Cómo utilizan 3 empresas la IA para imitar el juicio de los expertos

Puede que no haya oído hablar de sistemas expertos, pero ya se utilizan en muchos campos, incluidos el diagnóstico de fallos, las finanzas y la medicina. En inteligencia artificial (IA), un sistema experto es un programa de ordenador que imita la capacidad de toma de decisiones de un experto humano. Estos sistemas están diseñados para abordar problemas complejos mediante el razonamiento a través de amplias bases de conocimiento, utilizando principalmente reglas de «si es entonces» en lugar de la programación procedimental tradicional.

Sin embargo, hasta hace poco no han tenido el impacto generalizado esperado en la toma de decisiones de la dirección. Una de las razones es que los contextos de gestión cambian mucho más que en otras aplicaciones. Ahora, debido a los cambios en la tecnología y la IA, los sistemas expertos son cada vez más potentes. Pueden captar la experiencia humana real con el nivel de flexibilidad y adaptabilidad requerido.

Aquí explicamos cómo la IA avanzada facilita la transferencia de experiencia de los humanos a las máquinas y de vuelta a los humanos como nunca antes. Examinamos tres casos en los que esto ha ocurrido y sugerimos cómo estos avances en la tecnología podrían aumentar la eficacia de su toma de decisiones estratégicas para mejorar la competitividad.

Evaluación de las oportunidades de inversión de alta rentabilidad

Una organización alemana de capital riesgo a la que llamaremos Bavaria Ventures siempre busca empresas emergentes atractivas desde el punto de vista financiero. Sin embargo, como explica Josef, uno de los socios comerciales: «Hemos visto un crecimiento de dos dígitos en el número de solicitudes que recibimos por analista». Esto ha ejercido presión sobre la empresa, ya que el proceso de toma de decisiones implica investigar cada solicitud. «Lleva mucho tiempo y es complejo», continúa Josef. «Hay que tener en cuenta numerosos factores contextuales y el juicio personal basado en la experiencia desempeña un papel importante. Pero el enorme volumen de solicitudes significa que debemos delegar la evaluación de la primera fase en los analistas jóvenes».

[

Insight Center Collection

Collaborating with AI

How humans and machines can best work together.

](/insight-center/collaborating-with-ai)

El problema es que los analistas jóvenes simplemente no tienen la experiencia necesaria para detectar a un posible ganador y, a menudo, pasan por alto las buenas propuestas. Esto ocurre incluso cuando siguen el modelo de toma de decisiones definido por los socios directores de Bavaria Ventures.

Qué hizo la empresa: Bavaria Ventures quería evaluaciones más rápidas y precisas de las empresas emergentes basándose en lo que sus socios directores consideraban más prometedores. En lugar de seguir formando a analistas jóvenes con la esperanza de que transfirieran la plantilla de toma de decisiones de la empresa a evaluaciones precisas, Bavarian Ventures se dedicó a crear un sistema experto híbrido al que denominó AI-4-VC. «El primer paso», dice Josef, «fue acudir a una universidad en busca de ayuda para desarrollar una solución que facilitara una clasificación más rápida y precisa de las aplicaciones de las empresas emergentes». Se diseñó para imitar la forma en que un socio gerente experimentado de Bavaria Ventures evaluó el atractivo de una startup en la primera ronda.

Según Josef, la herramienta se desarrolló mediante una combinación de aprendizaje automático (específicamente, un» bosque aleatorio» algoritmo que utiliza árboles de decisión para hacer predicciones) y aprendizaje profundo en forma de procesamiento del lenguaje natural. Explicó cómo funciona. «La solución clasifica las aplicaciones según su ajuste a lo que buscamos. Un analista sénior revisa periódicamente los resultados para ver si quiere anular el algoritmo. Si el analista sénior lo hace, el algoritmo lo tiene en cuenta y se ajusta la ponderación de los criterios. El sistema experto implementa cualquier cambio en las preferencias de los socios directores casi en tiempo real».

