Cómo es la toma de decisiones impulsada por la IA

Para aprovechar al máximo el valor que contienen los datos, las empresas tienen que incorporar la inteligencia artificial (IA) a los flujos de trabajo y, a veces, quitarnos del camino a los humanos. Tenemos que pasar de los flujos de trabajo basados en los datos a los impulsados por la IA. No se trata simplemente de una estrategia de automatización, que es una ventaja marginal de integrar la IA en las decisiones. En cambio, nos permite superar nuestras limitaciones inherentes como procesadores humanos (bajo rendimiento y sesgo cognitivo) al asignar máquinas para que procesen los enormes volúmenes de datos que producimos y permitirnos a los humanos aplicar el juicio, la cultura, el valor y el contexto a las opciones de decisión que pueden producir las máquinas.

••• Muchas empresas se han adaptado a un enfoque «basado en los datos» para la toma de decisiones operativas. Los datos pueden mejorar las decisiones, pero se necesita el procesador adecuado para aprovecharlos al máximo. Mucha gente asume que el procesador es humano. El término «basado en datos» incluso implica que los datos los seleccionan y resumen para que las personas los procesen. Sin embargo, para aprovechar al máximo el valor que contienen los datos, las empresas tienen que incorporar la inteligencia artificial (IA) a sus flujos de trabajo y, a veces, quitarnos del camino a los humanos. Tenemos que pasar de los flujos de trabajo basados en los datos a los impulsados por la IA. Distinguir entre «basado en datos» e «impulsado por la IA» no es solo semántica. Cada término refleja diferentes activos, el primero se centra en los datos y el segundo en la capacidad de procesamiento. Los datos contienen la información que puede permitir tomar mejores decisiones; el procesamiento es la manera de extraer esa información y tomar medidas. Tanto los humanos como la IA son procesadores, con habilidades muy diferentes. Para entender la mejor manera de aprovechar cada una de ellas, es útil revisar nuestra propia evolución biológica y la evolución de la toma de decisiones en la industria. Hace apenas cincuenta o setenta y cinco años, el juicio humano era el procesador central de la toma de decisiones empresariales. Los profesionales se basaron en sus intuiciones perfeccionadas, desarrolladas a partir de años de experiencia (y una cantidad relativamente pequeña de datos) en su dominio, para, por ejemplo, elegir la creatividad adecuada para una campaña publicitaria, determinar los niveles de inventario correctos para almacenar o aprobar las inversiones financieras adecuadas. La experiencia y el instinto eran la mayor parte de lo que estaba disponible para discernir lo bueno de lo malo, lo alto de lo bajo y lo arriesgado frente a lo seguro.    Era, quizás, demasiado humano. Nuestras intuiciones están lejos de ser los instrumentos ideales para la toma de decisiones. Nuestro cerebro está plagado de muchos sesgos cognitivos que perjudican nuestro juicio de formas predecibles. Este es el resultado de cientos de miles de años de evolución, en los que, como primeros cazadores-recolectores, desarrollamos un sistema de razonamiento que se basa en heurísticas simples: atajos o reglas generales que evitan el elevado coste de procesar mucha información. Esto permitió tomar decisiones rápidas y casi inconscientes para sacarnos de situaciones potencialmente peligrosas. Sin embargo, «rápido y casi inconsciente» no siempre quiso decir óptimo o incluso preciso. Imagínese a un grupo de nuestros antepasados cazadores-recolectores acurrucados alrededor de una fogata cuando de repente un arbusto cercano cruje. Hay que tomar una decisión del tipo «rápido y casi inconsciente»: concluir que el que se oxida es un depredador peligroso y huir, o solicitar más información para ver si se trata de una presa potencial, por ejemplo, un conejo, que puede proporcionar nutrientes ricos. Nuestros antepasados más impulsivos —los que decidieron huir— sobrevivieron a un ritmo mayor que sus pares más curiosos. El coste de volar y perder un conejo era muy inferior al coste de quedarse y correr el riesgo de perder la vida a manos de un depredador. Con esa asimetría en los resultados, la evolución favorece el rasgo que tiene consecuencias menos costosas,[incluso en el sacrificio](https://michaelshermer.com/2008/12/patternicity/) de precisión. Por lo tanto, el rasgo de una toma de decisiones más impulsiva y un menor procesamiento de la información prevalece en la población descendiente. En el contexto moderno, las heurísticas de supervivencia se convierten en miríadas de sesgos cognitivos precargados en nuestro cerebro heredado. Estos sesgos influyen en nuestro juicio y en la toma de decisiones de formas que se apartan de la objetividad racional. Damos más peso del que debemos a[acontecimientos vívidos o recientes](http://en.wikipedia.org/wiki/Availability_heuristic). Nosotros [clasificar los temas de manera grosera](http://en.wikipedia.org/wiki/Representativeness_heuristic) introducir estereotipos amplios que no expliquen suficientemente sus diferencias. Nosotros[anclaje basado en experiencia previa](http://en.wikipedia.org/wiki/Anchoring) incluso cuando es completamente irrelevante. Tendemos a inventar