La inteligencia artificial está casi lista para los negocios

Inteligencia artificial ( AI) es una idea que ha oscilado a lo largo de muchos ciclos de bombo a lo largo de muchos años, ya que científicos y visionarios de la ciencia ficción han declarado la inminente llegada de las máquinas pensantes. Pero parece que ahora estamos en un verdadero punto de inflexión. IA, sistemas expertos y inteligencia empresarial llevan décadas con nosotros, pero esta vez la realidad casi coincide con la retórica, impulsada por el crecimiento exponencial de las capacidades tecnológicas (por ejemplo, Ley de Moore), motores de análisis más inteligentes y el aumento de los datos.

La mayoría de la gente ya conoce la historia de los Big Data: la proliferación de sensores (los» Internet de las cosas») está acelerando el crecimiento exponencial de los datos «estructurados». Y ahora, además de esa explosión, también podemos analizar datos «no estructurados», como texto y vídeo, para recopilar información sobre la opinión de los clientes. Las empresas han utilizado la analítica para extraer información de los nuevos datos disponibles a fin de impulsar la eficiencia y la eficacia. Por ejemplo, las empresas ahora pueden utilizar la analítica para decidir qué representantes de ventas deben obtener qué clientes potenciales, a qué hora del día ponerse en contacto con un cliente y si deben enviarle un correo electrónico, un mensaje de texto o llamarlo.

Esta extracción de información digitalizada se ha hecho más eficaz y potente a medida que se «etiqueta» más información y los motores de análisis se han hecho más inteligentes. Como Darío Gil, director de Sistemas Cognitivos Simbióticos de IBM Research, me dijo:

«Los datos se etiquetan y clasifican cada vez más en la Web. A medida que las personas suben y utilizan datos, también contribuyen a la anotación a través de sus comentarios y huellas digitales. Estos datos anotados facilitan en gran medida el entrenamiento de los algoritmos de aprendizaje automático sin exigir que los expertos en aprendizaje automático catalogen e indexen el mundo manualmente. Gracias a los ordenadores con un paralelismo enorme, podemos utilizar el equivalente al crowdsourcing para aprender qué algoritmos crean mejores respuestas. Por ejemplo, cuando el ordenador Watson de IBM tocó «Jeopardy! , ‘ el sistema utilizaba cientos de motores de puntuación y todas las hipótesis se alimentaban a través de los diferentes motores y se puntuaban en paralelo. A continuación, sopesó los algoritmos que mejor funcionaban para dar una respuesta final con precisión y confianza».

Más allá de los Quants

Curiosamente, durante mucho tiempo, hacer análisis detallados ha requerido bastante mano de obra y personal. Necesita «cuantitativos», los matemáticos e ingenieros con conocimientos estadísticos que crean modelos que dan sentido a los datos. Como profesor de Babson y experto en análisis Tom Davenport me explicó que, tradicionalmente, los humanos son necesarios para crear una hipótesis, identificar las variables relevantes, crear y ejecutar un modelo y, luego, iterarlo. Cuantías normalmente puede crear uno o dos buenos modelos a la semana.

Sin embargo, las herramientas de aprendizaje automático para datos cuantitativos (quizás la primera línea de la IA) pueden crear miles de modelos a la semana. Por ejemplo, en la compra programática de anuncios en la Web, los ordenadores deciden qué anuncios deben publicarse en qué ubicaciones de los editores. Los enormes volúmenes de anuncios digitales y un flujo interminable de datos de flujo de clics dependen del aprendizaje automático, no de las personas, para decidir qué anuncios web colocar y dónde. Firmas como XU de datos utilice el aprendizaje automático para generar hasta 5000 modelos diferentes a la semana y tomar decisiones en menos de 15 milisegundos, de modo que puedan colocar con mayor precisión los anuncios en los que probablemente haga clic.

Tom Davenport:

«Al principio pensé que la IA y el aprendizaje automático serían fantásticos para aumentar la productividad de los seres humanos. Una de las cosas que hacen los cuantitativos humanos, que el aprendizaje automático no hace, es entender lo que incluye un modelo y darle sentido. Eso es importante para convencer a los directivos de que actúen en función de los conocimientos analíticos. Por ejemplo, una visión analítica temprana en Farmacia Osco descubrió que la gente que compraba cerveza también compraba pañales. Pero como esta visión era contraria a la intuición y la descubrió una máquina, no hicieron nada con ella. Pero ahora las empresas necesitan una mayor productividad de la que los humanos pueden abordar o comprender. Tienen modelos con 50 000 variables. Estos sistemas están pasando de aumentar a las personas a automatizar las decisiones».

