DF Lab/ La ilusión de la inteligencia artificial

¿Big data? ¿Machine learning? ¿Data mining? ¿Deep learning? ¿Data Science? ¿Redes neuronales?...

Desde hace un tiempo, cada vez es más común escuchar estos conceptos que hacen alusión a distintas tecnologías que usan Inteligencia Artificial, ya sea de manera directa o indirecta.

No cabe duda que estas herramientas y algoritmos significan grandes avances en cuanto a los resultados que podemos esperar de un computador: capacidad de aprendizaje, distinción de situaciones o resolución de problemas. Tareas que antes eran propias del ser humano hoy en día los modelos de inteligencia artificial las resuelven con éxito, pisándonos los talones en cuanto a precisión y nos superan ampliamente en velocidad. Pero, ¿este es el tipo de herramientas que la mayoría de las empresas necesita en la actualidad para ser más eficientes?

En la columna anterior escribí sobre la necesidad y carencia de capital humano para sacar el máximo provecho que las tecnologías ponen a nuestra disposición. En esta ocasión, supongamos que la empresa ya cuenta con ciertas tecnologías y capacidad humana para aprovecharla, la duda que surge es la siguiente: ¿es la inteligencia artificial el siguiente paso que una organización debe dar en términos de transformación digital?

En la gran mayoría de los casos las soluciones de Inteligencia Artificial no aplican para la realidad de la empresa en Chile. Los problemas son más básicos y se pueden resolver con softwares que conocemos desde hace años, pero que aún no somos capaces de utilizar de manera eficiente.

En mis años de experiencia como consultor en el mundo de las tecnologías de la información, he visto cómo el marketing ha posicionado estos conceptos en las mentes de profesionales, gerentes y directores de empresas; transformándose en un arma de doble filo peligrosa. Por un lado, es notable la prioridad que se le da a este tipo de proyectos y el nivel de consciencia sobre la capacidad de estas herramientas para apoyar a las empresas en su operación. Por el otro, no existe en las compañías un conocimiento acabado ni una percepción real de cuáles son los casos o requisitos para implementar un proyecto de Inteligencia Artificial y que éste sea exitoso.

La necesidad de implementar este tipo de iniciativas, ya sea genuina del equipo de trabajo o (como sucede muchas veces) impuesta por la dirección de la empresa, me ha llevado a escuchar cada vez con más frecuencia afirmaciones del tipo: "necesito big data", "quiero un proyecto de inteligencia artificial" u otras similares. Sin embargo, la reflexión debiera enfocarse en el problema y no en la solución. Nadie necesita big data de por sí.

Por ejemplo, para que se justifique la implementación de un proyecto de big data, es necesaria analizar la presencia de las 5V: volumen, velocidad, variedad, veracidad y valor de los datos. No obstante, son pocas las organizaciones que cumplen con estos requisitos, exceptuando algunas del área de telecomunicaciones, transacciones bancarias o cadenas de supermercados.
Debido a lo anterior, en muchos casos, se termina "matando una hormiga con una bazuca". La presión de implementar estas tecnologías hace que las empresas malgasten recursos en proyectos que podrían ser abordados de manera mucho más simple, rápida y barata, obteniendo los mismos resultados.

No se debe caer en la tentación de aplicar Inteligencia Artificial sólo por posicionarse en el ranking de empresas vanguardistas. Antes de tomar esta decisión, las organizaciones deben evaluar los objetivos, alcance y realidad de cada proyecto, después de ese proceso, sabrán si una inversión como ésta, realmente se justifica.

Tal vez no sea igual de fancy presentar al Directorio la nueva herramienta de estimación de costos, desarrollada en Excel versus otra hecha en TensorFlow, que compute todo en cloud. Personalmente, considero que, si la primera opción es más barata, simple de aprender, más fácil de mantener y se obtienen los mismos resultados que con la segunda... no hay por dónde perderse.