Inteligencia artificial para el mundo real

Astraed

01 ene. 2018 — 21 min read

Resumen.

Las tecnologías cognitivas se utilizan cada vez más para resolver problemas empresariales; de hecho, muchos ejecutivos creen que la IA transformará sustancialmente sus empresas en un plazo de tres años. Sin embargo, muchos de los proyectos de IA más ambiciosos encuentran contratiempos o fracasan.

Una encuesta realizada a 250 ejecutivos familiarizados con el uso de la tecnología cognitiva por parte de sus empresas y un estudio de 152 proyectos muestran que a las empresas les va mejor si adoptan un enfoque progresivo en lugar de transformador para desarrollar e implementar la IA, y centrándose en aumentar en lugar de reemplazar las capacidades humanas.

En términos generales, la IA puede satisfacer tres necesidades empresariales importantes: automatizar los procesos empresariales (por lo general, actividades administrativas y financieras de back-office), obtener información a través del análisis de datos e interactuar con clientes y empleados. Para sacar el máximo provecho de la IA, las empresas deben comprender qué tecnologías realizan qué tipos de tareas, crear una cartera de proyectos priorizada en función de las necesidades del negocio y desarrollar planes para escalar en toda la empresa.

En resumen

El problema

Las tecnologías cognitivas se utilizan cada vez más para resolver problemas empresariales, pero muchos de los proyectos de IA más ambiciosos encuentran contratiempos o fracasan.

El enfoque

Las empresas deben adoptar un enfoque progresivo en lugar de transformador y centrarse en aumentar las capacidades humanas en lugar de reemplazarlas.

El proceso

Para sacar el máximo provecho de la IA, las empresas deben comprender qué tecnologías realizan qué tipos de tareas, crear una cartera de proyectos priorizada en función de las necesidades del negocio y desarrollar planes para escalar en toda la empresa.

En 2013, el MD Anderson Cancer Center lanzó un proyecto «lunar shot»: diagnosticar y recomendar planes de tratamiento para ciertas formas de cáncer utilizando el sistema cognitivo Watson de IBM. Sin embargo, en 2017, el proyecto se suspendió después de que los costos superaran los 62 millones de dólares y el sistema aún no se había utilizado en los pacientes. Al mismo tiempo, el grupo de IT del centro oncológico estaba experimentando con el uso de tecnologías cognitivas para realizar trabajos mucho menos ambiciosos, como hacer recomendaciones de hoteles y restaurantes para las familias de los pacientes, determinar qué pacientes necesitaban ayuda para pagar las facturas y abordar los problemas de IT del personal. Los resultados de estos proyectos han sido mucho más prometedores: los nuevos sistemas han contribuido a aumentar la satisfacción de los pacientes, mejorar el rendimiento financiero y reducir el tiempo dedicado a la tediosa entrada de datos por parte de los administradores de atención del hospital. A pesar del revés en la luna, el MD Anderson sigue comprometido con el uso de la tecnología cognitiva, es decir, la inteligencia artificial de última generación, para mejorar el tratamiento del cáncer, y actualmente está desarrollando una variedad de nuevos proyectos en su centro de competencia para la computación cognitiva.

El contraste entre los dos enfoques es relevante para cualquier persona que planee iniciativas de IA. Nuestra encuesta realizada a 250 ejecutivos familiarizados con el uso de la tecnología cognitiva por parte de sus empresas muestra que tres cuartas partes de ellos creen que la IA transformará sustancialmente sus empresas en un plazo de tres años. Sin embargo, nuestro estudio de 152 proyectos en casi la misma cantidad de empresas también revela que las fotos lunares muy ambiciosas tienen menos probabilidades de tener éxito que los proyectos de «fruta a la baja altura» que mejoran los procesos comerciales. Esto no debería ser sorprendente, como ha sido el caso de la gran mayoría de las nuevas tecnologías que las empresas han adoptado en el pasado. Pero la exageración que rodea a la inteligencia artificial ha sido especialmente poderosa y algunas organizaciones se han sentido seducidas por ella.

En este artículo, analizaremos las distintas categorías de IA que se están empleando y proporcionaremos un marco para que las empresas empiecen a desarrollar sus capacidades cognitivas en los próximos años para alcanzar sus objetivos empresariales.

