podría significar una cosa en Alemania y otra en Japón. Confundir estos significados puede llevar a las empresas a tomar decisiones equivocadas.

Cuando la IA se usa para medir las emociones de los empleados, puede tener serios impactos sobre cómo se asigna el trabajo. Por ejemplo, los empleados a menudo piensan que están en el papel correcto, pero al intentar nuevos proyectos pueden encontrar que sus habilidades están mejor alineadas en otros lugares. 

Además, las empresas mejoran la capacidad de crear productos que se adapten a las emociones del consumidor ya que, con el seguimiento de emociones, los desarrolladores de productos pueden aprender qué características provocan la mayor emoción y compromiso de los usuarios. Por eso están brindando herramientas para ayudar a sus empleados a interactuar mejor con los clientes. 

Las ideas emocionales podrían usarse para aumentar la experiencia de aprendizaje en todas las edades. Podrías, por ejemplo, permitir a los maestros diseñar lecciones que estimulen la participación máxima, colocando la información clave en los picos de participación y cambiando el contenido en los canales. También ofrecer información sobre los propios estudiantes, ayudando a identificar quién necesita más atención. Por ejemplo, China ya está introduciendo sistemas de detección de emociones en las aulas para rastrear como de enfocados están los estudiantes.

A medida que más y más compañías incorporen IA emocional en sus operaciones y productos, será imperativo que seas conscientes del potencial de sesgo y que trabajen activamente para prevenirlo.

Ya sea por la naturaleza subjetiva de las emociones o por las discrepancias en las emociones, está claro que detectar emociones no es una tarea fácil. Algunas tecnologías son mejores que otras para rastrear ciertas emociones, por lo que combinar estas tecnologías podría ayudar a mitigar el sesgo.  

La IA emocional será una herramienta poderosa que obligará a las empresas a reconsiderar sus relaciones consumidores y empleados por igual. No solo ofrecerá nuevas métricas para comprender a las personas, sino que también redefinirá los productos tal como los conocemos. Pero a medida que las empresas incursionen en el mundo de la inteligencia emocional, la necesidad de evitar que los sesgos se filtren será esencial. No actuar dejará a ciertos grupos sistemáticamente más incomprendidos que nunca, muy lejos de las promesas ofrecidas por la IA emocional.

Usar altavoces inteligentes para interactuar con sus clientes

Innovación

Los altavoces inteligentes y los asistentes de voz representan una de las mejores oportunidades para que las empresas se involucren, interactúen y aprendan de sus clientes. Con más de una cuarta parte de los adultos estadounidenses (66,4 millones) que poseen altavoces inteligentes e interactúan regularmente con las marcas a través de asistentes de voz, ahora es el momento para que las empresas de todos los tamaños y en todos los segmentos comiencen a pensar en formas de aprovechar esta nueva tecnología para su ventaja.

Reducción de la fricción

Uno de los denominadores comunes entre las implementaciones exitosas de la tecnología de voz es la capacidad de reducir la fricción para el usuario. La fricción representa el tiempo y el esfuerzo que un usuario dedica a realizar una tarea. Por lo tanto, si se presenta la oportunidad de hacer una tarea específica más eficiente a través de la tecnología de voz en comparación con el método establecido, las empresas deberían aprovecharla.

Por ejemplo, las empresas pueden proporcionar a los clientes la posibilidad de programar una cita a través de Alexa. Los salones, estilistas, restaurantes, clínicas de atención médica y otras empresas basadas en citas pueden ofrecer a sus clientes la posibilidad de programar su próximo corte de pelo o reservar una mesa a través de un asistente de voz. En lugar de que el cliente tenga que llamar y hacer una reserva, pueden ejecutar la misma tarea con menos fricción a través de un simple comando de voz.

Las empresas también pueden reducir la fricción cuando se trata de encuestas. Muchos restaurantes de comida rápida, minoristas y tiendas familiares dirigen a sus clientes a través de un recibo de venta a una URL para completar una encuesta por voz. Las empresas pueden extender su marca de muchas maneras nuevas con la voz, como utilizando a su portavoz para emitir la encuesta en lugar de las voces genéricas y automatizadas típicamente asociadas con las encuestas.