En los negocios, el crecimiento explosivo de datos complejos y urgentes permite tomar decisiones que pueden darle una ventaja competitiva, pero estas decisiones dependen de que se analicen a una velocidad, un volumen y una complejidad demasiado altos para las personas. La IA está llenando este vacío a medida que se arraiga en la infraestructura de la tecnología analítica en sectores como la sanidad, los servicios financieros y los viajes.

El uso creciente de la IA

IBM lidera la integración de la IA en la industria. Ha realizado una inversión de mil millones de dólares en IA a través del lanzamiento de su IBM Watson Group y ha realizado muchos avances y publicado investigaciones en las que se promociona el auge de la «computación cognitiva», la capacidad de ordenadores como Watson para entender palabras («lenguaje natural»), no solo números. En lugar de llevar las capacidades de vanguardia desarrolladas en sus laboratorios de investigación al mercado como una serie de productos, IBM ha optado por ofrecer una plataforma de servicios con la marca Watson. Se trata de trabajar con un ecosistema de socios que desarrollan aplicaciones y aprovechan las capacidades dinámicas de aprendizaje y computación en nube de Watson.

La mayor aplicación de Watson ha sido en el cuidado de la salud. Watson sobresale en situaciones en las que necesita unir enormes cantidades de información textual dinámica y compleja (como el cuerpo de la literatura médica en constante cambio) y otra masa de información textual dinámica y compleja (como los registros de los pacientes o datos genómicos), para generar y evaluar hipótesis. Con la formación, Watson puede ofrecer recomendaciones de tratamientos para pacientes específicos. Muchos centros médicos académicos prestigiosos, como La clínica de Cleveland, La Clínica Mayo, Doctor Anderson y Memorial Sloan-Kettering están trabajando con IBM para desarrollar sistemas que ayuden a los proveedores de atención médica a entender mejor las enfermedades de los pacientes y a recomendar tratamientos personalizados. Ha demostrado ser un dominio difícil de automatizar y la mayoría de los proyectos están retrasados.

Otra gran área de aplicación de la IA es en los servicios financieros. Mike Adler, líder mundial de servicios financieros de The Watson Group, me dijo que tienen 45 clientes que trabajan principalmente en tres aplicaciones: (1) un «agente virtual digital» que permite a los bancos y compañías de seguros captar a sus clientes de una manera nueva y personalizada, (2) un «asesor patrimonial» que permite la planificación financiera y la gestión del patrimonio, ya sea de autoservicio o en combinación con un asesor financiero, y (3) la gestión del riesgo y el cumplimiento.

Por ejemplo, EE. UU., el proveedor de servicios financieros de 20 000 millones de dólares para personas que sirven o han prestado servicio en el ejército de los Estados Unidos, utiliza Watson para ayudar a sus miembros a pasar de la vida militar a la vida civil. Neff Hudson, vicepresidente de canales emergentes de la USAA, me dijo: «Siempre queremos ayudar a nuestros miembros y no hay nada más importante que ayudar a las más de 150 000 personas que abandonan el ejército cada año. Su seguridad financiera se reduce cuando dejan el ejército. Estamos intentando utilizar un agente virtual para intervenir y ser más productivos para ellos». USAA también utiliza la IA para mejorar la navegación en su popular aplicación móvil. El asistente virtual mejorado, o Eva, permite a los miembros realizar 200 transacciones con solo hablar, incluidas las transferencias de dinero y el pago de facturas. «Mejora la búsqueda y responde con una voz similar a la de Siri. Pero esta es una versión 1.0. Nuestro siguiente paso es crear un agente virtual que sea capaz de aprender. La mayor parte de nuestro valor está en mover el dinero el día a día para nuestros miembros, pero hay muchas cosas únicas que podemos hacer y que ocurren con menos frecuencia con nuestros 140 productos. Nuestro objetivo es ser el agente financiero personal de nuestros miembros para toda nuestra gama de servicios».