Tres tipos de IA

Es útil que las empresas vean la IA desde el punto de vista de las capacidades empresariales en lugar de las tecnologías. En términos generales, la IA puede satisfacer tres necesidades empresariales importantes: automatizar los procesos empresariales, obtener información a través del análisis de datos e interactuar con clientes y empleados.

Proyectos cognitivos por tipo

Estudiamos 152 proyectos de tecnología cognitiva y descubrimos que se clasificaban en tres categorías.

Robótica y automatización cognitiva
71Perspectiva cognitiva
57Compromiso cognitivo
24

Automatización de procesos.

De los 152 proyectos que estudiamos, el tipo más común fue la automatización de tareas digitales y físicas (normalmente actividades administrativas y financieras administrativas administrativas) mediante tecnologías robóticas de automatización de procesos. La RPA es más avanzada que las herramientas de automatización de procesos empresariales anteriores, porque los «robots» (es decir, el código de un servidor) actúan como un humano que escribe y consume información de varios sistemas de IT. Las tareas incluyen:

transferir datos de los sistemas de correo electrónico y del centro de llamadas a sistemas de registro, por ejemplo, actualizar los archivos de los clientes con cambios de dirección o adiciones de servicios;
reemplazar tarjetas de crédito o cajeros automáticos perdidas, acceder a varios sistemas para actualizar los registros y gestionar las comunicaciones con los clientes;
conciliar los errores de cobro por los servicios en todos los sistemas de facturación mediante la extracción de información de varios tipos de documentos; y
«lectura» de documentos legales y contractuales para extraer disposiciones mediante el procesamiento del lenguaje natural.

La RPA es la menos costosa y fácil de implementar de las tecnologías cognitivas que analizaremos aquí y, por lo general, genera un rápido y alto retorno de la inversión. (También es lo menos «inteligente» en el sentido de que estas aplicaciones no están programadas para aprender y mejorar, aunque los desarrolladores poco a poco van añadiendo más inteligencia y capacidad de aprendizaje). Es especialmente adecuado para trabajar en varios sistemas back-end.

En la NASA, las presiones de costos llevaron a la agencia a lanzar cuatro proyectos piloto de RPA en cuentas por pagar y por cobrar, gastos de IT y recursos humanos, todo ello administrado por un centro de servicios compartidos. Los cuatro proyectos funcionaron bien (en la aplicación de RRHH, por ejemplo, el 86% de las transacciones se completaron sin intervención humana) y se están implementando en toda la organización. La NASA está implementando ahora más bots de RPA, algunos con niveles más altos de inteligencia. Como señala Jim Walker, líder del proyecto de la organización de servicios compartidos, «hasta el momento no se trata de una ciencia espacial».

Uno podría imaginar que la automatización robótica de procesos pondría rápidamente a las personas sin trabajo. Sin embargo, en los 71 proyectos de RPA que revisamos (47% del total), reemplazar a los empleados administrativos no fue el objetivo principal ni un resultado común. Solo unos pocos proyectos provocaron reducciones en el número de empleados y, en la mayoría de los casos, las tareas en cuestión ya se habían trasladado a trabajadores subcontratados. A medida que la tecnología mejora, es probable que los proyectos de automatización robótica generen pérdidas de puestos de trabajo en el futuro, especialmente en el sector de la externalización de procesos de negocio extranjero. Si puedes externalizar una tarea, probablemente puedas automatizarla.

Perspicacia cognitiva.

El segundo tipo de proyecto más común de nuestro estudio (38% del total) utilizó algoritmos para detectar patrones en grandes volúmenes de datos e interpretar su significado. Piensa en ello como «análisis de esteroides». Estas aplicaciones de aprendizaje automático se utilizan para:

predecir lo que es probable que un cliente en particular compre;
identificar el fraude crediticio en tiempo real y detectar el fraude en las reclamaciones de seguros;
analizar los datos de garantía para identificar problemas de seguridad o calidad en automóviles y otros productos manufacturados;
automatizar la segmentación personalizada de los anuncios digitales; y
proporcionar a las aseguradoras modelos actuariales más precisos y detallados.

Los conocimientos cognitivos proporcionados por el aprendizaje automático difieren de los disponibles en la analítica tradicional en tres aspectos: por lo general, consumen mucho más datos y son más detallados, los modelos suelen entrenarse en alguna parte del conjunto de datos y los modelos mejoran, es decir, su capacidad de utilizar nuevos datos para hacer las predicciones o poner las cosas en categorías mejoran con el tiempo.

