Liderar proyectos exitosos de IA, por Giulio Toscani

Esta columna de opinión del investigador Giulio Toscani forma parte del Espacio de Reflexión publicado en el para el boletín Punto de Equilibrio n°22: La crisis medioambiental y los planes de acción poco efectivos

Introducción

La emoción que rodea a la inteligencia artificial (IA) está creciendo constantemente, con inversiones anuales superiores a los 10 mil millones de dólares. Por lo tanto, la investigación sobre cómo utilizar la IA en las organizaciones es necesaria.

Preguntamos a decenas de expertos en IA sobre lo que hace que sus proyectos sean exitosos: una lógica que excede (en lugar de excluir) las ganancias y se centra en las personas, tanto individualmente como en equipo. Surgieron muchas características, cada una de las cuales va más allá de la tecnología.

1. Colectivo
Nuestros entrevistados mencionaron constantemente la capacidad informática de la IA, pero enfatizaron la importancia de que los humanos trabajen juntos. Un equipo que adopte herramientas impulsadas por IA debe ser capaz de enfrentar las largas restricciones iniciales propias de la producción de modelos. Los modelos de IA mejoran con cada repetición, pero estos mecanismos de aprendizaje colocan a los codificadores en procesos lentos y dolorosos. Es como entrenar para una maratón con limitada retroalimentación positiva, debido al lento avance y al creciente dolor diario.

La repetición de modelos de IA está lejos de ser instantánea y de ser dirigida por una máquina, por lo que los humanos tienen un papel clave, como en la creación de prototipos físicos. La profunda capacidad humana para construir el "prototipo" de IA permite a los matemáticos transformar un problema real (por ejemplo, un déficit de ventas) en un problema de datos, en el que los científicos de datos entrenan al modelo y los vendedores hacen que el modelo que están ejecutando produzca ideas que puedan impulsar las ventas. Esto significa un mínimo de dos años desde el inicio hasta la producción, o para transformar "bits en valor". Ya que los bits sin valor llevaron al infame proyecto IBM Watson de 62 millones de dólares con la clínica MD Anderson, una alianza que fracasó en detectar el cáncer de piel usando IA.

Por lo tanto, adoptar herramientas específicas de IA dentro de una empresa debe entenderse como una tecnología colectiva y no como una ideología individual que ignora diferentes puntos de vista.

Solución Colectiva
La adopción de herramientas impulsadas por IA es un equilibrio que alterna proyectos rentables con los que están motivados por la codificación. Trabajar colectivamente significa evitar las trampas de hiper especialización, que han demostrado ser tóxicas debido a que impiden la capacidad de la empresa para enfrentarse a competidores eclécticos y bien motivados.

Una cultura de IA colectiva también significa mentoría cruzada, no seniors asesorando a juniors, sino también viceversa, para difundir ideas futuras, así como experiencias pasadas. Los responsables del flujo de información deben hablar con los empresarios responsables del flujo de beneficios. La aseguradora Anthem maximiza el valor de la IA a través de aplicaciones cognitivas, que tienen interacciones de trabajo de alta frecuencia, pero cortas.

Esta investigación sugiere que las acciones colectivas en la adopción de IA requieren dominar las repeticiones de algoritmos, equilibrar las ganancias con la motivación en los proyectos y compartir ideas, modelos y datos altamente solicitados entre equipos y departamentos.

2. Relevante
Cada negocio debe identificar el problema a resolver y luego aplicar la ingeniería inversa. En su lugar, los expertos en IA favorecen la relevancia de los resultados en la precisión de la predicción, debido a la competencia feroz y rápida y porque la alta precisión en la predicción es demasiado teórica, como confirmó Andrew Ng en una entrevista.

Los modelos son un intento de "predecir comportamientos impredecibles", ayudando a luchar contra la resistencia de las cosas que nunca se comportan como se esperaba. Se llega a una predicción mediante una estrategia que alinea la estrategia con la tecnología, acoplando soluciones sostenibles con problemas relevantes. La data recogida sugiere una escasez de equipos centrados en el problema, priorizando la tecnología y la solución sobre la estrategia y el problema.

Solución relevante
A pesar de la disputa entre relevancia y la carrera de precisión, los modelos de IA necesitan ambos, y los expertos sugieren priorizar la metodología centrada en el problema. La relevancia en la IA podría marcar la diferencia al abordar el valor-problema para el cliente, en lugar de la solución-resultados para los codificadores. Comenzar con el fin en mente y usando IA sólo cuando el problema es claro y su solución derivada crea valor.

3. Empático
Los humanos solo pueden entrenar máquinas ya que estas últimas carecen de independencia. Y la formación se centra progresivamente en la cultura, permitiendo que las máquinas interactúen con los humanos en un contexto específico, como los vehículos autónomos respetando a los peatones. De hecho, los humanos ahora ayudan a los sistemas de conducción autónoma a aprender a clasificar culturalmente a los peatones, por ejemplo, el estilo de cruce de carreteras italiano vs. japonés.

Otro ejemplo de empatía en IA es el chatbot Replika, inicialmente creado y entrenado para tener el mismo estilo de chat del difunto amigo del fundador. Ahora el estilo de cuestionamiento de Replika ha sido apreciado mucho más allá de un círculo de amigos, y se ha convertido en un chatbot público para compartir pensamientos personales.

Los humanos comparten una capacidad única para detectar detalles sutiles (aparte de las personas con agnosia), como prestar la misma atención a las expresiones faciales que a los objetos, un recordatorio de ciertas sutilezas humanas.

Solución empática

El desafío para la IA es cómo hacer que los equipos entiendan la empatía en la IA. Se trata de las preguntas planteadas, y por lo tanto los líderes de estilo quieren inculcarlo en el equipo. La empatía en IA significará apreciar la creatividad humana y las habilidades analíticas para inculcar un estilo cultural en los equipos de IA.

Lee también las ediciones anteriores del boletín Punto de Equilibrio, aquí.

Foto: El Peruano