Inteligencia colaborativa: Los seres humanos y la IA están uniendo fuerzas

Resumen.

La inteligencia artificial está transformando todos los sectores de la economía, pero no hay razón para temer que los robots reemplacen a todos los empleados humanos. De hecho, las empresas que automatizan sus operaciones principalmente para reducir sus fuerzas de trabajo sólo verán ganancias de productividad a corto plazo, dicen los autores. Su investigación, que involucra a 1.500 empresas en una gama de industrias, muestra que las mayores mejoras de rendimiento se presentan cuando los seres humanos y las máquinas inteligentes trabajan juntos, mejorando los puntos fuertes de cada uno.

Las personas necesitan capacitar a los agentes de IA, explicar sus resultados y asegurarse de que se utilizan de manera responsable. Los agentes de IA, a su vez, pueden ayudar a las personas a recopilar información, crujir datos, servicio al cliente rutinario y trabajo físico, liberándolas para tareas de alto nivel que requieren liderazgo, pensamiento creativo, juicio y otras habilidades humanas.

Para sacar el máximo provecho de la IA, las empresas deben rediseñar sus procesos de negocio. Después de decidir qué necesita mejora (flexibilidad operativa, velocidad o escalabilidad, toma de decisiones o capacidad de personalizar productos y servicios), pueden idear las soluciones adecuadas. Esto significará no solo implementar tecnología de IA, sino también desarrollar empleados que puedan trabajar eficazmente en la interfaz hombre-máquina.

Los autores describen cómo varias empresas ya están dando estos pasos y optimizando la inteligencia colaborativa. Pero muchos más deberían seguir su ejemplo.

En resumen

El Outlook

La inteligencia artificial está transformando el negocio y tiene el impacto más significativo cuando aumenta a los trabajadores humanos en lugar de reemplazarlos.

Los detalles

Las empresas ven las mayores ganancias de rendimiento cuando los humanos y las máquinas inteligentes colaboran. Las personas son necesarias para entrenar máquinas, explicar sus resultados y garantizar su uso responsable. La IA, a su vez, puede mejorar las habilidades cognitivas y la creatividad de los seres humanos, liberar a los trabajadores de tareas de bajo nivel y ampliar sus capacidades físicas.

La prescripción

Las empresas deben reimaginar sus procesos de negocio, centrándose en el uso de la IA para lograr una mayor flexibilidad operativa o velocidad, mayor escala, mejor toma de decisiones o una mayor personalización de productos y servicios.

La inteligencia artificial se está volviendo buena en muchos trabajos «humanos»: diagnosticar enfermedades, traducir idiomas, proporcionar servicio al cliente, y está mejorando rápidamente. Esto está suscitando temores razonables de que la IA en última instancia reemplace a los trabajadores humanos en toda la economía. Pero ese no es el resultado inevitable, o incluso lo más probable. Nunca antes las herramientas digitales han respondido tanto a nosotros, ni nosotros a nuestras herramientas. Mientras que la IA alterará radicalmente cómo se realiza el trabajo y quién lo hace, el mayor impacto de la tecnología será complementar y aumentar las capacidades humanas, no reemplazarlas.

Ciertamente, muchas empresas han utilizado la IA para automatizar procesos, pero las que lo implementan principalmente para desplazar a los empleados solo verán ganancias de productividad a corto plazo. En nuestra investigación que involucra a 1.500 empresas, descubrimos que las empresas logran mejoras de rendimiento más significativas cuando los seres humanos y las máquinas trabajan juntos. A través de esa inteligencia colaborativa, los humanos y la IA mejoran activamente las fortalezas complementarias de los demás: el liderazgo, el trabajo en equipo, la creatividad y las habilidades sociales de los primeros, y la velocidad, escalabilidad y capacidades cuantitativas de la segunda. Lo que viene naturalmente a las personas (haciendo una broma, por ejemplo) puede ser complicado para las máquinas, y lo que es sencillo para las máquinas (analizar gigabytes de datos) sigue siendo prácticamente imposible para los humanos. El negocio requiere ambos tipos de capacidades.