Las versiones del aprendizaje automático (aprendizaje profundo, en particular, que intenta imitar la actividad del cerebro humano para reconocer patrones) pueden realizar hazañas como reconocer imágenes y hablar. El aprendizaje automático también puede poner a disposición nuevos datos para mejorar los análisis. Si bien la actividad de curación de datos ha sido históricamente laboriosa, ahora el aprendizaje automático puede identificar coincidencias probabilísticas (datos que probablemente estén asociados con la misma persona o empresa pero que aparecen en formatos ligeramente diferentes) en todas las bases de datos. GE ha utilizado esta tecnología para integrar los datos de los proveedores y ha ahorrado 80 millones de dólares en su primer año al eliminar despidos y negociar contratos que anteriormente se gestionaban a nivel de unidad de negocio. Del mismo modo, un gran banco utilizó esta tecnología para extraer datos en términos de contratos con proveedores y compararlos con los números de factura, identificando decenas de millones de dólares en productos y servicios no suministrados. La práctica de auditoría de Deloitte utiliza el conocimiento cognitivo para extraer los términos de los contratos, lo que permite que una auditoría aborde una proporción mucho mayor de documentos, a menudo el 100%, sin que los auditores humanos tengan que leerlos minuciosamente.

Las aplicaciones de conocimiento cognitivo suelen utilizarse para mejorar el rendimiento en trabajos que solo las máquinas pueden realizar, tareas como la compra de anuncios programáticos que implican una automatización y un procesamiento de datos a tan alta velocidad que llevan mucho tiempo más allá de la capacidad humana, por lo que generalmente no representan una amenaza para los trabajos humanos.

Compromiso cognitivo.

Los proyectos que involucran a empleados y clientes mediante chatbots de procesamiento del lenguaje natural, agentes inteligentes y aprendizaje automático fueron los menos comunes en nuestro estudio (representan el 16% del total). Esta categoría incluye:

agentes inteligentes que ofrecen servicio al cliente las 24 horas del día, los 7 días de la semana, abordan una amplia y creciente variedad de problemas, desde solicitudes de contraseñas hasta preguntas de soporte técnico, todo en el lenguaje natural del cliente;
sitios internos para responder a las preguntas de los empleados sobre temas como IT, beneficios para empleados y políticas de RRHH;
sistemas de recomendación de productos y servicios para minoristas que aumentan la personalización, el compromiso y las ventas, lo que suele incluir un lenguaje o imágenes enriquecidos; y
sistemas de recomendación de tratamientos de salud que ayudan a los proveedores a crear planes de atención personalizados que tengan en cuenta el estado de salud de los pacientes individuales y los tratamientos anteriores.

Las empresas de nuestro estudio tendían a utilizar tecnologías de compromiso cognitivo más para interactuar con los empleados que con los clientes. Esto puede cambiar a medida que las empresas se sientan más cómodas entregando las interacciones con los clientes a las máquinas. Vanguard, por ejemplo, está poniendo a prueba a un agente inteligente que ayuda a su personal de atención al cliente a responder a las preguntas más frecuentes. El plan es permitir eventualmente que los clientes interactúen directamente con el agente cognitivo, en lugar de con los agentes humanos de servicio al cliente. SeBank, en Suecia, y el gigante de la tecnología médica Becton, Dickinson, en los Estados Unidos, están utilizando al avatar de agente inteligente Amelia para que sirva de mesa de ayuda interna de los empleados para el soporte de IT. Recientemente, SeBank ha puesto a Amelia a disposición de los clientes de forma limitada con el fin de probar su rendimiento y la respuesta de los clientes.

Las empresas tienden a adoptar un enfoque conservador con respecto a las tecnologías de participación cognitiva orientadas al cliente en gran medida debido a su inmadurez. Facebook, por ejemplo, descubrió que sus chatbots de Messenger no podían responder al 70% de las solicitudes de los clientes sin intervención humana. Como resultado, Facebook y otras empresas están restringiendo las interfaces basadas en bots a determinados dominios temáticos o tipos de conversación.