Resultados: Tras un período, el AI-4-VC sustituyó a algunos de los analistas jóvenes y minimizó el tiempo dedicado a aplicaciones poco adecuadas. Esto ayudó a Bavaria Ventures a responder más rápido a las solicitudes de las empresas emergentes con el potencial más prometedor. También descubrieron que su solución AI-4-VC era precisa incluso con conjuntos de datos de aplicaciones de tamaño relativamente pequeño.

Cómo hacerlo usted mismo: Un profesional con conocimientos básicos de aprendizaje automático será capaz de crear un sistema como este. Las principales empresas de tecnología ofrecen ahora plataformas que facilitan la combinación del aprendizaje automático con el procesamiento del lenguaje natural (PNL) para crear su propio sistema experto. Si busca flexibilidad y escalabilidad, plataformas como Plataforma de IA Google Cloud, Amazon SageMaker, o Aprendizaje automático de Azure son excelentes opciones. Para crear prototipos más rápido o si se centra en la PNL, herramientas como Cara abrazada o Colab Lo más probable es que le queden mejor.

Hacer frente a las excesivas demandas de los clientes

Una empresa india de análisis de datos satelitales a la que llamaremos Sat Vista Analytics ofrece «inteligencia de decisiones desde el espacio». Como describe Rohan, director de tecnología de la empresa: «Proporcionamos resultados para que los bancos evalúen los posibles préstamos a los pequeños agricultores teniendo en cuenta cuánto es probable que gane cada agricultor. También ayudamos a las agroempresas a establecer contratos y fijar los precios de sus propios productos [cacao, arroz, trigo] en función del rendimiento probable de las cosechas».

Sin embargo, Sat Vista Analytics tiene problemas con la sobrecarga provocada por la cantidad de análisis que exigen sus clientes. Estos análisis requirieron que los especialistas en teledetección de la empresa realizaran varias tareas, desde el preprocesamiento de datos y el análisis de firmas espectrales hasta la interpretación de los índices de vegetación.

Qué hizo la empresa: Los ejecutivos de la empresa analizaron la situación y decidieron que la automatización de procesos clásica basada en reglas fijas no funcionaría. Así que, como explica Rohan, «decidimos crear ‘avatares de análisis’», que son clones basados en la IA de sus mejores especialistas. Esto implicó supervisar las prácticas de análisis de datos de los mejores especialistas en teledetección de la empresa y convertir estos patrones de comportamiento en un conjunto de reglas (algoritmos).

Pero lo que es más importante, los algoritmos se basaban en observar las decisiones de procesamiento de datos del especialista, no en las reglas dictadas por el propio especialista. Eso se debe a que la gente no suele ser muy buena a la hora de explicar cómo toma decisiones. Rohan explicó cómo funciona esto. «En lugar de preguntar a cada especialista sobre sus formas preferidas de tratar, analizar e interpretar los datos satelitales para crear una serie de recomendaciones, supervisamos lo que cada especialista hacía realmente con los diferentes conjuntos de datos». El avatar del análisis comenzó con un enfoque simple basado en el aprendizaje automático y siguió haciéndose más complejo a medida que se recopilaban más puntos de datos sobre el comportamiento de los especialistas.

Resultados: Hoy en día, los avatares de análisis pueden imitar el comportamiento de tratamiento de datos de los mejores especialistas en teledetección de la empresa con un nivel de precisión, recuperación y precisión que cumple con las exigencias de las aplicaciones más simples. Esto ha hecho que los especialistas en humanos se centren en tareas nuevas o más complicadas. Además, los especialistas en teledetección sin experiencia que se unan a la empresa recién salidos de la universidad pueden aprender las mejores prácticas de la empresa sin distraer a sus expertos humanos.

Cómo hacerlo usted mismo: Busque las plataformas de IA existentes que permitan a los modelos de IA capturar y replicar automáticamente los patrones de toma de decisiones de los expertos mediante la observación. Su plataforma ideal debería soportar el aprendizaje continuo y el procesamiento de datos en tiempo real. Esto permitirá que su sistema de IA evolucione a medida que se recopilen nuevos datos y, por lo tanto, tome decisiones inteligentes basadas en el comportamiento de los expertos sin depender de reglas predefinidas.

