Autor: Johanna Småros, Group CMO, D.Sc. (Tech.)
“Ya es oficial, el bombo que se le está dando a la Inteligencia Artificial (IA) es exagerado”, me dijo nuestro CFO tras escuchar un discurso de ventas de una conocida compañía de software de gestión. El representante de ventas declaraba con orgullo que su sistema utilizaba IA; cuando se le preguntó sobre el tema, explicó que “el sistema recuerda la página que el usuario había utilizado por última vez y es capaz de recuperarla cuando vuelve a ingresar en el sistema””
Waw…¡Qué decepción!
El mundo está atravesando algo parecido a la fiebre del oro, con innumerables compañías que parecen desesperadas por subirse al carro de la IA. Es probable que haya casos graves de tergiversación. De hecho, un estudio reciente concluyó que el 40% de las start-ups de IA europeas no usan IA. Y probablemente, en este tema, Europa no sea tan diferente de otras partes del mundo.
La situación no se ve favorecida debido a la falta de una definición clara sobre “IA”. Si aceptamos el sentido más amplio del término, cualquier cosa relacionada con ordenadores llegando a conclusiones inteligentes basadas en los datos a los que tienen acceso, puede considerarse como IA. Por otro lado, existe el llamado efecto IA, recogido en el Teorema de Tesler: “IA es cualquier cosa que todavía no se haya hecho”. Por ejemplo, el reconocimiento óptico – hoy en día tecnología rutinaria – ya no se ve como IA. Además, los términos IA y Machine Learning (ML) no revelan mucho sobre si los algoritmos subyacentes son sencillos o complicados. Los análisis estadísticos y la optimización anticuados pueden ser más complejos que los algoritmos clasificados de IA o ML.
No importa la IA, lo que importa son los resultados
Mis colegas en RELEX y yo nos hemos pasado años intentando educar al mundo sobre lo que es la IA, y quizás más importante, lo que la IA no es. Estamos sumamente orgullosos de ser precursores en la aplicación de la Inteligencia Artificial y el Machine Learning en formas que realmente impulsan los resultados empresariales. Y de esto se deduce que también estábamos ansiosos por comunicar cómo hacíamos IA real, en lugar de solo promocionarla.
Entonces nos dimos cuenta. Nosotros también habíamos sido absorbidos por la exagerada promoción de la IA. La verdad es que no importa que etiqueta se le pone a la tecnología. Lo realmente importante es:
- Usar las herramientas más apropiadas para convertir los datos en mejores decisiones de negocio.
- Hacerlo de manera consistente y fiable para dar soporte a los billones de decisiones que tiene que tomar el retailer.
- Tener resultados para mostrar que esto impulsa los resultados de negocio.
A partir de aquí, tomamos una decisión práctica. Ahora usamos el término IA pragmática cuando describimos cómo usamos los datos para tomar mejores decisiones. Haciendo esto, nos centramos en seguir desarrollando nuestra caja de herramientas de la ciencia de la decisión a medida que se disponen de nuevos datos, nuevos métodos y un incremento del poder computacional, en vez de dedicar tiempo a discutir sobre cómo se debería clasificar un algoritmo en particular.
IA pragmática para precisar y automatizar.
Nuestra caja de herramientas de IA pragmática abarca todos los elementos de las matemáticas en retail. Combinamos IA y Machine Learning con modelos estadísticos, optimización, simulación y clasificación, así como reglas y heurística. La estrategia IA correcta depende del tipo de problema, los datos disponibles y la capacidad de procesamiento de datos..
Los datos y las matemáticas son herramientas poderosas, pero los ordenadores no son capaces aún de ejecutar por sí solos procesos de planificación complejos. Especialmente en el mundo de retail. Así que nos preocupamos por aprovechar la valiosa experiencia humana. Es por esto que hacemos que el razonamiento computacional sea completamente transparente para los usuarios. También damos a los planificadores acceso a análisis “in-memory” potentes e integradas para analizar los datos en el mismo momento. De esta manera, nuestros clientes expertos de retail pueden modificar y mejorar los cálculos y los resultados según sea necesario.
En un Whitepaper reciente se explica de forma más detallada como aplicamos la Ciencia de la Decisión y la IA Pragmática en Retail
Opino que en los próximos años, la IA se volverá omnipresente hasta tal punto que se dejará de hablar de ella. En su lugar, consideraremos que la tecnología es más inteligente o, en ocasiones, más tonta, de lo que esperábamos. Soy optimista y creo que las empresas pronto volverán a centrarse en lo que importa, como la productividad, la sostenibilidad y como podemos hacer para que esto suceda con el apoyo de la tecnología inteligente.