Además de trabajar con empresas grandes y establecidas, IBM también ofrece las capacidades de Watson a las empresas emergentes. IBM ha reservado 100 millones de dólares para inversiones en empresas emergentes. Una de las empresas emergentes que aprovecha Watson es WayBlazer, una nueva empresa de planificación de viajes dirigida por Terry Jones, fundador de Travelocity y Kayak. Me dijo:

«He dedicado toda mi carrera a los viajes y la TI. Empecé como agencia de viajes y venía gente y les enviaba una carta en un par de semanas con un plan para su viaje. El sistema de reservas Sabre mejoró el proceso al automatizar el canal entre las agencias de viajes y los proveedores de viajes. Luego, con Travelocity, conectamos a los viajeros directamente con los proveedores de viajes a través de Internet. Luego, con Kayak, volvimos a ascender en la cadena y ofrecimos ofertas en todos los sistemas de viaje. Ahora, con WayBlazer tenemos un sistema que trata las palabras. Nadie ha ayudado a las personas con una herramienta para soñar y planificar sus viajes. Nuestra misión es facilitar las cosas y dar a las personas varias respuestas personalizadas a un viaje complicado, en lugar de los millones de pistas que ofrecen las búsquedas hoy en día. Esta nueva tecnología puede sacar los datos de todos los silos y pozos oscuros que las empresas ni siquiera saben que tienen y utilizarlos para ofrecer un servicio personalizado».

Qué sigue

A medida que avanza la Ley de Moore, tenemos más potencia en nuestros teléfonos inteligentes que los superordenadores más potentes de hace 30 o 40 años. Ray Kurzweil ha pronosticado que la potencia de cálculo de un ordenador de 4.000 dólares superará a la de un cerebro humano en 2019 (20 cuatrillones de cálculos por segundo). ¿Qué significa todo esto para el futuro de la IA?

Para hacerme una idea, hablé con algunos capitalistas de riesgo, cuya profesión es mantener la vista y la mente puestas en el futuro. Mark Gorenberg, director general de Zetta Venture Partners, que se centra en invertir en empresas emergentes de análisis y datos, me dijo: «Históricamente, la IA no estaba arraigada en la estructura tecnológica. Ahora podemos basarnos en ideas e infraestructuras que no existían antes. Hemos pasado por el cambio del Big Data. Ahora vamos a añadir el aprendizaje automático. La IA no lo es todo; es una tecnología integrada. Es como tomar una aplicación y ponerle un cerebro, utilizar el aprendizaje automático. Es el uso de la computación cognitiva como parte de una aplicación». Otro veterano capitalista de riesgo, Promod Haque, socio gerente sénior de Norwest Venture Partners, me explicó: «Si puede hacer que las máquinas automaticen las correlaciones y creen los modelos, ahorra mano de obra y aumenta la velocidad. Con herramientas como Watson, muchas empresas pueden realizar diferentes tipos de análisis de forma automática».

Manoj Saxena, exdirector de la empresa Watson de IBM y ahora capitalista de riesgo, cree que la analítica se está trasladando a la «nube cognitiva», donde se fusionarán enormes cantidades de datos propios y de terceros para ofrecer análisis y aprendizaje en tiempo real. Las empresas suelen tener dificultades para integrar la IA y la tecnología analítica, especialmente con la tecnología que avanza tan rápido; por lo tanto, ve que se forman colaboraciones en las que las empresas aportan a su personal conocimientos del dominio y los proveedores de servicios emergentes aportan personal y tecnología de sistemas y análisis. Escala cognitiva (una empresa emergente en la que Saxena ha invertido) es uno de los nuevos proveedores de servicios que añade más inteligencia a los procesos y aplicaciones empresariales a través de un modelo que denominan «Cognitive Garages». Con su «método 10-10-10», despliegan una nube cognitiva en 10 segundos, crean una aplicación activa en 10 horas y la personalizan con los datos de sus clientes en 10 días. Saxena me dijo que la empresa está creciendo muy rápido.

Llevo años rastreando la IA y los sistemas expertos. Lo que más llama la atención ahora es su auténtica integración como un importante acelerador estratégico del Big Data y la analítica. Aplicaciones como Eva de EE. UU., los sistemas de salud que utilizan Watson de IBM y WayBlazer, entre otras, están teniendo un enorme impacto y están abriendo el camino a la próxima generación de IA.