Extendiendo la marca por voz

Los líderes empresariales deben preguntarse si la tecnología de voz es adecuada para su marca y, de ser así, descubrir cómo extender la marca de la empresa a una modalidad de voz.

Las habilidades de Alexa y las acciones de Google, que le permiten ampliar la funcionalidad incorporada de los dispositivos Alexa y Google Home, no se limitan a las marcas de consumo.

La tecnología de voz también representa una gran oportunidad para que las empresas se involucren e interactúen con otras empresas y clientes.

El compromiso es clave

Si bien las empresas pueden sentirse seguras de que sus clientes son accesibles a través de la tecnología de voz, simplemente crear una experiencia de voz no es suficiente. Tener una experiencia de voz es solo la mitad de la batalla. La comercialización exitosa de tu experiencia de voz es la otra mitad de la batalla.

Una vez que se ha desarrollado la experiencia de voz, el siguiente paso es hacer que los clientes conozcan la experiencia para finalmente generar compromiso.

Los especialistas en marketing deberían reconocer que la tecnología de voz presenta una curva de aprendizaje similar a la que encontraron con el marketing digital y las redes sociales. Así, deberán aprender los matices de la tecnología de voz mientras trabajan para implementarla en su estrategia general de comunicación y marketing. Las empresas pueden apoyarse en sus canales de comunicación existentes para aumentar la conciencia con los consumidores sobre las nuevas experiencias de voz que están disponibles para ellos a través de altavoces inteligentes.

Las empresas de todo tipo pueden comenzar determinando qué áreas de su oferta total presentan oportunidades para reducir la fricción y cómo extender efectivamente su marca de una manera genuina. Después de desarrollar sus experiencias de voz, las empresas deberán experimentar y trabajar para comprender la mejor manera de conducir a los clientes hacia las nuevas experiencias de voz que han creado, al hacer que el cliente sepa que estas experiencias de voz están diseñadas para ahorrarles tiempo y esfuerzo.

Aprende más en nuestro Curso de Orientación al Cliente en la Era Digital.

¿Cuál es tu estrategia cognitiva?

¿Cuál es tu estrategia cognitiva?

A los ojos de muchos líderes, la inteligencia artificial y las tecnologías cognitivas son las fuerzas más perturbadoras en el horizonte. Pero la mayoría de las organizaciones no tienen una estrategia para abordarlas.

La inteligencia artificial (AI) y las tecnologías cognitivas están creciendo, pero pocas compañías están obteniendo valor de sus inversiones. La razón es que muchos de los proyectos que emprenden las empresas no están destinados a problemas u oportunidades comerciales importantes. Algunos proyectos son simplemente demasiado ambiciosos: la tecnología no está lista o el cambio organizacional requerido es demasiado grande.

En resumen, la mayoría de las organizaciones no tienen una estrategia para las tecnologías cognitivas. Los gerentes pueden cuestionar si es necesario tener una estrategia para una tecnología específica, pero en el caso de la tecnología cognitiva la justificación parece clara.

El tamaño de la oportunidad y la amenaza disruptiva de las tecnologías cognitivas hace que la estrategia cognitiva sea diferente de otras estrategias tecnológicas, por ejemplo, el comercio electrónico. La tecnología cognitiva es transformacional. Impulsar el tipo de cambio organizacional generalizado que requerirá no será fácil, especialmente cuando se trata de implicaciones para la fuerza de trabajo. Las empresas deben considerar detenidamente qué tan audazmente darán un paso adelante en el mundo cognitivo y cuánto riesgo están dispuestos a asumir. Desarrollar una estrategia cognitiva coherente y un medio para financiarla puede brindar a las empresas una ventaja competitiva distinta. El primer paso crítico en este proceso es definir el propósito, los objetivos y los componentes clave de dicha estrategia. Nuestro objetivo es ayudarlo a establecer esta base en este artículo.