Nuestra investigación sugiere que las aplicaciones de interacción cognitiva no están amenazando actualmente el servicio al cliente o los trabajos de representante de ventas. En la mayoría de los proyectos que estudiamos, el objetivo no era reducir el número de empleados, sino gestionar un número creciente de interacciones entre empleados y clientes sin añadir personal. Algunas organizaciones planeaban entregar las comunicaciones rutinarias a las máquinas, mientras se hacía la transición del personal de atención al cliente a actividades más complejas, como manejar los problemas de los clientes que se agravaban, llevar a cabo diálogos ampliados no estructurados o comunicarse con los clientes antes de que llamaran por problemas.

A medida que las empresas se familiarizan con las herramientas cognitivas, experimentan con proyectos que combinan elementos de las tres categorías para aprovechar los beneficios de la IA. Una aseguradora italiana, por ejemplo, desarrolló una «mesa de ayuda cognitiva» dentro de su organización de IT. El sistema interactúa con los empleados que utilizan tecnología de aprendizaje profundo (parte de la categoría de conocimientos cognitivos) para buscar preguntas y respuestas frecuentes, casos resueltos previamente y documentación para encontrar soluciones a los problemas de los empleados. Utiliza una capacidad de enrutamiento inteligente (automatización de procesos empresariales) para remitir los problemas más complejos a los representantes humanos y utiliza el procesamiento del lenguaje natural para responder a las solicitudes de los usuarios en italiano.

Sin embargo, a pesar de la rápida expansión de su experiencia con herramientas cognitivas, las empresas se enfrentan a importantes obstáculos en el desarrollo y la implementación. Sobre la base de nuestra investigación, hemos desarrollado un marco de cuatro pasos para integrar tecnologías de IA que pueden ayudar a las empresas a alcanzar sus objetivos, tanto si los proyectos son disparos a la luna como mejoras en los procesos empresariales.

1. Comprensión de las tecnologías

Antes de emprender una iniciativa de IA, las empresas deben comprender qué tecnologías realizan qué tipos de tareas, así como las fortalezas y limitaciones de cada una. Los sistemas expertos basados en reglas y la automatización robótica de procesos, por ejemplo, son transparentes en la forma en que realizan su trabajo, pero ninguno de ellos es capaz de aprender y mejorar. El aprendizaje profundo, por otro lado, es excelente para aprender de grandes volúmenes de datos etiquetados, pero es casi imposible entender cómo crea los modelos que crea. Esta cuestión de la «caja negra» puede ser problemática en sectores altamente regulados como los servicios financieros, en los que los reguladores insisten en saber por qué las decisiones se toman de cierta manera.

Nos encontramos con varias organizaciones que desperdiciaban tiempo y dinero buscando la tecnología equivocada para el trabajo que nos ocupaban. Pero si cuentan con un buen conocimiento de las diferentes tecnologías, las empresas están mejor posicionadas para determinar cuál podría responder mejor a necesidades específicas, con qué proveedores trabajar y qué tan rápido se puede implementar un sistema. Adquirir esta comprensión requiere investigación y educación continuas, por lo general dentro de IT o en un grupo de innovación.

En particular, las empresas tendrán que aprovechar las capacidades de los empleados clave, como los científicos de datos, que poseen las habilidades estadísticas y de big data necesarias para aprender los aspectos básicos de estas tecnologías. Uno de los principales factores de éxito es la disposición de tu gente a aprender. Algunos aprovecharán la oportunidad, mientras que otros querrán seguir con herramientas con las que están familiarizados. Esfuérzate por tener un alto porcentaje de los primeros.

Si no tienes capacidades de análisis o ciencia de datos internas, probablemente tendrás que crear un ecosistema de proveedores de servicios externos a corto plazo. Si esperas implementar proyectos de IA a largo plazo, querrás contratar talento interno experto. De cualquier manera, tener las capacidades adecuadas es esencial para progresar.

Dada la escasez de talento tecnológico cognitivo, la mayoría de las organizaciones deberían establecer un conjunto de recursos (tal vez en una función centralizada como IT o estrategia) y poner a disposición de expertos para proyectos de alta prioridad en toda la organización. A medida que proliferan las necesidades y el talento, puede tener sentido dedicar grupos a funciones o unidades empresariales específicas, pero incluso así una función de coordinación central puede ser útil para gestionar proyectos y carreras.

2. Creación de un portafolio de proyectos

El siguiente paso en el lanzamiento de un programa de IA es evaluar sistemáticamente las necesidades y capacidades y, a continuación, desarrollar una cartera de proyectos priorizada. En las empresas que estudiamos, esto se hacía normalmente en talleres o mediante pequeñas contrataciones de consultoría. Recomendamos que las empresas realicen evaluaciones en tres áreas generales.