El valor de la colaboración

Las empresas se benefician de optimizar la colaboración entre los seres humanos y la inteligencia artificial. Cinco principios pueden ayudarlos a hacerlo: reimaginar los procesos empresariales; adoptar la experimentación/participación de los empleados; dirigir activamente la estrategia de IA; recopilar datos de manera responsable; y rediseñar el trabajo para incorporar IA y cultivar las habilidades relacionadas con los empleados. Una encuesta realizada a 1.075 empresas de 12 industrias encontró que cuanto más de estos principios adoptan las empresas, mejor se realizarán sus iniciativas de IA en términos de velocidad, ahorro de costos, ingresos u otras medidas operativas.

El valor de la colaboración

Las empresas se benefician de optimizar la colaboración entre los seres humanos y la inteligencia artificial. Cinco principios pueden ayudarlos a hacerlo: reimaginar los procesos empresariales; adoptar la experimentación/participación de los empleados; dirigir activamente la estrategia de IA; recopilar datos de manera responsable; y rediseñar el trabajo para incorporar IA y cultivar las habilidades relacionadas con los empleados. Una encuesta realizada a 1.075 empresas de 12 industrias encontró que cuanto más de estos principios adoptan las empresas, mejor se realizarán sus iniciativas de IA en términos de velocidad, ahorro de costos, ingresos u otras medidas operativas.

Para aprovechar al máximo esta colaboración, las empresas deben comprender cómo los humanos pueden aumentar las máquinas de manera más efectiva, cómo las máquinas pueden mejorar lo que mejor hacen los humanos y cómo rediseñar los procesos de negocio para apoyar la asociación. A través de nuestra investigación y trabajo en el campo, hemos desarrollado pautas para ayudar a las empresas a lograr esto y a poner en marcha el poder de la inteligencia colaborativa.

Máquinas de Asistencia Humana

Los humanos necesitan desempeñar tres papeles cruciales. Ellos deben tren máquinas para realizar ciertas tareas; explicar los resultados de esas tareas, especialmente cuando los resultados son contrarios a los intuitivos o controvertidos; y sostener el uso responsable de máquinas (evitando, por ejemplo, que los robots dañen a los seres humanos).

Entrenamiento.

Se debe enseñar a los algoritmos de aprendizaje automático cómo realizar el trabajo para el que están diseñados. En ese esfuerzo, se acumulan enormes conjuntos de datos de capacitación para enseñar aplicaciones de traducción automática a manejar expresiones idiomáticas, aplicaciones médicas para detectar enfermedades y motores de recomendación para apoyar la toma de decisiones financieras. Además, los sistemas de IA deben estar capacitados para interactuar mejor con los seres humanos. Mientras que las organizaciones de todos los sectores se encuentran ahora en las primeras etapas de ocupar puestos de formador, las principales empresas tecnológicas y grupos de investigación ya cuentan con personal de formación maduro y experiencia.

Considere el asistente de inteligencia artificial de Microsoft, Cortana. El bot requería un entrenamiento extenso para desarrollar la personalidad adecuada: seguro, cariñoso y servicial, pero no mandón. Inculcar esas cualidades tomó innumerables horas de atención por parte de un equipo que incluía a un poeta, un novelista y un dramaturgo. Del mismo modo, se necesitaban formadores humanos para desarrollar las personalidades de Siri de Apple y Alexa de Amazon para garantizar que reflejaran con precisión las marcas de sus empresas. Siri, por ejemplo, tiene sólo un toque de sassiness, como los consumidores podrían esperar de Apple.

Los asistentes de IA están siendo entrenados para mostrar rasgos humanos aún más complejos y sutiles, como la simpatía. La start-up Koko, una rama del MIT Media Lab, ha desarrollado una tecnología que puede ayudar a los asistentes de IA a parecer compadecidos. Por ejemplo, si un usuario está teniendo un mal día, el sistema Koko no responde con una respuesta enlatada como «Lamento escuchar eso». En su lugar, puede pedir más información y luego ofrecer consejos para ayudar a la persona a ver sus problemas en una luz diferente. Si se sintiera estresado, por ejemplo, Koko podría recomendar pensar en esa tensión como una emoción positiva que podría ser canalizada hacia la acción.

Explicando.