Cómo abordar la estrategia cognitiva

Hablando en términos generales, las tecnologías cognitivas emplean capacidades como el conocimiento, la percepción, el juicio y los medios para llevar a cabo tareas específicas, que alguna vez fueron dominio exclusivo de los humanos. La pregunta para los gerentes es dónde y cómo aplicarlos. ¿Deberías usarlos para crear nuevos productos u ofertas? ¿Para aumentar el rendimiento del producto? ¿Para optimizar las operaciones comerciales internas? ¿Para mejorar los procesos del cliente? ¿Liberar a los trabajadores para ser más creativos?

La forma en que las empresas aplican las tecnologías cognitivas debe basarse en los detalles de la estrategia de la empresa. El objetivo no es desarrollar una nueva estrategia comercial sino diseñar acciones bien informadas que se alineen con los objetivos comerciales existentes. Para muchas compañías, la estrategia cognitiva dará como resultado una serie de pruebas piloto, pruebas de concepto y despliegues de herramientas cognitivas en diversas partes del negocio. También proporcionará un mecanismo para volver a capacitar a los gerentes y empleados para dirigir y ejecutar un negocio impulsado por la cognición.

Un área obvia de interés es cómo usar la tecnología cognitiva para crear nuevas ofertas que respalden el crecimiento de primera línea. Además de los nuevos productos y servicios, la mayor personalización del cliente que surge de la tecnología cognitiva puede generar aumentos en los ingresos. La optimización de procesos, también, es un área fértil para soluciones cognitivas, gracias a la disponibilidad de datos y la ineficiencia inherente en muchos procesos intensivos en mano de obra.

Aunque algunas compañías han seguido estrategias cognitivas bastante estrechas, otras han sido más ambiciosas.

Palancas clave de la estrategia cognitiva

Aprovechar el contenido

Las empresas que poseen contenido patentado, ya sea de datos o conocimiento, deben buscar formas de incorporar ese contenido en sus productos y procesos, así como en un sistema cognitivo. Esto requiere encontrar o crear un “gráfico de conocimiento” que la compañía quiera licenciar o poseer. Esto es particularmente crítico para aplicaciones de procesamiento de lenguaje natural, como agentes inteligentes o chatbots. Un gráfico de conocimiento describe las relaciones entre las entidades clave y los términos utilizados en el negocio y en sus relaciones.

Las empresas deben pensar detenidamente antes de transferir la propiedad del contenido y los derechos de uso con respecto a los clientes y productos principales, o la información de proceso de propiedad, a otras organizaciones, incluso si los posibles usuarios pueden agregar un valor significativo a lo que reciben. A menos que la información se relacione con procesos tácticos como la administración o el mantenimiento de instalaciones, las compañías deben tratar su información como un bien corporativo valioso y buscar formas de agregar valor ellos mismos.

Componentes tecnológicos

La tecnología cognitiva no es una tecnología sino una colección de ellas. Incluye aprendizaje automático estadístico, redes neuronales y procesamiento y generación de lenguaje natural. Más allá de seleccionar tecnologías específicas, las empresas deben decidir si compilan o compran las capacidades, si utilizan software de código abierto o propietario, si usan las herramientas de un proveedor o emplean lo mejor de su clase, y si usan aplicaciones independientes o una amplia plataforma.

No hay respuestas correctas, solo decisiones sobre qué se alinea mejor con las capacidades de una organización, la estrategia comercial y la estrategia cognitiva general. Claramente, algunas empresas tienen más conocimiento sobre los poderes de la tecnología cognitiva que otras.

Si bien las capacidades de las tecnologías cognitivas están evolucionando rápidamente, cada plataforma necesita integración. Al elegir una plataforma, el criterio más importante debería ser si ayuda a abordar los tipos de problemas que desea resolver en el corto plazo. También debe asegurarse de que la tecnología que elija pueda ayudarle a resolver problemas cognitivos y le ayude a implementarlos en sistemas y procesos de producción.

