A principios de enero de 2019, Forbes compiló un
TOP-10 de los principales libros tecnológicos de 2018 , entre los que se encontraban
Prediction Machines: The Simple Economics of Artificial Intelligence . El libro, escrito por un equipo de autores: Joshua Gans (Joshua Gans), Ajay Agrawal (Ajay Agrawal) y Avi Goldfarb (Avi Goldfarb), explota la idea establecida de la inteligencia artificial y la lleva a un plano completamente diferente.
Este libro es un verdadero must have.Uno de los autores del libro, un experto en inteligencia artificial, Joshua Hans, profesor de la Rotman School of Management de la Universidad de Toronto (Canadá), pasa mucho tiempo diariamente rastreando noticias de IA, separando la publicidad de la realidad. Hoy, enseña estrategias de mercadeo en red y marketing digital para estudiantes de MBA, incluyendo cómo las empresas pueden competir exitosamente en sus mercados a través de la innovación tecnológica.
El consejo editorial de CEO.com discutió con Joshua su sensacional libro en los círculos empresariales, "Máquinas de predicción: la economía simple de la inteligencia artificial". Lea la traducción de la entrevista con él.
Hoy hablan mucho sobre las capacidades de la IA.
¿Pero hay ejemplos concretos de los beneficios de la IA en el mundo empresarial actual?Lo admito: hay mucha publicidad en torno a la inteligencia artificial hoy. Pero en el libro, adoptamos un enfoque diferente para examinar todo lo que se ha creado en el campo de la IA en los últimos 10 años. No estamos hablando de inteligencia general en un libro que puede reemplazar a las personas y todas sus habilidades cognitivas; estamos hablando solo de un aspecto, a saber, nuestra capacidad de predecir (predecir, predecir).
Por lo general, hablamos de previsión en el contexto de los pronósticos. Como, por ejemplo, con el clima, primero recopilamos datos históricos sobre el viento, la precipitación y otros factores, y luego hacemos un pronóstico del tiempo para mañana o la próxima semana.
Pero la predicción no siempre se trata del futuro. La visión por computadora es uno de los buenos ejemplos aquí: cuando le das una imagen a una computadora y preguntas qué "ve", la respuesta que recibes es en realidad una predicción. La computadora se pregunta: "¿Qué pensaría una persona acerca de lo que se muestra exactamente en esta imagen?" y da una respuesta
La previsión siempre tiene el objetivo de tomar mejores decisiones. Gracias a las previsiones meteorológicas, podemos decidir qué ropa usar. Y cuando tiene una suposición sobre lo que está, por ejemplo, en una imagen de resonancia magnética, puede prescribir el curso correcto de tratamiento.
Desde este punto de vista, la IA es bastante aburrida. Esto es simplemente una mejor tecnología estadística. Pero el gran progreso en el desarrollo de la IA lleva al hecho de que sus predicciones serán mejores, más rápidas y más baratas. Y esto abrirá grandes oportunidades que no teníamos antes.
Entonces, ¿cómo se mueve la IA de la publicidad al valor real?Cuando escribimos este libro, recordamos lo que sucedió con la revolución informática y la revolución de Internet. Había mucha emoción a su alrededor, y muchas compañías gastaron millones de dólares en cosas que realmente no estaban bien pensadas.
No queremos repetir este error. En cambio, decimos: “Si el pronóstico ayuda a mejorar el proceso de toma de decisiones, entonces tomemos los procesos de trabajo de nuestra organización y seleccionemos de ellos todas las decisiones que necesitamos tomar para pasar de los datos de origen al resultado, y en este proceso determinaremos dónde fuentes de incertidumbre ". Es entonces cuando comenzará a comprender dónde la IA puede ser útil específicamente para reducir la cantidad de incertidumbres y tomar mejores decisiones.
Este proceso ya ha sucedido antes con las computadoras. Luego, las personas dividieron los flujos de trabajo y las tareas en iteraciones separadas, y descubrieron dónde serían útiles las computadoras. Hace 20-25 años, esto condujo al fenómeno de la reingeniería. Sugerimos hacerlo nuevamente.