A medida que las AI llegan cada vez más a conclusiones a través de procesos que son opacos (el llamado problema de la caja negra), requieren expertos humanos en el campo para explicar su comportamiento a usuarios no expertos. Estos «explicadores» son particularmente importantes en industrias basadas en evidencia, como el derecho y la medicina, donde un profesional necesita comprender cómo una IA pesaba los insumos en, por ejemplo, una sentencia o recomendación médica. Los explicadores son igualmente importantes para ayudar a las aseguradoras y a las fuerzas del orden a entender por qué un automóvil autónomo tomó acciones que condujeron a un accidente, o no pudo evitarlo. Y los explicadores se están convirtiendo en una parte integral en las industrias reguladas, de hecho, en cualquier industria orientada al consumidor donde la producción de una máquina podría ser desafiada como injusta, ilegal o simplemente equivocada. Por ejemplo, el nuevo Reglamento General de Protección de Datos (GDPR) de la Unión Europea otorga a los consumidores el derecho a recibir una explicación de cualquier decisión basada en algoritmos, como la oferta de tarifas en una tarjeta de crédito o hipoteca. Esta es una área en la que la IA contribuirá a aumento empleo: Los expertos estiman que las empresas tendrán que crear alrededor de 75.000 nuevos puestos de trabajo para administrar los requisitos del RGPD.

Sostener.

Además de contar con personas que puedan explicar los resultados de IA, las empresas necesitan «sustentadores», empleados que trabajan continuamente para garantizar que los sistemas de IA funcionen correctamente, de forma segura y responsable.

La IA puede potenciar nuestras capacidades analíticas y de toma de decisiones y aumentar la creatividad.

Por ejemplo, una serie de expertos a los que se hace referencia a veces como ingenieros de seguridad se centran en anticipar y tratar de prevenir los daños causados por las IA. Los desarrolladores de robots industriales que trabajan junto a las personas han prestado especial atención a asegurarse de que reconocen a los seres humanos cercanos y no los pongan en peligro. Estos expertos también pueden revisar el análisis de explicadores cuando las IA causan daños, como cuando un automóvil autónomo está involucrado en un accidente fatal.

Otros grupos de sustentadores se aseguran de que los sistemas de IA respeten las normas éticas. Si un sistema de IA para la aprobación de créditos, por ejemplo, se descubre que discrimina a personas en determinados grupos (como ha sucedido), estos administradores de ética son responsables de investigar y abordar el problema. Jugando un papel similar, los responsables de cumplimiento de datos tratan de asegurarse de que los datos que alimentan los sistemas de IA cumplan con el RGPD y otras regulaciones de protección del consumidor. Una función relacionada con el uso de datos implica garantizar que las AI gestionen la información de manera responsable. Al igual que muchas empresas tecnológicas, Apple utiliza IA para recopilar datos personales sobre los usuarios a medida que interactúan con los dispositivos y el software de la empresa. El objetivo es mejorar la experiencia del usuario, pero la recopilación de datos sin restricciones puede comprometer la privacidad, enojar a los clientes y atentar contra la ley. El «equipo de privacidad diferencial» de la compañía trabaja para asegurarse de que mientras la IA busca aprender lo más posible sobre un grupo de usuarios en un sentido estadístico, está protegiendo la privacidad de los usuarios individuales.

Máquinas que ayudan a humanos

Las máquinas inteligentes están ayudando a los humanos a expandir sus habilidades de tres maneras. Ellos pueden amplificar nuestras fortalezas cognitivas; interactuar con clientes y empleados para liberarnos para tareas de alto nivel; y encarnar habilidades humanas para ampliar nuestras capacidades físicas.

Amplificando.

La inteligencia artificial puede potenciar nuestras capacidades analíticas y de toma de decisiones al proporcionar la información correcta en el momento adecuado. Pero también puede aumentar la creatividad. Considere cómo la IA de Dreamcatcher de Autodesk mejora la imaginación incluso de diseñadores excepcionales. Un diseñador proporciona a Dreamcatcher criterios sobre el producto deseado, por ejemplo, una silla capaz de soportar hasta 300 libras, con un asiento de 18 pulgadas del suelo, hecha de materiales que cuestan menos de $75, y así sucesivamente. También puede proporcionar información sobre otras sillas que le resulten atractivas. Atrapasueños luego produce miles de diseños que coinciden con esos criterios, a menudo generando ideas que el diseñador podría no haber considerado inicialmente. Luego puede guiar el software, diciéndole qué sillas le gustan o no, lo que lleva a una nueva ronda de diseños.