Gente

Una pregunta clave para cualquier organización que busque perseguir iniciativas cognitivas es cómo encontrar personas que puedan hacer el trabajo. Las organizaciones han tenido problemas en los últimos años con preocupaciones similares sobre la búsqueda de analistas cuantitativos y científicos de datos. Las buenas noticias: un número cada vez mayor de graduados de universidades tienen amplia formación en análisis y ciencia de datos. Las malas noticias: no muchos de estos graduados han sido entrenados en tecnologías cognitivas o métodos específicos. Del mismo modo, hay una escasez de profesores que estén suficientemente familiarizados con las tecnologías cognitivas para enseñar sobre ellos, y muchos de los que tienen un profundo conocimiento han sido reclutados fuera del aula para trabajar para empresas de tecnología.

Sin embargo, las empresas necesitan acceso a personas con conocimiento de dominio profundo y conciencia de las tecnologías cognitivas: sin tal experiencia, las estrategias cognitivas de la organización no se basarán en ninguna de ellas. Quienes participan en la planificación estratégica de las tecnologías cognitivas deben estar familiarizados con los principales tipos de tecnología cognitiva, cómo pueden aplicarse y cómo pueden integrarse con otras tecnologías de la información. Deben poder comunicarse con los gerentes en términos no técnicos, y deben estar familiarizados con los asuntos clave del negocio y su dirección estratégica actual. También deben tener una comprensión de los dominios comerciales particulares a los que se aplicará la tecnología cognitiva.

Independientemente de la estrategia de personas que elija, puede ser útil comenzar con un programa de educación gerencial para los ejecutivos que finalmente tomarán decisiones estratégicas. De hecho, quizás el aspecto más importante de una estrategia de personas es ayudar a los altos ejecutivos y a los líderes de las unidades de negocios a reconsiderar cómo las empresas trabajarán con la tecnología cognitiva. Aunque las empresas deberían preocuparse por cómo desarrollarán aplicaciones cognitivas, también necesitan personas con habilidades de análisis empresarial y la capacidad de enmarcar los problemas comerciales para identificar qué tecnologías son apropiadas para abordarlas. Las habilidades de pensamiento de diseño juegan un papel importante también, tanto para las interfaces de usuario como para los procesos de negocios en los que se aplicarán las tecnologías cognitivas.

Ambiciones

Finalmente, está la cuestión de qué tan ambicioso deberías ser. Algunas organizaciones persiguen iniciativas muy ambiciosas que tienen el potencial de cambiar las reglas del juego. Otros eligen objetivos más modestos: agregar un agente inteligente como un nuevo canal experimental para los clientes o automatizar un conjunto de tareas.

No hay una respuesta correcta para la cuestión de la ambición. Dicho esto, hay pocos ejemplos de organizaciones que hayan tenido éxito en producir transformaciones radicales con tecnologías cognitivas, mientras que hay muchos ejemplos de organizaciones que persiguen con éxito “frutas fáciles de alcanzar”.

La tecnología cognitiva no es una moda pasajera. A los ojos de muchos gerentes, es la tecnología más perjudicial en el horizonte. Los inversores parecen estar de acuerdo. Los líderes deben comenzar a sentar las bases de sus estrategias cognitivas y comenzar a implementar tecnologías cognitivas, o arriesgarse a quedarse atrás.

Las empresas deben esperar que sus competidores establecidos eventualmente adopten tecnologías cognitivas, y estén conscientes de que muchos lo están haciendo ahora. Sin embargo, una amenaza mayor puede provenir de jugadores centrados en la tecnología que no tienen miedo de desarrollar modelos de negocios en torno a la tecnología. Las empresas deben prepararse para una ola de amenazas similares de nuevas empresas basadas en la tecnología cognitiva desde cero. Las empresas que ignoran el poder de estas tecnologías y los procesos y modelos comerciales que permiten se verán en una desventaja considerable a medida que avancemos rápidamente hacia un mundo cognitivamente habilitado.

Habilidades

Si te interesa esta temática te recomendamos visites los siguientes posts:

– Las tres estrategias paar gestionar la Transformación Digital

– Construyendo la empresa inteligente

Humanos, inteligencia artificial y el “machine learning”

Humanos, inteligencia artificial y el “machine learning”

La colaboración con los humanos es esencial cuando se trata de implementar aprendizaje automático.

