[31/01/2020] La sensibilidad informática ha sido forraje para Hollywood durante décadas. Normalmente es para los malos, ya sea HAL en "2001: Una Odisea del Espacio" o el T-800 en "Terminator". De vez en cuando ha sido considerada, como el proyecto 2501 en "Ghost in the Shell". Cualquiera que sea la trama, pocos temas provocan tanto miedo y aversión como los ejércitos de robots y las computadoras superinteligentes que obtenemos de las películas y la televisión.
El auge de la inteligencia artificial y el aprendizaje de las máquinas en los últimos años no ha ayudado, e incluso las personas que deberían saberlo mejor están cediendo al miedo. El hecho es que gran parte del miedo que rodea a la IA, proviene de la imaginación hiperactiva de que las máquinas imitarán nuestro propio mal comportamiento.
Dejando de lado a Skynet, hay algunas preguntas y respuestas racionales que se pueden hacer. Así que vamos a romper los mitos y realidades en torno a la IA y todas sus ramificaciones, como el aprendizaje automático y el aprendizaje profundo.
Mito: La IA va a quitar puestos de trabajo
La realidad: La mayoría de la IA cambiará los trabajos existentes y creará otros nuevos
Este es el mayor temor y es legítimo. La IA se está usando para automatizar muchas funciones aburridas y repetitivas en áreas tan diversas como el servicio al cliente, la administración de centros de datos y la radiología. ¿Significa esto que los administradores de servidores se han quedado sin trabajo? No, significa que están libres para trabajar en tareas más desafiantes.
Algunas industrias pueden verse afectadas y algunos trabajadores pueden ser desplazados, pero eso ha ocurrido de manera constante y regular. La revolución industrial de finales de 1800 causó un desplazamiento masivo. El automóvil dejó a la industria de los caballos y los carruajes fuera del negocio. Las primeras llamadas telefónicas no se podían hacer sin un operador, y AT&T tenía ejércitos de ellos.
"¿Qué pasará con la gente cuyos trabajos sean reemplazados por la IA? Pasarán a otros trabajos. Lo hemos hecho a lo largo de toda la historia de la humanidad. Eso no es nada nuevo", señala David McCall, vicepresidente de innovación del operador de centro de datos QTS.
"En base a todo el trabajo que estamos haciendo con las grandes empresas, estamos viendo un desplazamiento de los trabajadores del conocimiento de menor nivel", anota Anthony DeLima, jefe de transformación digital y operaciones de EE.UU. para Neoris, un acelerador de transformación de negocios digitales.
"La IA está automatizando una serie de tareas realizadas por los trabajadores del conocimiento, opera 24 horas al día, 7 días a la semana con un mayor nivel de precisión, y también proporciona información y vistas de futuro sobre hacia dónde se dirigen los clientes o el mercado", añade DeLima. "Por lo tanto, el nivel de predicción de la IA está en algunos casos superando lo que la gente puede hacer".
DeLima tiene una regla del 33%: el 33% de los trabajadores del conocimiento hace el cambio fácilmente; otro 33% quiere hacer el cambio, pero requiere una formación significativa para ser un trabajador del conocimiento de nivel superior; y el 33% no puede adaptarse o volver a formarse. Para este último 33%, el cambio es tan grande que deben pasar a otra cosa.
Mito: La IA es más inteligente que la gente
La realidad: La IA es tan inteligente como la programes
"Proyectamos en la IA lo que haríamos", anota McCall. "Creo que el motor más inteligente de la tierra es el cerebro humano, y no vamos a construir una IA más inteligente que el cerebro humano. La IA no es sensible, no es consciente, y no creo que se vuelva más inteligente que nosotros".
No hay inteligencia artificial sin gente; la gente crea los algoritmos y la información que conforman la IA. La construimos, le enseñamos y le damos las herramientas para que tome ciertas decisiones en nuestro nombre, señala McCall.
"Por poco, la IA puede ser usada en algunos círculos para tomar decisiones más rápido que los humanos. Eso no significa que las decisiones sean siempre correctas o reflexivas, o que sean siempre el resultado correcto", añade McCall. "¿Es la IA socialmente consciente? ¿Cómo se le enseña a la IA a leer la habitación?" Algunas decisiones solo pueden ser tomadas por humanos.
Mito: La AIOps se basa predominantemente en la gestión de eventos y la correlación
La realidad: Tal vez al principio, pero está evolucionando
"La ola inicial de AIOps hizo girar nuestros sistemas de gestión de eventos para realizar la reducción de ruido basada en la correlación de alertas, como la agrupación de alertas similares", indica Ciaran Byrne, vicepresidente de estrategia de producto de OpsRamp, desarrollador del software AIOps. Este ha sido un paso significativo, dado que el ruido ha obstaculizado durante mucho tiempo la utilidad de los sistemas de gestión de eventos".