A lo largo del proceso iterativo, Dreamcatcher realiza la miríada de cálculos necesarios para garantizar que cada diseño propuesto cumpla los criterios especificados. Esto libera al diseñador para concentrarse en desplegar las fortalezas humanas únicas: el juicio profesional y las sensibilidades estéticas.

Interactuando.

La colaboración hombre-máquina permite a las empresas interactuar con empleados y clientes de formas novedosas y más efectivas. Los agentes de inteligencia artificial como Cortana, por ejemplo, pueden facilitar las comunicaciones entre personas o en nombre de personas, como transcribir una reunión y distribuir una versión en la que se puede buscar por voz a aquellos que no pudieron asistir. Estas aplicaciones son inherentemente escalables: un solo chatbot, por ejemplo, puede proporcionar servicio al cliente rutinario a un gran número de personas simultáneamente, dondequiera que se encuentren.

SEB, un importante banco sueco, ahora utiliza un asistente virtual llamado Aida para interactuar con millones de clientes. Capaz de manejar conversaciones en lenguaje natural, Aida tiene acceso a grandes almacenes de datos y puede responder a muchas preguntas frecuentes, como cómo abrir una cuenta o realizar pagos transfronterizos. También puede hacer preguntas de seguimiento a las personas que llaman para resolver sus problemas, y es capaz de analizar el tono de voz de la persona que llama (frustrada versus apreciativa, por ejemplo) y usar esa información para proporcionar un mejor servicio más adelante. Siempre que el sistema no puede resolver un problema, lo que ocurre en aproximadamente 30% de los casos, transforma a la persona que llama a un representante humano del servicio al cliente y luego supervisa esa interacción para aprender a resolver problemas similares en el futuro. Con Aida manejando solicitudes básicas, los representantes humanos pueden concentrarse en abordar problemas más complejos, especialmente aquellos de personas que llaman insatisfechos que podrían requerir una sujeción adicional.

Encarnando.

Muchas AI, como Aida y Cortana, existen principalmente como entidades digitales, pero en otras aplicaciones la inteligencia está plasmada en un robot que aumenta a un trabajador humano. Con sus sofisticados sensores, motores y actuadores, las máquinas habilitadas para IA ahora pueden reconocer personas y objetos y trabajar de forma segura junto con los seres humanos en fábricas, almacenes y laboratorios.

En la fabricación, por ejemplo, los robots están evolucionando de máquinas industriales potencialmente peligrosas y «tontas» a «cobots» inteligentes y conscientes del contexto. Un brazo cobot podría, por ejemplo, manejar acciones repetitivas que requieren levantamiento pesado, mientras que una persona realiza tareas complementarias que requieren destreza y juicio humano, como montar un motor de engranaje.

Hyundai está ampliando el concepto de cobot con exoesqueletos. Estos dispositivos robóticos portátiles, que se adaptan al usuario y a la ubicación en tiempo real, permitirán a los trabajadores industriales realizar sus trabajos con resistencia y fuerza sobrehumanas.

Reimaginando su negocio

Para obtener el máximo valor de la IA, es necesario rediseñar las operaciones. Para ello, las empresas deben primero descubrir y describir un área operativa que puede mejorarse. Puede ser un proceso interno inestable (como la lentitud de los recursos humanos para llenar puestos de personal), o podría ser un problema antes insoluble que ahora se puede abordar mediante IA (como identificar rápidamente reacciones adversas a medicamentos en todas las poblaciones de pacientes). Además, una serie de nuevas técnicas analíticas de IA y avanzadas pueden ayudar a resolver problemas previamente invisibles que son susceptibles de soluciones de IA.