Empresas de todo tipo están adoptando sistemas de inteligencia artificial (IA) y de aprendizaje automático a un ritmo acelerado. La IA se está aplicando a una variedad de tareas como calificar aplicaciones de hipotecas, detectar indicios de problemas en las líneas eléctricas o ayudar a los conductores a navegar utilizando datos de ubicación de los teléfonos inteligentes.

Pero las empresas están aprendiendo de la peor manera que desarrollar e implementar sistemas de IA y de aprendizaje automático no es como implementar un programa de software estándar. Lo que hace que estos programas sean tan poderosos, su capacidad de “aprender” por sí mismos, también los hace impredecibles e inminentemente capaces de cometer errores que pueden dañar el negocio.

El reto de la Inteligencia Artificial: es susceptible a sesgos aprendidos

Con frecuencia escuchamos historias de casos de Inteligencia Artificial que salieron mal, situaciones que pueden tener serias consecuencias comerciales. Cuando se usaba la inteligencia artificial en las aplicaciones de oficina, la posibilidad de sesgo que se arrastraba era limitada, y también lo era el daño potencial. Ahora, la Inteligencia Artificial se usa tanto en soporte de decisiones de gestión como en aplicaciones orientadas a los clientes. Las empresas corren el riesgo de dañar la reputación y la vida de las personas, realizar giros estratégicos equivocados, ofender a los clientes y perder ventas. Con ello, el costo de los errores de IA está aumentando.

La lección aquí es que los sistemas de IA, a pesar de sus asombrosos poderes, aún necesitan de una intervención humana continua para evitar problemas y hacer mejor su trabajo. De hecho, las empresas están descubriendo que obtienen el máximo provecho de las inversiones en inteligencia artificial y otras herramientas de automatización cuando piensan en términos de que los seres humanos y las máquinas trabajen conjuntamente, en vez de dividir el trabajo entre humanos y máquinas y dejar que las máquinas funcionen independientemente.

Cuando se instala un software convencional, los desarrolladores humanos establecen los procedimientos y las reglas. Por el contrario, un sistema de IA desarrolla sus propias reglas a partir de patrones en los datos que está procesando. Y, como algunas empresas han aprendido, los sistemas de IA pueden equivocarse.

Tres principios para adoptar la IA exitosamente

Antes de introducirse en los sistemas de IA, las compañías deberían considerar tres principios que pueden mejorar las oportunidades de éxito:

    1. Humanos y máquinas están en esto juntos. La asistencia humana es necesaria para enseñar y monitorear los sistemas de IA de manera adecuada y evitar que lleguen a “terrenos peligrosos” con el paso del tiempo. Pero este no es un trabajo único para los departamentos de IT, sino que requiere de ambas partes, tanto técnica como empresarial.
    1. Enseña con (muchos) datos. Los sistemas de IA aprenden encontrando patrones en datos de entrenamiento gracias a diversos algoritmos. Por lo general, esto se hace con datos históricos e implica experimentar con diferentes modelos. Los modelos entrenados se evalúan estadísticamente y el modelo de mejor rendimiento se selecciona para implementarse en producción. Esto significa que la IA tiene mucho que aprender. La capacitación puede ser laboriosa desde el principio, pero con una metodología bien estructurada para desarrollar datos de capacitación imparciales, el tiempo de capacitación del sistema de inteligencia artificial puede reducirse en un 50%.
  1. Pon a prueba los resultados continuamente. Con los programas de IA, las pruebas no solo son críticas antes del lanzamiento, sino que también se convierten en una rutina constante. Los gerentes deben estar seguros de que el sistema entregará información precisa de una variedad de datos. Las pruebas de softwares tradicionales están determinadas: solo necesitan probar un número finito de escenarios; una vez que el programa ha sido probado para todos los escenarios posibles se garantiza que funcionará. Pero con la Inteligencia Artificial y el aprendizaje automático, no pueden predecirse todos los escenarios. Debe supervisarse y probarse continuamente el sistema para detectar los sesgos de datos, así como los sesgos que se desarrollan en los algoritmos que utilizan los programas para emitir juicios.

