Cómo hacer que los empleados dejen de preocuparse y les encante la IA

Tyler Garrison/Getty Images

David Maister estaba enfadado. Le sorprendió y le molestó enterarse de que su empresa había creado un nuevo sistema de marketing basado en la IA que hacía la mayor parte de lo que pensaba que era su trabajo como director de marketing digital en Global Consumer Brands: decidir qué anuncios colocar, dónde, para qué segmentos de clientes y cuánto gastar. Y cuando descubrió que el sistema compraba anuncios para audiencias que no se ajustaban al perfil de cliente de la empresa, irrumpió en la oficina de su jefe y gritó: «¡No quiero que hombres y mujeres mayores de 55 años compren nuestro producto! ¡No es nuestro público!» Maister exigió al proveedor del sistema que lo modificara para poder anular sus recomendaciones sobre cuánto gastar en cada canal y para cada público objetivo. El vendedor se apresuró a darle los controles que quería. Sin embargo, después de que le dieran las riendas de las decisiones de presupuestación y compra, Maister vio que sus decisiones eran resultados degradantes. Por ejemplo, a pesar del perfil de clientes más jóvenes de la empresa, hombres y mujeres mayores de 55 años compraban regalos para sus hijos, sobrinas y nietos, lo que los convertía, de hecho, en un público muy rentable.

Maister devolvió el control al sistema y los resultados mejoraron. Durante las semanas siguientes, empezó a entender lo que el sistema hacía bien y lo que podía hacer para evitarlo. Aprendió a dejar en manos del sistema las decisiones sobre dónde gastar y a quién dirigirse. Se centró en introducir parámetros más estratégicos, como la agresividad de una campaña o un límite de gastos, y en probar diferentes enfoques de ejecución. Los resultados siguieron mejorando a lo largo de 2017, a medida que el sistema aprendía y se hacía más inteligente, mientras que Maister aprendió a mejorar la estrategia de la marca en respuesta a los conocimientos generados por la IA. En los tres primeros meses de uso del sistema en los nuevos canales, la marca registró un aumento del 75% en las compras en los canales digitales de pago, un aumento del 77% en el valor de compra, un aumento del 76% en la rentabilidad de la inversión añadida y una disminución significativa del coste por adquisición.

Se han cambiado los nombres de esta historia, pero la moraleja es clara: si da el control de los experimentos de IA a los empleados para que participen y les permita ver lo que hace bien la IA, puede aprovechar lo mejor de los humanos y las máquinas.

Lamentablemente, las empresas no podrán aprovechar al máximo el enorme potencial de la IA si los empleados no confían lo suficiente en las herramientas de la IA como para entregarles su trabajo y dejar que la máquina funcione. Esto problema de las bajas tasas de adopción de la IA está aumentando a medida que empresas de todo tipo utilizan aplicaciones de la IA con éxito y se dan cuenta de que se puede aplicar a muchos procesos y tareas que consumen muchos datos, incluso cuando la tecnología de la IA (que antes solo estaba disponible en grandes empresas como Google, Amazon, Microsoft e IBM) ahora es cada vez más barata y más fácil de acceder y operar para las empresas más pequeñas, gracias a la IA como servicio.

La resistencia a los cambios disruptivos e impulsados por la tecnología no es inusual. En concreto, muchas personas se resisten a la IA por el bombo publicitario que la rodea, su falta de transparencia, su miedo a perder el control sobre su trabajo y la forma en que altera los patrones de trabajo conocidos.

Tenga en cuenta estos casos en los que los humanos interfirieron en una iniciativa de IA y las razones que los motivaron:

Pérdida de control. Un minorista implementó una herramienta de optimización de la publicidad en sitios web. El equipo de marketing podría subir algunos pancartas o mensajes clave diferentes en la ubicación más destacada del sitio web y, tras acumular algo de experiencia, el sistema decidiría qué mensaje generó la mayor participación de los visitantes. Entonces lo ofrecería a futuros visitantes. Sin embargo, el equipo de marketing se esforzó por permitir que el sistema tomara el control y, a menudo, intervino para mostrar el mensaje que prefería, lo que socavaba el valor de la herramienta.