Revelación de problemas invisibles

El ex secretario de Defensa de los Estados Unidos Donald Rumsfeld se distinguió una vez entre «conocidos conocidos», «desconocidos» y «desconocidos», cosas que ni siquiera sabes que no sabes. Algunas empresas están utilizando la IA para descubrir incógnitas desconocidas en sus negocios. Caso concreto: GNS Healthcare aplica software de aprendizaje automático para encontrar relaciones ignoradas entre los datos en los registros médicos de los pacientes y en otros lugares. Después de identificar una relación, el software produce numerosas hipótesis para explicarla y luego sugiere cuáles de ellas son las más probables. Este enfoque permitió a GNS descubrir una nueva interacción farmacológica oculta en notas no estructuradas de pacientes. El CEO Colin Hill señala que esto no es la minería de datos de variedades de jardinería para encontrar asociaciones. «Nuestra plataforma de aprendizaje automático no se trata solo de ver patrones y correlaciones en los datos», dice. «Se trata de descubrir vínculos causales».

Revelación de problemas invisibles

El ex secretario de Defensa de los Estados Unidos Donald Rumsfeld se distinguió una vez entre «conocidos conocidos», «desconocidos» y «desconocidos», cosas que ni siquiera sabes que no sabes. Algunas empresas están utilizando la IA para descubrir incógnitas desconocidas en sus negocios. Caso concreto: GNS Healthcare aplica software de aprendizaje automático para encontrar relaciones ignoradas entre los datos en los registros médicos de los pacientes y en otros lugares. Después de identificar una relación, el software produce numerosas hipótesis para explicarla y luego sugiere cuáles de ellas son las más probables. Este enfoque permitió a GNS descubrir una nueva interacción farmacológica oculta en notas no estructuradas de pacientes. El CEO Colin Hill señala que esto no es la minería de datos de variedades de jardinería para encontrar asociaciones. «Nuestra plataforma de aprendizaje automático no se trata solo de ver patrones y correlaciones en los datos», dice. «Se trata de descubrir vínculos causales».

A continuación, las empresas deben desarrollar una solución a través de la co-creación, haciendo que las partes interesadas imaginen cómo podrían colaborar con los sistemas de IA para mejorar un proceso. Considere el caso de una gran empresa agrícola que quería implementar tecnología de IA para ayudar a los agricultores. Se disponía de una enorme cantidad de datos sobre propiedades del suelo, patrones meteorológicos, cosechas históricas, etc., y el plan inicial era construir una aplicación de IA que predijera con mayor precisión los rendimientos futuros de los cultivos. Pero en conversaciones con los agricultores, la empresa se enteró de una necesidad más apremiante. Lo que realmente querían los agricultores era un sistema que pudiera proporcionar recomendaciones en tiempo real sobre cómo aumentar la productividad: qué cultivos plantar, dónde cultivarlos, cuánto nitrógeno usar en el suelo, etc. La compañía desarrolló un sistema de IA para proporcionar dicho asesoramiento, y los resultados iniciales fueron prometedores; los agricultores estaban contentos con los rendimientos de los cultivos obtenidos con la orientación de la IA. Los resultados de esa prueba inicial se volvieron a introducir en el sistema para refinar los algoritmos utilizados. Al igual que con el paso de descubrimiento, las nuevas técnicas analíticas y de inteligencia artificial pueden ayudar en la co-creación al sugerir enfoques novedosos para mejorar los procesos.

El tercer paso para las empresas es escalar y luego sostener la solución propuesta. SEB, por ejemplo, originalmente implementó una versión de Aida internamente para ayudar a 15.000 empleados bancarios, pero posteriormente lanzó el chatbot a sus 1 millón de clientes.

A través de nuestro trabajo con cientos de empresas, hemos identificado cinco características de los procesos de negocio que las empresas suelen querer mejorar: flexibilidad, velocidad, escala, toma de decisiones y personalización. Al reimaginar un proceso de negocio, determine cuál de estas características es fundamental para la transformación deseada, cómo se podría aprovechar la colaboración inteligente para abordarlo y qué alineaciones y compensaciones con otras características del proceso serán necesarias.

En Mercedes-Benz, los brazos cobot se convierten en una extensión del cuerpo del trabajador humano.

Flexibilidad.

Para los ejecutivos de Mercedes-Benz, los procesos inflexibles representaban un reto cada vez mayor. Cada vez más, los clientes más rentables de la compañía habían estado exigiendo sedanes individualizados de clase S, pero los sistemas de montaje del fabricante de automóviles no podían ofrecer la personalización que la gente quería.