Identificar las oportunidades.

La primera evaluación determina qué áreas de la empresa podrían beneficiarse más de las aplicaciones cognitivas. Por lo general, son partes de la empresa en las que el «conocimiento» (información derivada del análisis de datos o una colección de textos) es muy importante, pero por alguna razón no está disponible.

Cuellos de botella. En algunos casos, la falta de conocimientos cognitivos se debe a un cuello de botella en el flujo de información; el conocimiento existe en la organización, pero no se distribuye de manera óptima. Este suele ser el caso de la atención médica, por ejemplo, donde el conocimiento tiende a estar en silos dentro de los consultorios, departamentos o centros médicos académicos.
Retos de escalado. En otros casos, el conocimiento existe, pero el proceso para utilizarlo tarda demasiado o es costoso de escalar. Este suele ser el caso de los conocimientos desarrollados por los asesores financieros. Es por eso que muchas empresas de gestión de inversiones y patrimonio ofrecen ahora capacidades de «robo-advice» respaldadas por IA que proporcionan a los clientes una orientación rentable para problemas financieros rutinarios.
En la industria farmacéutica, Pfizer está abordando el problema de la escala utilizando Watson de IBM para acelerar el laborioso proceso de investigación de descubrimiento de fármacos en inmuno-oncología, un enfoque emergente para el tratamiento del cáncer que utiliza el sistema inmunitario del cuerpo para ayudar a combatir el cáncer. Los medicamentos inmuno-oncológicos pueden tardar hasta 12 años en comercializarse. Al combinar una amplia revisión de la literatura con los datos propios de Pfizer, como los informes de laboratorio, Watson ayuda a los investigadores a descubrir relaciones y encontrar patrones ocultos que deberían acelerar la identificación de nuevos objetivos farmacológicos, terapias combinadas para estudio y estrategias de selección de pacientes para esta nueva clase de drogas.
Potencia de fuego inadecuada. Por último, una empresa puede recopilar más datos de los que su potencia de fuego humana o informática existente puede analizar y aplicar adecuadamente. Por ejemplo, una empresa puede tener cantidades masivas de datos sobre el comportamiento digital de los consumidores, pero carece de información sobre lo que significa o cómo se puede aplicar estratégicamente. Para solucionar este problema, las empresas utilizan el aprendizaje automático para respaldar tareas como la compra programática de anuncios digitales personalizados o, en el caso de Cisco Systems e IBM, para crear decenas de miles de «modelos de propensión» para determinar qué clientes tienen probabilidades de comprar qué productos.

Determinación de los casos de uso.

La segunda área de evaluación evalúa los casos de uso en los que las aplicaciones cognitivas generarían un valor sustancial y contribuirían al éxito empresarial. Empiece por hacer preguntas clave como: ¿Qué importancia tiene para su estrategia general abordar el problema específico? ¿Qué tan difícil sería implementar la solución de IA propuesta, tanto técnica como organizativamente? ¿Valdrían la pena los beneficios de lanzar la aplicación? A continuación, dé prioridad a los casos de uso según los cuales ofrezcan el mayor valor a corto y largo plazo y que, en última instancia, podrían integrarse en una plataforma o conjunto de capacidades cognitivas más amplias para crear una ventaja competitiva.

Selección de la tecnología.

La tercera área a evaluar examina si las herramientas de IA que se están considerando para cada caso de uso están realmente a la altura de la tarea. Los chatbots y los agentes inteligentes, por ejemplo, pueden frustrar a algunas empresas porque la mayoría de ellas todavía no pueden igualar la resolución de problemas humanos más allá de los casos simples con guiones (aunque están mejorando rápidamente). Otras tecnologías, como la automatización robótica de procesos que pueden agilizar procesos sencillos como la facturación, pueden ralentizar los sistemas de producción más complejos. Y aunque los sistemas de reconocimiento visual de aprendizaje profundo pueden reconocer imágenes en fotos y vídeos, requieren muchos datos etiquetados y es posible que no puedan dar sentido a un campo visual complejo.