Interrupción de los planes. El CEO de una entidad crediticia global se convenció rápidamente de las ventajas financieras y la eficiencia operativa de introducir un sistema basado en la IA para tomar las decisiones crediticias. Pero el vicepresidente de análisis vio el nuevo sistema como una distracción de sus planes para sus equipos de análisis y las inversiones en tecnología de la empresa. Se esforzó por descarrilar la consideración del nuevo sistema. Describió detalladamente lo que hacían sus analistas y concluyó: «No hay manera de que este sistema pueda producir el tipo de resultados que afirman».

Interrupción de las relaciones. El director de comercio electrónico de un grupo regional de productos de una empresa de productos de consumo se esforzó por obtener el permiso de la sede mundial para realizar un experimento con un sistema compatible con la IA en algunas de las campañas publicitarias de sus productos. Las pruebas iniciales arrojaron resultados sin precedentes. En 2017, las ventas mejoraron un 15% gracias a las campañas. Pero la adopción más allá del grupo regional y de la única línea de productos se estancó debido a la resistencia de las personas con relaciones amistosas y duraderas con las agencias que dirigían las campañas publicitarias de la empresa, que perdían su trabajo a manos de la máquina.

Entonces, ¿qué pueden hacer las empresas para ayudar a los empleados a sentirse más cómodos trabajando con los sistemas de IA?

Poder visualizar la forma en que un sistema con IA toma sus decisiones ayuda a desarrollar la confianza en el sistema, ya que abre la caja negra para que la gente pueda ver su interior. Por ejemplo, Albert, un proveedor de una herramienta basada en la IA que ayuda a los vendedores a tomar mejores decisiones de inversión en publicidad y a mejorar el rendimiento de las campañas, desarrolló una herramienta de visualización («Inside Albert») para que sus usuarios vieran dónde y cuándo su marca tiene el mejor rendimiento, qué conceptos de publicidad están convirtiendo a más clientes, quién es el cliente ideal en términos de género, ubicación y características sociales y el número total de microsegmentos de audiencia que el sistema ha creado (a menudo de decenas de miles). Los clientes se dieron cuenta de que no podían microgestionar un conjunto de variables, como la frecuencia de los anuncios, porque el sistema estaba analizando y teniendo en cuenta un enorme número de variables para decidir el ritmo y el tiempo. Aunque al principio los usuarios pensaron que el sistema no sabía cuáles creían que eran sus días y frecuencia con mejor rendimiento, se enteraron de que el sistema estaba encontrando altas conversiones que operaban fuera de sus suposiciones previamente establecidas. «Inside Albert» permitió a los vendedores entender mejor cómo el sistema tomaba las decisiones y, al final, no sintieron la necesidad de microgestionarlo.

Para superar la resistencia de las partes interesadas que tal vez no estén dispuestas a utilizar el nuevo sistema, como el vicepresidente de análisis de la entidad crediticia, otro enfoque consiste en generar impulso político para un nuevo sistema basado en la IA movilizando a las partes interesadas que se beneficien de su adopción. Por ejemplo, Waymo se ha asociado con Mothers Against Drunk Driving, el Consejo Nacional de Seguridad, la Fundación para Niños Ciegos y la Fundación para Personas Mayores para reunir a estas circunscripciones en apoyo de los coches autónomos.

A medida que la IA se despliega cada vez más en los procesos de toma de decisiones de la empresa, el objetivo debe ser hacer la transición lo más rápido posible. Como ilustran los ejemplos de Albert y Waymo, puede superar la resistencia de la IA realizando experimentos, creando una forma de visualizar el proceso de toma de decisiones de la IA e involucrando a las circunscripciones que se beneficiarían de la tecnología. Cuanto antes se incorpore a la gente, antes podrá ver su empresa los posibles resultados que puede producir la IA.