Tradicionalmente, la fabricación de automóviles ha sido un proceso rígido con pasos automatizados ejecutados por robots «tontos». Para mejorar la flexibilidad, Mercedes reemplazó algunos de esos robots por cobots habilitados para IA y rediseñó sus procesos en torno a colaboraciones humanas y máquinas. En la planta de la compañía cerca de Stuttgart, Alemania, los brazos cobot guiados por trabajadores humanos recogen y colocan piezas pesadas, convirtiéndose en una extensión del cuerpo del trabajador. Este sistema pone al trabajador en el control de la construcción de cada coche, haciendo menos trabajo manual y más de un trabajo de «pilotaje» con el robot.

Los equipos hombre-máquina de la compañía pueden adaptarse sobre la marcha. En la planta, los cobots se pueden reprogramar fácilmente con una tableta, lo que les permite manejar diferentes tareas dependiendo de los cambios en el flujo de trabajo. Tal agilidad ha permitido al fabricante lograr niveles sin precedentes de personalización. Mercedes puede individualizar la producción de vehículos de acuerdo con las elecciones en tiempo real que los consumidores toman en los concesionarios, cambiando todo, desde los componentes del salpicadero de un vehículo hasta el cuero del asiento hasta las tapas de las válvulas de los neumáticos. Como resultado, no hay dos coches que salgan de la línea de montaje de la planta de Stuttgart son iguales.

Mejorar el rendimiento

En organizaciones de todo tipo de industrias, los seres humanos y la IA están colaborando para mejorar cinco elementos de los procesos de negocio.

Velocidad.

Para algunas actividades de negocios, la prima es la velocidad. Una de esas operaciones es la detección de fraude con tarjetas de crédito. Las empresas tienen sólo unos segundos para determinar si deben aprobar una transacción determinada. Si es fraudulento, lo más probable es que tengan que comer esa pérdida. Pero si niegan una transacción legítima, pierden la tarifa de esa compra y enfadan al cliente.

Al igual que la mayoría de los bancos principales, HSBC ha desarrollado una solución basada en IA que mejora la velocidad y precisión de la detección de fraudes. La IA supervisa y puntua millones de transacciones diariamente, utilizando datos sobre la ubicación de compra y el comportamiento del cliente, direcciones IP y otra información para identificar patrones sutiles que señalan posibles fraudes. HSBC implementó primero el sistema en los Estados Unidos, reduciendo significativamente la tasa de fraude no detectado y falsos positivos, y luego lo implementó en el Reino Unido y Asia. Un sistema de IA diferente utilizado por Danske Bank mejoró su tasa de detección de fraudes en un 50% y disminuyó los falsos positivos en un 60%. La reducción en el número de falsos positivos libera a los investigadores para concentrar sus esfuerzos en transacciones equívocas que la IA ha marcado, donde se necesita juicio humano.

La lucha contra el fraude financiero es como una carrera de armamentos: una mejor detección conduce a criminales más tortuosos, lo que conduce a una mejor detección, lo que continúa el ciclo. Por lo tanto, los algoritmos y los modelos de puntuación para combatir el fraude tienen una vida útil muy corta y requieren una actualización continua. Además, diferentes países y regiones utilizan diferentes modelos. Por estas razones, se necesitan legiones de analistas de datos, profesionales de IT y expertos en fraude financiero en la interfaz entre humanos y máquinas para mantener el software un paso por delante de los delincuentes.

Escala.

Para muchos procesos empresariales, la escasa escalabilidad es el principal obstáculo para la mejora. Esto es particularmente cierto en los procesos que dependen de mano de obra humana intensiva con una asistencia mínima de la máquina. Consideremos, por ejemplo, el proceso de contratación de empleados en Unilever. El gigante de los bienes de consumo buscaba una manera de diversificar su plantilla de 170.000 personas. RRHH determinó que necesitaba centrarse en contrataciones de nivel básico y, a continuación, acelerar la gestión de lo mejor. Pero los procesos existentes de la empresa no fueron capaces de evaluar a los posibles reclutas en número suficiente, al tiempo que prestaban atención individual a cada solicitante, para asegurar una población diversa de talento excepcional.