Con el tiempo, las tecnologías cognitivas transformarán la forma en que las empresas hacen negocios. Sin embargo, hoy en día es más prudente dar pasos graduales con la tecnología disponible actualmente mientras se planifica un cambio transformador en un futuro no muy lejano. En última instancia, es posible que desee convertir las interacciones con los clientes en bots, por ejemplo, pero por ahora probablemente sea más factible (y sensato) automatizar su mesa de ayuda interna de IT como un paso hacia el objetivo final.

3. Lanzamiento de pilotos

Dado que la brecha entre las capacidades de IA actuales y las deseadas no siempre es obvia, las empresas deben crear proyectos piloto para aplicaciones cognitivas antes de implementarlas en toda la empresa.

Los proyectos piloto de prueba de concepto son especialmente adecuados para iniciativas que tienen un alto valor comercial potencial o permiten a la organización probar diferentes tecnologías al mismo tiempo. Tenga especial cuidado de evitar «inyecciones» de proyectos por parte de altos ejecutivos que han sido influenciados por proveedores de tecnología. El hecho de que los ejecutivos y los consejos de administración se sientan presionados a «hacer algo cognitivo» no significa que debas eludir el riguroso proceso de pilotaje. Los proyectos inyectados suelen fallar, lo que puede retrasar significativamente el programa de IA de la organización.

Si su empresa planea poner en marcha varios proyectos piloto, considere la posibilidad de crear un centro de excelencia cognitiva o una estructura similar para gestionarlos. Este enfoque ayuda a desarrollar las habilidades y capacidades tecnológicas necesarias dentro de la organización, a la vez que ayuda a trasladar a los pequeños pilotos a aplicaciones más amplias que tendrán un mayor impacto. Pfizer tiene más de 60 proyectos en toda la empresa que emplean algún tipo de tecnología cognitiva; muchos son pilotos y algunos ya están en producción.

En Becton, Dickinson, una función de «automatización global» dentro de la organización de IT supervisa una serie de proyectos piloto de tecnología cognitiva que utilizan agentes digitales inteligentes y RPA (parte del trabajo se realiza en colaboración con la organización Global Shared Services de la empresa). El grupo de automatización global utiliza mapas de procesos integrales para guiar la implementación e identificar oportunidades de automatización. El grupo también utiliza «mapas de calor» gráficos que indican las actividades organizativas más susceptibles a las intervenciones de IA. La empresa ha implementado con éxito agentes inteligentes en los procesos de soporte de IT, pero aún no está preparada para dar soporte a procesos empresariales a gran escala, como el pedido al cobro. La aseguradora de salud Anthem ha desarrollado una función de IA centralizada similar a la que denomina Oficina de Capacidad Cognitiva.

Rediseño de procesos empresariales.

A medida que se desarrollan proyectos de tecnología cognitiva, piense en cómo se podrían rediseñar los flujos de trabajo, centrándose específicamente en la división del trabajo entre los seres humanos y la IA. En algunos proyectos cognitivos, el 80% de las decisiones las tomarán las máquinas y el 20% las tomarán los seres humanos; otros tendrán la proporción opuesta. El rediseño sistemático de los flujos de trabajo es necesario para garantizar que los seres humanos y las máquinas aumenten sus puntos fuertes y compensen las debilidades.

La firma de inversión Vanguard, por ejemplo, tiene una nueva oferta de «Servicios de asesoría personal» (PAS), que combina el asesoramiento de inversión automatizado con la orientación de asesores humanos. En el nuevo sistema, la tecnología cognitiva se utiliza para realizar muchas de las tareas tradicionales de asesoramiento de inversiones, como la construcción de una cartera personalizada, el reequilibrio de las carteras a lo largo del tiempo, la recolección de pérdidas fiscales y la selección de inversiones con eficiencia fiscal. Los asesores humanos de Vanguard actúan como «asesores de inversiones», encargados de responder a las preguntas de los inversores, alentar comportamientos financieros saludables y ser, en palabras de Vanguard, «interruptores emocionales» para mantener a los inversores en plan. Se anima a los asesores a que aprendan sobre las finanzas conductuales para desempeñar estas funciones de manera eficaz. El enfoque PAS ha acumulado rápidamente más de 80.000 millones de dólares en activos bajo gestión, los costos son inferiores a los del asesoramiento exclusivamente humano y la satisfacción del cliente es alta.