Escribes que todos tienen un momento de comprensión con la IA, un momento en que todo se aclara, como un chasquido de dedos. ¿Debería cada industria esperar a que su conocimiento comience a usar IA?Hay personas que simplemente se preguntan: "¿Puede la IA ayudar a nuestro negocio?" Pero esto ya puede ser una realidad. Por ejemplo, estudiamos una cadena de supermercados. Utilizaron la inteligencia artificial para predecir el nivel de carga de los almacenes frigoríficos, lo que en caso de optimización puede conducir a ahorros de costos significativos. Después de todo, los almacenes de alimentos son caros, y debe mantener un equilibrio óptimo de oferta y demanda, de lo contrario, se verá mimado por los productos.
Esta red ha utilizado el aprendizaje automático para comprender qué impulsa exactamente la demanda de yogurt de Canadá. Descubrieron que el clima era un factor importante para determinar si la tienda tenía más yogurt o menos de lo esperado al final del día. Incluso una caída en la temperatura de varios grados en el generalmente frío Canadá ha cambiado la demanda de yogur por parte de los consumidores. ¡Y resultó ser algo completamente increíble! Comenzaron a ver ganancias, 5% aquí, 5% allá, y todo esto se suma a la ganancia total. Este es el momento en que la gente se da cuenta: "Oh, realmente es importante para nosotros".
Se sabe que la IA se "alimenta" de datos. Hay compañías que han acumulado grandes cantidades de datos para el trabajo, y otras que están rezagadas en esta área. ¿La IA beneficiará a las empresas con grandes cantidades de datos?De hecho, esta pregunta es bastante difícil de responder. Definitivamente, la IA necesita datos, pero la forma más fácil de ahuyentar a todos de la IA es decir: "Tienen datos, pero tú no". No tengo dudas de que empresas como Google, Facebook y Amazon están liderando la inteligencia artificial en este momento porque han estado pensando en los datos y los han recopilado correctamente. Por lo general, la empresa, al recopilar datos, no piensa cómo se utilizará y, por lo tanto, no está necesariamente en la misma posición.
AI necesita los datos correctos: estructurados adecuadamente, midiendo las características correctas, limpios. Es probable que las nuevas empresas que comienzan hoy a recopilar datos desde cero puedan crear mejores datos para la IA.
¿Dónde está el potencial para usar IA en una organización?Este es un problema complejo que enfrentan muchas organizaciones. Ahora veo la IA como una de las funciones de los sistemas analíticos, porque todavía hay una gran cantidad de elementos diferentes que requieren un estudio en profundidad de los datos asociados con ellos.
Pero a la larga, esto debería cambiar. En primer lugar, siempre hay una opción: externalizar o crear sus propios sistemas, y en ambos casos hay ventajas y riesgos. También depende de qué áreas de las actividades de la organización deberían estar influenciadas por las funciones de IA. Las capacidades de la IA general tienen sentido en tareas centralizadas, pero las tareas que son más específicas para departamentos específicos pueden conducir a un cambio en las funciones de IA correspondientes en estos departamentos.
Tomemos RR.HH., por ejemplo: los gerentes de recursos humanos siempre intentan predecir si un nuevo empleado será productivo o si debe actualizar a un empleado existente. Hoy en día, los departamentos de recursos humanos han acumulado una gran cantidad de datos que podrían ayudar a estos pronósticos, pero toda la información necesaria se almacena en archivos y no se utiliza.
¿Qué se debe hacer para prepararse para la implementación de la IA?Cuidado con la historia. Cuidado con las personas que hacen regalos tecnológicos. La IA es una cosa muy específica. Un conocimiento profundo de la tecnología y de lo que puede darle le ayudará a comprender si están tratando de venderle algo que realmente valga la pena y cuál es su potencial. En otras palabras, es muy importante que haya personas en la organización que puedan ayudarlo a evaluar si los beneficios potenciales son reales o no, en términos de ciencia de datos y operaciones de la compañía.
Al mismo tiempo, hay un enorme beneficio de los experimentos. Si tiene una organización grande, permita que los equipos individuales encuentren el uso de la inteligencia artificial en sus actividades. Como experimento (y no como reemplazo de las funciones principales), esto puede ser de gran beneficio. Debe gestionar sus riesgos, pero no debe perder las oportunidades que ofrece la IA.