explicaciones engañosas para hechos que realmente son[solo ruido aleatorio](https://multithreaded.stitchfix.com/blog/2017/06/07/hot-hand-and-narrative-fallacy/). Estas son solo algunas de las [docenas de formas](http://en.wikipedia.org/wiki/List_of_cognitive_biases) el sesgo cognitivo afecta al juicio humano y, durante muchas décadas, fue el procesador central de la toma de decisiones empresariales. Ahora sabemos que confiar únicamente en la intuición humana es ineficiente, caprichoso, falible y limita la capacidad de la organización. **Toma de decisiones basada en datos** Gracias a Dios, entonces, por los datos. Los dispositivos conectados ahora capturan volúmenes de datos impensables: cada transacción, cada gesto del cliente, cada indicador microeconómico y macroeconómico, toda la información que puede servir de base para tomar mejores decisiones. En respuesta a este nuevo entorno rico en datos, hemos adaptado nuestros flujos de trabajo. Los departamentos de TI respaldan el flujo de información mediante máquinas (bases de datos, sistemas de archivos distribuidos y similares) para reducir los volúmenes de datos ingestionables a resúmenes digeribles para el consumo humano. Luego, las personas procesan los resúmenes y utilizan herramientas como hojas de cálculo, paneles y aplicaciones de análisis. Con el tiempo, los datos altamente procesados y ahora pequeños y manejables se presentan para la toma de decisiones. Este es el flujo de trabajo «basado en datos». El juicio humano sigue siendo el procesador central, pero ahora utiliza los datos resumidos como nueva entrada.    Si bien no cabe duda de que es mejor que confiar únicamente en la intuición, el hecho de que los humanos desempeñen el papel de procesador central siguen creando varias limitaciones. 1. No aprovechamos todos los datos. Los datos resumidos pueden ocultar muchos de los conocimientos, relaciones y patrones contenidos en el (big) conjunto de datos original. La reducción de datos es necesaria para adaptarse al rendimiento de los procesadores humanos. Por mucho que seamos expertos en digerir nuestro entorno y procesar sin esfuerzo enormes cantidades de información ambiental, estamos notablemente limitados a la hora de procesar los datos estructurados que se manifiestan en millones o miles de millones de registros. La mente puede gestionar las cifras de venta y el precio medio de venta acumulados a nivel regional. Tiene dificultades o se cierra una vez que empieza a pensar en la distribución total de los valores y, lo que es más importante, en las relaciones entre los elementos de los datos: información que se pierde en los resúmenes agregados, pero que es importante para una buena toma de decisiones. (Esto no quiere decir que los resúmenes de datos no sean útiles. Sin duda, son excelentes, ya que proporcionan una visibilidad básica del negocio. Pero tendrán poco valor para su uso en la toma de decisiones. Se pierde demasiado en la preparación para los humanos.) En otros casos, los datos resumidos pueden resultar totalmente engañosos. Los factores de confusión pueden dar la apariencia de una relación positiva cuando en realidad es todo lo contrario (consulte[De Simpson](http://en.wikipedia.org/wiki/Simpson%27s_paradox) y otras paradojas). Y una vez que se agreguen los datos, puede que sea imposible recuperar los factores que contribuyen para controlarlos adecuadamente. (La mejor práctica es utilizar ensayos controlados aleatorios, es decir, pruebas A/B. Sin esta práctica, es posible que ni siquiera la IA pueda controlar adecuadamente los factores de confusión.) En resumen, al utilizar a las personas como procesadores centrales de los datos, seguimos sacrificando la precisión para evitar el elevado coste del procesamiento de los datos humanos. 2. Los datos no son suficientes para aislarnos de los sesgos cognitivos. Los resúmenes de datos los dirigen los humanos de una manera que es propensa a todos esos sesgos cognitivos. Dirigimos el resumen de una manera que nos resulte intuitiva. Pedimos que los datos se agreguen en segmentos que consideremos arquetipos representativos. Sin embargo, tenemos esa tendencia a clasificar groseramente los temas en estereotipos amplios que no explican suficientemente sus diferencias. Por ejemplo, podemos agrupar los datos en atributos como la geografía, incluso cuando no haya ninguna diferencia discernible de comportamiento entre las regiones. Los resúmenes también pueden considerarse un «grano grueso» de los datos. Es una aproximación más aproximada de los datos. Por ejemplo, un atributo como la geografía debe mantenerse a nivel de región en el que haya relativamente pocos valores (es decir, «este» frente a «oeste»). Lo que importa puede estar mejor que eso: datos de la ciudad, el código postal e incluso a pie de calle. Eso es más difícil de agregar y resumir para que el cerebro humano lo procese. También preferimos las relaciones simples entre los elementos. Tendemos a pensar que las relaciones son lineales porque nos resulta más fácil de procesar. La relación entre el precio y las ventas, la penetración en el mercado y la tasa de conversión, el riesgo crediticio y los ingresos se supone que son lineales, incluso cuando los datos sugieren lo contrario. Incluso nos gusta crear