Así es como Unilever combinó capacidades humanas y de IA para escalar la contratación individualizada: En la primera ronda del proceso de solicitud, se pide a los candidatos que jueguen juegos en línea que ayudan a evaluar rasgos como la aversión al riesgo. Estos juegos no tienen respuestas correctas o incorrectas, pero ayudan a la IA de Unilever a averiguar qué individuos podrían ser los más adecuados para una posición en particular. En la siguiente ronda, se pide a los solicitantes que envíen un video en el que respondan preguntas diseñadas para la posición específica en la que están interesados. Sus respuestas son analizadas por un sistema de IA que considera no solo lo que dicen, sino también su lenguaje corporal y tono. Los mejores candidatos de esa ronda, según lo juzgado por la IA, son invitados a Unilever para entrevistas en persona, después de lo cual los humanos toman las decisiones finales de contratación.

Es demasiado pronto para saber si el nuevo proceso de reclutamiento ha dado lugar a mejores empleados. La compañía ha estado siguiendo de cerca el éxito de esas contrataciones, pero aún se necesitan más datos. Sin embargo, es evidente que el nuevo sistema ha ampliado considerablemente la escala de reclutamiento de Unilever. En parte debido a que los solicitantes de empleo pueden acceder fácilmente al sistema por teléfono inteligente, el número de solicitantes se duplicó a 30.000 en un año, el número de universidades representadas aumentó de 840 a 2.600, y la diversidad socioeconómica de las nuevas contrataciones aumentó. Además, el tiempo medio desde la solicitud hasta la decisión de contratación ha disminuido de cuatro meses a solo cuatro semanas, mientras que el tiempo que dedican los reclutadores a revisar las solicitudes ha disminuido un 75%.

Toma de decisiones.

Al proporcionar a los empleados información y orientación adaptadas, la IA puede ayudarles a tomar mejores decisiones. Esto puede ser especialmente valioso para los trabajadores en las trincheras, donde hacer la llamada correcta puede tener un gran impacto en el resultado final.

Considere la forma en que se mejora el mantenimiento de los equipos con el uso de «gemelos digitales», modelos virtuales de equipos físicos. General Electric construye tales modelos de software de sus turbinas y otros productos industriales y los actualiza continuamente con la transmisión de datos operativos desde el equipo. Mediante la recopilación de lecturas de un gran número de máquinas en el campo, GE ha acumulado una gran cantidad de información sobre el rendimiento normal y aberrante. Su aplicación Predix, que utiliza algoritmos de aprendizaje automático, ahora puede predecir cuándo puede fallar una parte específica de una máquina individual.

Esta tecnología ha cambiado fundamentalmente el proceso intensivo de toma de decisiones de mantenimiento de equipos industriales. Predix podría, por ejemplo, identificar algún desgaste inesperado del rotor en una turbina, comprobar el historial operativo de la turbina, informar de que el daño se ha cuadruplicado en los últimos meses y advertir que si no se hace nada, el rotor perderá aproximadamente un 70% de su vida útil. El sistema puede sugerir acciones apropiadas, teniendo en cuenta el estado actual de la máquina, el entorno operativo y datos agregados sobre daños y reparaciones similares a otras máquinas. Junto con sus recomendaciones, Predix puede generar información sobre sus costos y beneficios financieros y proporcionar un nivel de confianza (digamos, 95%) para los supuestos utilizados en su análisis.

Sin Predix, los trabajadores tendrían suerte de detectar el daño del rotor en una comprobación de mantenimiento rutinaria. Es posible que pasara sin ser detectado hasta que el rotor fallara, resultando en un costoso apagado. Con Predix, los trabajadores de mantenimiento reciben una alerta de posibles problemas antes de que se vuelvan serios, y tienen a su alcance la información necesaria para tomar buenas decisiones, que a veces pueden ahorrar millones de dólares a GE.

Personalización.

Proporcionar a los clientes experiencias de marca personalizadas de forma individual es el santo grial del marketing. Con IA, esta personalización ahora se puede lograr con una precisión inimaginable y a gran escala. Piense en la forma en que el servicio de streaming de música Pandora utiliza algoritmos de IA para generar listas de reproducción personalizadas para cada uno de sus millones de usuarios de acuerdo a sus preferencias en canciones, artistas y géneros. O considere Starbucks, que, con el permiso de los clientes, usa IA para reconocer sus dispositivos móviles y llamar su historial de pedidos para ayudar a los baristas a hacer recomendaciones de servicio. La tecnología de IA hace lo que mejor hace, analizando y procesando cantidades copiosas de datos para recomendar ciertas ofertas o acciones, y los humanos hacen lo que mejor hacen, ejerciendo su intuición y juicio para hacer una recomendación o seleccionar el mejor ajuste de un conjunto de opciones.