División de Trabajo de One Company

Vanguard, la firma de servicios de inversión, utiliza tecnología cognitiva para ofrecer a los clientes asesoramiento de inversión a un costo menor. Su sistema de servicios de asesoría personal automatiza muchas tareas tradicionales de asesoramiento de inversiones, mientras que los asesores humanos se encargan de actividades de mayor valor. Así es como Vanguard rediseñó sus procesos de trabajo para aprovechar al máximo el nuevo sistema.

Tecnología cognitiva:

Genera un plan financiero
Proporciona previsiones basadas en objetivos en tiempo real
Reequilibra la cartera con la combinación objetivo
Minimiza los impuestos
Realiza un seguimiento de activos agregados en un solo lugar
Envuelve a los clientes virtualmente

Consejero:

Comprende los objetivos de inversión
Personaliza un plan de implementación
Proporciona análisis de inversiones y planificación de jubilación
Desarrolla estrategias de reducción de ingresos por jubilación y del Seguro Social
Sirve como entrenador de comportamiento
Supervisa los gastos para fomentar la rendición de cuentas
Ofrece apoyo continuo para la planificación patrimonial y financiera
Aborda consideraciones de planificación patrimonial

Fuente Grupo Vanguard

Vanguard comprendió la importancia del rediseño del trabajo al implementar PAS, pero muchas empresas simplemente «allanan el camino de las vacas» automatizando los procesos de trabajo existentes, especialmente cuando utilizan la tecnología RPA. Al automatizar los flujos de trabajo establecidos, las empresas pueden implementar proyectos rápidamente y lograr el ROI, pero renuncian a la oportunidad de aprovechar al máximo las capacidades de IA y mejorar sustancialmente el proceso.

Los esfuerzos de rediseño cognitivo del trabajo suelen beneficiarse de la aplicación de principios de pensamiento de diseño: comprender las necesidades del cliente o del usuario final, involucrar a los empleados cuyo trabajo se reestructurará, tratar los diseños como «primeros borradores» experimentales, considerar múltiples alternativas y considerar explícitamente la tecnología cognitiva capacidades en el proceso de diseño. La mayoría de los proyectos cognitivos también son adecuados para enfoques de desarrollo ágiles e iterativos.

4. Escalado hacia arriba

Muchas organizaciones han lanzado con éxito proyectos piloto cognitivos, pero no han tenido tanto éxito implementándolos en toda la organización. Para alcanzar sus objetivos, las empresas necesitan planes detallados de ampliación, lo que requiere la colaboración entre los expertos en tecnología y los propietarios del proceso empresarial que se está automatizando. Dado que las tecnologías cognitivas suelen admitir tareas individuales en lugar de procesos completos, la ampliación casi siempre requiere la integración con los sistemas y procesos existentes. De hecho, en nuestra encuesta, los ejecutivos informaron que dicha integración era el mayor desafío al que se enfrentaban en las iniciativas de IA.

Las empresas deben comenzar el proceso de ampliación considerando si la integración necesaria es posible o factible. Si la aplicación depende de una tecnología especial difícil de obtener, por ejemplo, eso limitará el escalado. Asegúrese de que los responsables de los procesos de negocio discutan las consideraciones de escalado con la organización de IT antes o durante la fase piloto: es poco probable que una operación final en torno a IT tenga éxito, incluso para tecnologías relativamente simples como la RPA.

La aseguradora de salud Anthem, por ejemplo, está asumiendo el desarrollo de tecnologías cognitivas como parte de una importante modernización de sus sistemas existentes. En lugar de incorporar nuevas aplicaciones cognitivas a la tecnología heredada, Anthem utiliza un enfoque holístico que maximiza el valor que generan las aplicaciones cognitivas, reduce el costo general de desarrollo e integración y crea un efecto halo en los sistemas heredados. La empresa también está rediseñando los procesos al mismo tiempo para, como dice el CIO de TI Tom Miller, «usar la cognición para pasar al siguiente nivel».

