Por qué la IA tiene un rendimiento inferior y qué pueden hacer las empresas al respecto

Gary Waters/Getty Images

¿Por qué es el brecha entre la ambición de las empresas en materia de IA y su adopción real ¿tan grande? La respuesta no es principalmente técnica. Es organizativo y cultural. Ha surgido una enorme brecha de habilidades e idiomas entre los principales responsables de la toma de decisiones organizativas y sus «equipos de IA». Es una barrera que promete detener, retrasar o hundir las innovaciones algorítmicas. Y está creciendo, no disminuyendo.

El problema es que la mayoría de los ejecutivos son seleccionados por su capacidad de hablar con otras personas. Tienen habilidades complejas y perfeccionadas para escuchar, empatizar, deliberar, dinamizar y desenergizar las reuniones, emocionar y leer los paisajes emocionales de los demás y adaptar sus formas de ser a situaciones sociales aparentemente intratables.

Los que desarrollan soluciones de aprendizaje automático para los problemas empresariales son seleccionados por su capacidad de hablar con las máquinas. Escriben pseudocódigos y códigos, desarrollan plataformas a gran escala que se escalan hasta millones de usuarios, agregan datos en varios formatos de varias fuentes. Crean interfaces para los usuarios que los incentivan a interactuar con las máquinas que construyen mediante combinaciones de palabras, imágenes, colores, hápticos e instrucciones de acción.

Estos dos grupos no pueden, no hablan ni hablarán entre sí de manera productiva. Apuntan de manera diferente, ven de manera diferente, piensan de manera diferente y sienten de manera diferente.

Los desarrolladores quieren instrucciones claras y precisas que se puedan traducir fácilmente a código o pseudocódigo. Los ejecutivos de desarrollo empresarial les cuentan historias y anécdotas.

Los programadores de aprendizaje automático quieren funciones de costes claramente especificadas que puedan utilizar para entrenar sus algoritmos. Pero los directores de estrategia y los ejecutivos de desarrollo empresarial les proporcionan objetivos ambiciosos redactados en un lenguaje difuso que los programadores llaman habitualmente «corporativo».

Tenemos que cerrar esta brecha. Las organizaciones necesitan personas que puedan hablar tanto con las personas como con las máquinas y necesitan personas en sus niveles superiores que se especialicen en hablar con las máquinas.

La corriente lengua franca del negocio es parte del problema. La proliferación de economistas en las facultades de las escuelas de negocios desde la década de 1960 ha contribuido a la producción de un sistema lingüístico común que los ejecutivos utilizan para planificar sus acciones y justificar sus decisiones. Por ejemplo: análisis de costo-beneficio, mapeo competitivo y simulación de las respuestas de la competencia, coste marginal y tasas de sustitución, planificación de carteras. A veces son ideas útiles, pero en una era en la que la competencia depende de los algoritmos y de conjuntos de datos masivos y distribuidos, este lenguaje es inadecuado.

Como Stephen Wolfram y Jeanette Wing he argumentado, pensamiento computacional necesita ampliarse de forma proactiva más allá del alcance actual de los departamentos y equipos técnicos de informática. Wolfram señala que, para cualquier campo de la actividad humana X (desde la lingüística hasta la arquitectura, desde la lógica hasta la música y desde la física del plasma hasta la etnografía de la danza) ahora hay un campo especializado de computacional X(análisis computacional del discurso, investigación histórica computacional, etc.). Las empresas han tardado demasiado en adaptarse a la ola computacional y están pagando el precio.

Para ponerse al día, las empresas tienen que cambiar la forma en que se comunican y plantean los problemas. Tienen que ofrecer a sus ejecutivos no técnicos formación en pensamiento computacional y algorítmico. Eso significa ayudarlos a aprender a convertir los «problemas empresariales» en «problemas empresariales computacionales» inteligibles para los programadores y los científicos.

Igual de importante es que las organizaciones deben desarrollar la base de habilidades relacionales y comunicativas de los miembros de su equipo técnico. Funcionar de manera competente en un equipo de alta dirección o en una reunión del consejo de administración implica mucho más que informar con precisión, un razonamiento válido, un pensamiento crítico o una toma de decisiones. Se trata de encontrar modos y medios de expresión exitosos, elegir el idioma que se adapte al contexto y producir patrones de expresión facial, vocal y gestual que demuestren el nivel adecuado de convicción, capacidad de respuesta y confiabilidad.

Estas llamadas habilidades blandas son de las más difíciles de desarrollar y utilizar. Pero son tan importantes para los empleados técnicos como para cualquier otra persona. Los empleados tienen que abandonar el estereotipo de los programadores y otros expertos técnicos de que inevitablemente carecen de gracia social.

Las estrategias de IA fallan porque la IA es un medio, no un fin. «¿Tiene una estrategia de IA?» tiene tanto sentido como preguntar: «¿Tenemos una estrategia de Excel?» Pero para que las empresas superen las expectativas y se centren en el potencial real que ofrece la IA, tendrán que empezar por la forma en que se comunican.