The Carnival Corporation está aplicando IA para personalizar la experiencia de crucero para millones de turistas a través de un dispositivo portátil llamado Medallón Ocean y una red que permite que los dispositivos inteligentes se conecten. El aprendizaje automático procesa dinámicamente los datos que fluyen desde el medallón y de los sensores y sistemas de toda la nave para ayudar a los huéspedes a sacar el máximo provecho de sus vacaciones. El medallón agiliza los procesos de embarque y desembarque, rastrea las actividades de los huéspedes, simplifica la compra conectando sus tarjetas de crédito al dispositivo y actúa como llave de habitación. También se conecta a un sistema que anticipa las preferencias de los huéspedes, ayudando a los miembros de la tripulación a ofrecer un servicio personalizado a cada huésped sugiriendo itinerarios personalizados de actividades y experiencias gastronómicas.

La necesidad de nuevos roles y talento

La reimaginación de un proceso de negocio implica algo más que la implementación de la tecnología de IA; también requiere un compromiso significativo para desarrollar empleados con lo que llamamos «habilidades de fusión», las que les permiten trabajar eficazmente en la interfaz hombre-máquina. Para empezar, las personas deben aprender a delegar tareas en la nueva tecnología, como cuando los médicos confían en las computadoras para ayudar a leer rayos X y resonancias magnéticas. Los empleados también deben saber cómo combinar sus habilidades humanas distintivas con las de una máquina inteligente para obtener un mejor resultado de lo que cualquiera podría lograr por sí solo, como en la cirugía asistida por robots. Los trabajadores deben ser capaces de enseñar a los agentes inteligentes nuevas habilidades y recibir capacitación para trabajar bien dentro de los procesos mejorados por la IA. Por ejemplo, deben saber cuál es la mejor manera de formular preguntas a un agente de IA para obtener la información que necesita. Y debe haber empleados, como los del equipo de privacidad diferencial de Apple, que se aseguren de que los sistemas de inteligencia artificial de sus empresas se utilicen de manera responsable y no con fines ilegales o poco éticos.

Esperamos que en el futuro, los roles de la empresa se rediseñen en función de los resultados deseados de procesos reinventados, y las empresas se organizarán cada vez más en torno a diferentes tipos de habilidades en lugar de en torno a títulos de trabajo rígidos. AT&T ya ha comenzado esa transición a medida que pasa de los servicios telefónicos fijos a las redes móviles y comienza a capacitar a 100.000 empleados para nuevos puestos. Como parte de ese esfuerzo, la empresa ha reformado completamente su organigrama: aproximadamente 2.000 puestos se han simplificado en un número mucho menor de categorías amplias que abarcan habilidades similares. Algunas de esas habilidades son lo que uno podría esperar (por ejemplo, competencia en ciencia de datos y disputa de datos), mientras que otras son menos obvias (por ejemplo, la capacidad de utilizar herramientas sencillas de aprendizaje automático para la venta cruzada de servicios).

CONCLUSIÓN

La mayoría de las actividades en la interfaz hombre-máquina requieren que las personas hacer cosas nuevas y diferentes (como entrenar un chatbot) y a hacer las cosas de manera diferente (use ese chatbot para proporcionar un mejor servicio al cliente). Hasta ahora, sin embargo, sólo un pequeño número de las empresas que hemos encuestado han comenzado a reimaginar sus procesos de negocio para optimizar la inteligencia colaborativa. Pero la lección es clara: las organizaciones que utilizan máquinas simplemente para desplazar a los trabajadores a través de la automatización perderán todo el potencial de la IA. Tal estrategia es errónea desde el principio. En cambio, los líderes del mañana serán aquellos que adoptan la inteligencia colaborativa, transformando sus operaciones, sus mercados, sus industrias y —no menos importantes— sus fuerzas de trabajo.

— Escrito por H. James Wilson H. James Wilson Paul R. Daugherty