Al ampliar la escala, las empresas pueden enfrentar desafíos sustanciales en la gestión del cambio. En una cadena minorista de ropa de EE. UU., por ejemplo, el proyecto piloto de un pequeño subconjunto de tiendas utilizó el aprendizaje automático para recomendaciones de productos en línea, predicciones para modelos de inventario óptimo y reabastecimiento rápido y, lo más difícil de todo, el merchandising. Los compradores, acostumbrados a pedir productos basándose en su intuición, se sintieron amenazados e hicieron comentarios como «Si vas a confiar en esto, ¿para qué me necesitas?» Después del piloto, los compradores acudieron en grupo al director de comercialización y solicitaron que se eliminara el programa. El ejecutivo señaló que los resultados fueron positivos y justificaron la ampliación del proyecto. Aseguró a los compradores que, liberados de ciertas tareas de comercialización, podrían asumir un trabajo de mayor valor que los humanos aún pueden hacer mejor que las máquinas, como comprender los deseos de los clientes más jóvenes y determinar los planes futuros de los fabricantes de ropa. Al mismo tiempo, reconoció que los comerciantes necesitaban ser educados sobre una nueva forma de trabajar.

Lecturas adicionales

«Gran idea: el negocio de la inteligencia artificial»
de Erik Brynjolfsson y Andrew McAfee

«Dentro del taller de IA de Facebook»
de Scott Berinato

«La IA puede ser un compañero de equipo problemático»
de Kurt Gray

Si se quiere que el escalado alcance los resultados deseados, las empresas también deben centrarse en mejorar la productividad. Muchos, por ejemplo, planean crecer su camino hacia la productividad, añadiendo clientes y transacciones sin añadir personal. Las empresas que citan la reducción del número de personas como la principal justificación de la inversión en IA deberían planear alcanzar ese objetivo a lo largo del tiempo mediante el desgaste o la eliminación de la subcontratación.

La empresa cognitiva del futuro

Nuestra encuesta y entrevistas sugieren que los gerentes con experiencia en tecnología cognitiva son optimistas en cuanto a sus perspectivas. Aunque los primeros éxitos son relativamente modestos, anticipamos que estas tecnologías transformarán el trabajo con el tiempo. Creemos que las empresas que están adoptando la IA con moderación ahora (y tienen planes de implementación agresivos para el futuro) se encontrarán tan bien posicionadas para obtener beneficios como aquellas que adoptaron la analítica desde el principio.

Mediante la aplicación de la IA, los ámbitos que requieren mucha información, como el marketing, la atención médica, los servicios financieros, la educación y los servicios profesionales, podrían volverse simultáneamente más valiosos y menos costosos para la sociedad. La monotonía empresarial en todas las industrias y funciones (supervisar las transacciones rutinarias, responder repetidamente a las mismas preguntas y extraer datos de un sinfín de documentos) podría convertirse en la competencia de las máquinas, liberando a los trabajadores humanos para que sean más productivos y creativos. Las tecnologías cognitivas también son un catalizador para que otras tecnologías con uso intensivo de datos tengan éxito, como los vehículos autónomos, el Internet de las cosas y las tecnologías de consumo móviles y multicanal.

El gran temor de las tecnologías cognitivas es que dejen sin trabajo a masas de personas. Por supuesto, es probable que se pierda algo de trabajo ya que las máquinas inteligentes se hacen cargo de ciertas tareas tradicionalmente realizadas por los humanos. Sin embargo, creemos que la mayoría de los trabajadores tienen poco que temer en este momento. Los sistemas cognitivos realizan tareas, no trabajos enteros. La pérdida de puestos de trabajo humanos que hemos visto se debió principalmente al desgaste de los trabajadores que no fueron reemplazados o a la automatización del trabajo subcontratado. La mayoría de las tareas cognitivas que se realizan actualmente aumentan la actividad humana, realizan tareas limitadas dentro de un trabajo mucho más amplio o realizan trabajos que los humanos no realizaron en primer lugar, como el análisis de big data.

La mayoría de los gerentes con los que discutimos el tema de la pérdida de puestos de trabajo están comprometidos con una estrategia de aumento, es decir, integrar el trabajo humano y el de las máquinas, en lugar de reemplazar a los humanos por completo. En nuestra encuesta, solo el 22% de los ejecutivos indicaron que consideraban la reducción del número de personal como un beneficio principal de la IA.

Creemos que todas las grandes empresas deberían explorar tecnologías cognitivas. Habrá algunos obstáculos en el camino y no hay lugar para la autocomplacencia en cuestiones de desplazamiento de la fuerza de trabajo y la ética de las máquinas inteligentes. Sin embargo, con la planificación y el desarrollo adecuados, la tecnología cognitiva podría dar comienzo a una edad dorada de productividad, satisfacción laboral y prosperidad.

— Escrito por Thomas H. Davenport Thomas H. Davenport Rajeev Ronanki