explicaciones elaboradas para las tendencias y la variación de los datos, incluso cuando se explican más adecuadamente mediante una variación natural o aleatoria. Por desgracia, nos adaptamos a nuestros sesgos a la hora de procesar los datos. **Incorporar la IA al flujo de trabajo** Tenemos que seguir evolucionando e incluir la IA en el flujo de trabajo como procesador principal de datos. Para las decisiones de rutina que solo se basan en datos estructurados, es mejor que deleguemos las decisiones en la IA. La IA es menos propensa al sesgo cognitivo humano. (Existe un riesgo muy real de utilizar datos sesgados que puedan provocar que la IA encuentre relaciones engañosas e injustas. Asegúrese de entender cómo se generan los datos además de cómo se utilizan.) Se puede entrenar a la IA para que encuentre los segmentos de la población que mejor expliquen la varianza a niveles más detallados, incluso si no son intuitivos para nuestra percepción humana. La IA no tiene ningún problema con tratar miles o incluso millones de agrupaciones. Y la IA se siente más que cómoda trabajando con relaciones no lineales, ya sean exponenciales, leyes de potencias, series geométricas, distribuciones binomiales o de otro tipo.    Este flujo de trabajo aprovecha mejor la información contenida en los datos y es más coherente y objetivo en sus decisiones. Puede determinar mejor qué creatividad publicitaria es más eficaz, los niveles de inventario óptimos establecer o qué inversiones financieras realizar. Si bien se elimina a las personas de este flujo de trabajo, es importante tener en cuenta que la mera automatización no es el objetivo de un flujo de trabajo impulsado por la IA. Claro, puede que reduzca los costes, pero eso es solo un beneficio incremental. El valor de la IA es tomar mejores decisiones de las que pueden tomar los humanos por sí solos. Esto crea un cambio radical en la eficiencia y permite nuevas capacidades. **Aprovechar los procesadores humanos y de la IA en el flujo de trabajo** Eliminar a las personas de los flujos de trabajo que solo implican el procesamiento de datos estructurales no significa que las personas estén obsoletas. Hay muchas decisiones empresariales que dependen de algo más que de los datos estructurados. Las declaraciones de visión, las estrategias empresariales, los valores corporativos y la dinámica del mercado son ejemplos de información que solo está disponible en nuestra mente y que se transmite a través de la cultura y otras formas de comunicación no digital. La IA no puede acceder a esta información y es extremadamente relevante para las decisiones empresariales. Por ejemplo, la IA puede determinar objetivamente los niveles de inventario correctos para maximizar los beneficios. Sin embargo, en un entorno competitivo, una empresa puede optar por niveles de inventario más altos para ofrecer una mejor experiencia al cliente, incluso a expensas de los beneficios. En otros casos, la IA puede determinar que invertir más dinero en marketing tendrá el ROI más alto de las opciones disponibles para la empresa. Sin embargo, una empresa puede optar por moderar el crecimiento para mantener los estándares de calidad. La información adicional disponible para los humanos en forma de estrategia, valores y condiciones del mercado puede merecer apartarse de la racionalidad objetiva de la IA. En esos casos, la IA se puede utilizar para generar posibilidades entre las que los humanos puedan elegir la mejor alternativa con la información adicional a la que tienen acceso. El orden de ejecución de estos flujos de trabajo depende de cada caso. A veces, la IA es lo primero en reducir la carga de trabajo de los humanos. En otros casos, el juicio humano se puede utilizar como entrada para el procesamiento de la IA. Aún en otros casos, puede que haya una iteración entre la IA y el procesamiento humano.    La clave es que los humanos no interactúan directamente con los datos, sino más bien con las posibilidades que ofrece el procesamiento de los datos por parte de la IA. Los valores, la estrategia y la cultura son nuestra manera de conciliar nuestras decisiones con la racionalidad objetiva. Es mejor hacerlo de forma explícita y plenamente informada. Al aprovechar tanto la IA como los humanos, podemos tomar mejores decisiones que con cualquiera de las dos por sí sola. **La siguiente fase de nuestra evolución** Pasar de estar basado en los datos a estar impulsado por la IA es la siguiente fase de nuestra evolución. Incorporar la IA en nuestros flujos de trabajo permite un mejor procesamiento de los datos estructurados y permite a las personas contribuir de formas complementarias. Es poco probable que esta evolución se produzca dentro de la organización individual, del mismo modo que la evolución por selección natural no tiene lugar dentro de los individuos. Más bien, es un proceso de selección que opera en una población. Cuanto más eficientes sean las organizaciones, sobrevivirán a un ritmo mayor. Dado que a las empresas maduras les resulta difícil adaptarse a los cambios del entorno, sospecho que veremos la aparición de nuevas empresas que aprovechen las contribuciones de la IA y de las personas desde el principio y las incorporarán de forma nativa a sus flujos de trabajo.