Pero se vislumbran beneficios aún mayores en el horizonte. "La próxima ola se ha ampliado a otras áreas de las operaciones de TI como la automatización y la monitorización/observación", indica Byrne. "Los casos de uso incluirían el enrutamiento inteligente de billetes o la automatización basada en patrones aprendidos".
Mito: Las empresas no necesitan una estrategia de IA
La realidad: Oh, sí que la necesitan
QTS predice que, en la próxima década, no hay ninguna organización, industria o segmento de negocios que vaya a evitar completamente ser tocada por la IA. Es una propuesta arriesgada no tener un plan de IA porque su competencia ciertamente lo tendrá -y ellos podrán responder a los cambios del mercado mucho más rápido.
Jay Marwaha, CEO de SYNTASA, desarrollador de software de análisis conductual para interacciones con clientes y datos conductuales, está de acuerdo. "Los clientes con los que tratamos sienten que la IA es la próxima gran cosa que las compañías deben adoptar, y hacer crecer su línea superior inmediatamente o reducir su línea inferior", dice.
El impacto de la IA depende de cómo esas compañías usan la IA, agrega Marwaha, y aquellas que usan la IA para obtener un efecto completo lo hacen muy bien. "Muchas empresas no entienden el panorama completo de esto. Ven las palabras de moda, escuchan a otras empresas que se aprovechan de ello", indica. "Los beneficios no siempre son tan grandes, pero en algunos casos, los beneficios son enormes".
Mito: La IA tomará decisiones y diagnósticos médicos
La realidad: Sí, pero Al no tendrá la última palabra
Hoy en día, los radiólogos son expertos en la evaluación de rayos X, resonancias magnéticas, tomografías computarizadas y otras imágenes médicas. Uno de los mayores esfuerzos de la IA es enseñar a los clasificadores de imágenes a reconocer anormalidades como los tumores. La IA tiene la capacidad de escanear millones de imágenes para aprender a interpretar las exploraciones más rápidamente y más a fondo de lo que cualquier humano podría lograr.
Sin embargo, un médico o radiólogo todavía tendrá la última palabra para determinar un diagnóstico. Es sólo que un diagnóstico puede llegar en minutos en lugar de días o semanas.
Mito: No tengo idea de lo que la IA está haciendo y si puedo confiar en ella
La realidad: La IA es mucho más transparente ahora
Al principio, la IA se percibía como una "caja negra", es decir, un sistema misterioso que generaba resultados sin proporcionar información sobre lo que hacía el algoritmo subyacente y por qué. Sin embargo, con el tiempo estamos viendo madurar estas soluciones, y más enfoques de "caja blanca" que están ganando confianza y adopción.
"Mientras que algunos sistemas no proporcionan transparencia, cada vez más proveedores de software y sistemas de IA están proporcionando más visibilidad sobre por qué hicieron lo que hicieron", comenta Byrne de OpsRamp. "Lo difícil es proporcionar la transparencia adecuada, no abrumar al usuario, para ganar su confianza y comprensión", indica.
Mito: Necesito un lago de datos para entrenar mi IA
La realidad: Drenar el pantano
Los datos no estructurados son peores que los estructurados porque ocupan espacio. Para deshacerse de ellos hay que utilizar los recursos para cribar todo. Por esa razón, dice McCall de QTS, los datos no estructurados por el bien de los datos no estructurados pueden ser peores que inútiles.
"En lo que el mundo está trabajando ahora es en cómo estructurar y organizar los datos para extraerlos y cómo construir algoritmos y paradigmas históricos", señala McCall. "Un poco de datos no estructurados está bien, pero cuando abrimos las compuertas en los puntos de datos, es absolutamente necesario tener un lago de datos con la capacidad de organizarlos y estructurarlos más tarde".
Mito: El modelado determina el resultado
La realidad: No puede estar seguro de eso
Todas las iniciativas de la IA comienzan como proyectos de prueba. Puede obtener excelentes resultados durante la fase de prueba, pero descubre que su modelo es mucho menos preciso cuando lo pone en producción. Esto se debe a que la IA y los modelos de aprendizaje de máquina deben ser entrenados con datos, y esos datos de entrenamiento deben ser representativos de los datos reales, o los resultados se verán afectados.
Tenga en cuenta también que el entrenamiento de su modelo de IA nunca se completa. Tan pronto como ponga su modelo en uso en el mundo real, su precisión comenzará a degradarse. La velocidad de disminución dependerá de la rapidez con que cambien los datos del mundo real (y las preferencias de los clientes pueden cambiar rápidamente), pero tarde o temprano su modelo tendrá que ser reentrenado con nuevos datos que representen el nuevo estado del mundo.
"Es una tarea delicada definir su conjunto de datos de entrenamiento. Sus datos de entrenamiento tienen que ser los mismos que sus datos de producción", indica Marwaha. "Esa es la clave para que sus programas tengan éxito". Es una llave a la que tendrá que recurrir una y otra vez durante toda la vida de su modelo de IA.
Andy Patrizio, InfoWorld (EE.UU.)