La nueva norma: enseñar, probar y trabajar con usuarios finales

Implementar IA eficazmente requiere una nueva concepción de cómo se desarrolla, instala y mantiene el software. Enseñar, probar y trabajar con usuarios finales de salidas de IA debe convertirse en una forma de vida, permitiendo que los sistemas de IA operen continuamente de manera más responsable, precisa y transparente, y permitiendo a las empresas crear nuevos trabajadores colaborativos y poderosos.

Transformación Digital

Si te interesa la temática te recomenadmos que visites los siguientes posts:

– Aprendizaje en Inteligencia Artificial: ¿es suficientemente impredecible?

– Inteligencia Artificial, en 2030 superará a la mente humana

– La Inteligencia Artifial y el Machine Learning de la mano con el Big Data

Aprendizaje en Inteligencia Artificial: ¿es suficientemente impredecible?

Aprendizaje en Inteligencia Artificial: ¿es suficientemente impredecible?

Si los algoritmos de Inteligencia Artificial (IA) han de responder de manera efectiva en situaciones de la vida real, es necesario que los desarrolladores consideren los impulsos más oscuros de la humanidad.

En numerosas ocasiones nos llegan noticias que involucran máquinas e Inteligencia Artificial. En las Vegas, por ejemplo, ocurrió que un trasbordador autónomo estuvo involucrado en una colisión menor. ¿Se trata de una “victoria” para los humanos frente a las máquinas? Por entonces, muchos medios jugaron la carta de “la máquina tiene la culpa”, pero si analizamos lo que paso, el vehículo eléctrico autónomo reconoció al camión contra el que iba a colisionar y se detuvo para evitar el accidente, mientras que la persona que conducía el camión no. “Victoria” a favor de la Inteligencia Artificial, entonces.

Este es uno de muchos ejemplos que ilustran el desafío que se plantea en la interacción entre IA y humano. Los sistemas suelen configurar en contextos sin “actores malvados”, dónde los jugadores tienen todos buenas intenciones y siguen las reglas.

Lo que este ejemplo deja claro es que pensar en actores bien intencionados no es suficiente. De esta manera, la primera ley de la robótica no puede quedarse en “un robot no puede dañar a un ser humano“, sino que debe incluir “o, a través de la inacción, permite que un ser humano sufra daños“.

El núcleo del problema está en la transparencia: información perfecta versus información imperfecta. Al pensar en la interacción entre humanos y máquinas desde la perspectiva de la teoría de juegos, la información cambia radicalmente los juegos. El dilema del prisionero es interesante si ambos presos no saben lo que el otro hará, es decir, ambos tienen información imperfecta. Si un prisionero tiene información perfecta, es decir, sabe lo que hará el otro prisionero (con información imperfecta), entonces el dilema ya no existe (al menos para el que tiene información perfecta). Del mismo modo, si los seres humanos saben lo que hará la Inteligencia Artificial, pero los sistemas de Inteligencia Artificial tienen información imperfecta, entonces estamos creando un escenario que juega con las debilidades de Inteligencia Artificial.

No debemos dejar que la preocupación por la conducción autónoma y las semejanzas humanoides nos distraiga de los efectos más mundanos, pero potencialmente más transformadores, de la inteligencia artificial en los negocios. Si bien no hay nada malo con las fascinantes aplicaciones de la Inteligencia Artificial, los gerentes deben aprender de ellas, no solo quedarse boquiabiertos. El ejemplo del transbordador ilustra cómo los actores inmorales en un juego pueden hacer que el otro lado siempre pierda.

La Inteligencia Artificial podría ser excelente para derrotar a los campeones de juegos humanos. Pero fuera de estos juegos, en situaciones de la vida real, se la pueden jugar. Los diseñadores de estos sistemas de IA deben pensar en la manera en que los actores inconscientes pueden jugar con estas máquinas. Esta ronda de enfrentamientos entre IA y humanos durará mucho más que el tiempo que lleva realizar una reparación simple a un guardabarros.

Transformación Digital

Si estás interesado en la temática de Inteligencia Artificial y automatización te recomendamos estos tres posts:

– La Inteligencia Artificial, en 2030 superará la mente humana 

– La Inteligencia Artificial y Machine Learning de la mano con el Big Data

– Las oportunidades de la Inteligencia Artificial