Mejorar las capacidades de I+D para obtener una ventaja competitiva

Una empresa australiana que llamaremos Be Smarter quería mejorar las habilidades de resolución de problemas de sus empleados de I+D para impulsar la competitividad. Se plantearon desarrollar cursos de formación en línea para mejorar las habilidades de I+D y los métodos de resolución de problemas de sus empleados.

Sin embargo, como señaló Leo, director de I+D, «pronto nos dimos cuenta de que el esfuerzo administrativo requerido, el coste que implicaba y la necesidad de lograr la alineación con las diferentes necesidades de formación presentaban graves obstáculos».

Qué hizo la empresa: Be Smarter adoptó un enfoque más flexible. Esto implicó Agentes de IA, cada uno representa un tipo específico de experiencia. Como explica Leo, «Los agentes pueden interpretar y generar textos similares a los humanos para llevar a cabo una amplia gama de funciones, como explicar conceptos, responder a preguntas o ofrecer recomendaciones específicas». El agente es flexible y puede entregar los módulos cuando el empleado los necesita o saltarse el contenido cuando no es necesario.

Los empleados de I+D pueden utilizar diferentes agentes como asistentes para ayudarlos a analizar un problema determinado desde una perspectiva inusual. Leo expuso un caso en el que «un empleado de I+D que se enfrenta a un desafío tecnológico puede elegir varios agentes de IA para que le ayuden con una explicación técnica, una perspectiva nueva o instrucciones sobre cómo abordar el problema desde un ángulo diferente». Por ejemplo, un empleado de I+D que se enfrenta a un problema de tecnología minera puede elegir un agente de pruebas de software, un agente de geología o un agente de maquinaria para que lo ayude.

A la hora de seleccionar los agentes, los empleados de I+D se preguntan con frecuencia qué agentes son los más adecuados para ayudarlos con su tipo de problema. Así que Be Smarter decidió instalar un sistema de clasificación para que los empleados comentaran sobre la utilidad de un agente de IA para diferentes tipos de problemas.

Resultados: Los agentes de IA ayudaron a los empleados de I+D a acceder a la experiencia tecnológica o de resolución de problemas más adecuada cuando fue necesario. Esto se basa en las recomendaciones de sus compañeros sobre qué agentes fueron más útiles para qué tipo de problema: un sistema de recomendación. Esto redujo los costes del entrenamiento personal y aumentó la eficacia del apoyo ofrecido.

Cómo hacerlo usted mismo: Si quiere mejorar su capacidad de resolución de problemas, considere la posibilidad de implementar agentes de IA que representen áreas de especialización específicas. Revise el creciente número de plataformas basadas en la IA para crear sistemas de agencia que puede captar diversos conocimientos de expertos. Procesan consultas complejas e interactúan con los usuarios como si se guiaran por expertos humanos. Céntrese en crear un sistema flexible en el que sus empleados puedan elegir agentes que se adapten a sus necesidades inmediatas, lo que les permita un aprendizaje y una asistencia personalizados

• • •

Hoy en día, puede integrar tecnologías de IA avanzadas para transformar la forma en que se transfieren y utilizan los conocimientos en su organización. Los agentes de IA ahora pueden soportar sistemas dinámicos de toma de decisiones que se adaptan casi en tiempo real y le ofrecen más flexibilidad y capacidad de respuesta en la toma de decisiones estratégicas.

En lugar de confiar en sistemas expertos estáticos, asegúrese de que sus algoritmos de apoyo a la toma de decisiones están diseñados para actualizarse continuamente mediante comentarios. Esto le permite mantenerse ágil y tomar decisiones más informadas a medida que las condiciones evolucionan. Lo mejor de la IA avanzada es su flexibilidad para incorporar cambios sobre la marcha.

A medida que la IA siga evolucionando, debería explorar de forma proactiva cómo pueden integrarse estos avances en sus procesos de toma de decisiones estratégicas. Esto lo ayudará a impulsar la innovación y a garantizar que su empresa siga siendo competitiva en un entorno que cambia rápidamente.