por Jorge Saravia
La dirección de una organización supone el desarrollo de criterios que permitan al responsable tomar las mejores decisiones buscando la sostenibilidad y la creación de valor. Se debe trabajar para comprender el entorno, entender el propósito, establecer una meta global y estructurar el mejor modelo de negocio. Todas estas tareas suponen la solución de diferentes tipos de problemas, unos más sencillos, otros bastante elaborados y abstractos, y, en paralelo se deben desarrollar modelos para toma de decisiones en entornos altamente cambiantes e inciertos. Por lo anterior, los problemas asociados con los diferentes niveles de toma de decisiones son cada vez más complejos y pueden sobrepasar la capacidad de análisis de los equipos de dirección. En este escenario es fundamental el uso de herramientas que complementen la labor de quienes dirigen y que les permitan ir a la par con la velocidad de cambio y tomar las decisiones requeridas en el momento oportuno.
La Inteligencia Artificial (IA) ha ganado un protagonismo importante. Se lee sobre esto en las noticias, y hasta se le da una connotación de existencia propia. Sin embargo, no siempre se tiene claridad sobre lo que es la IA y cómo esta puede impactar el abordaje de los problemas que supone la dirección de una organización. Por esto es fundamental que los responsables de dirigir y tomar decisiones reflexionen sobre estos temas y fortalezcan el criterio necesario en el momento de adoptar o evaluar estas tecnologías.
La Inteligencia Artificial: artificial, sí, pero ¿qué tan inteligente?
El desarrollo de lo que hoy se conoce como Inteligencia Artificial (IA) viene desde los años 40. Un poco de historia a continuación. En 1943, Warren McCulloch y Walter Pitts publicaron A Logical Calculus of the Ideas Imminent in Nervous Activity, un modelo matemático de una «red neuronal». En 1950, Alan Turing publica Computing Machinery and Intelligence en donde propone lo que se conoce como «La prueba de Turing» que busca probar la capacidad de una máquina para mostrar un comportamiento inteligente equivalente a la inteligencia humana. En 1956, Allen Newell, Herbert A. Simon y Cliff Shaw desarrollaron el programa Logic Theorist cuyo propósito era probar teoremas matemáticos. En 1956, el científico de la computación John McCarthy adoptó por primera vez el término Inteligencia Artificial y el tema se estructuró como un área académica. En 1966, Joseph Weizenbaum desarrolló un programa capaz de tener una conversación en lenguaje natural y se llamó ELIZA. Este es la base de lo que hoy se conoce como Chatbot. Durante 1970 se desarrollaron los primeros sistemas expertos que permitían emular la capacidad de toma de decisiones del ser humano. Para el 2006, compañías de tecnología, comunicaciones, entretenimiento, redes sociales, etcétera, comenzaron a integrar desarrollos de IA en sus negocios. A partir del 2011, los desarrollos han avanzado y generado aportes en áreas como aprendizaje de máquina, ciencia de datos y manejo de grandes volúmenes de datos o big data, entre otras.
La revisión de estos eventos históricos permite concluir que la IA no es un tema nuevo, sino que es el resultado de un trabajo matemático formal que ha buscado comprender la forma de cómo el ser humano resuelve problemas de alto nivel y cómo pueden ser sistematizados. Desde otro punto de vista, quizás simplificando bastante, con el desarrollo de la IA se ha buscado comprender cómo modelar la inteligencia humana observándola como la capacidad de inferir o percibir información y de construir un conocimiento que puede potenciar la adaptación a entornos específicos.
Una segunda conclusión de la observación de los hechos descritos es que la IA avanza con el desarrollo de modelos matemáticos altamente complejos. Cuando son sistematizados, permiten un nivel de razonamiento autónomo y con gran capacidad de procesamiento. Sin embargo, se debe reconocer que esto es producto de la inteligencia de quien pudo modelar los procesos que permiten este «razonamiento autónomo». Si se reflexiona sobre estos conceptos, se puede comprender que la IA no es por sí misma inteligente, es decir, su alcance depende del modelo matemático sobre la cual tiene su base y este, a su vez, surge gracias a la inteligencia de un científico con la capacidad de abstraer y modelar problemas de alto nivel.
Como una tercera conclusión se infiere la importancia de la reflexión sobre la dirección de los desarrollos futuros de la IA. Cuando se profundiza sobre este tema se plantean preguntas como: ¿llegará el momento en que la capacidad de “razonamiento autónomo” y procesamiento de la IA supere a la del ser humano? y ¿qué pasaría si se desarrollan modelos de IA capaces de generar formas propias de razonar y procesar más allá de lo comprensible y controlable por el ser humano? Quizás esto puede caer en el terreno de la ciencia ficción, pero temas como el desarrollo en computación cuántica sientan las bases para el debate.
¿Cómo «piensa» la Inteligencia Artificial? ¿Qué tipo de problemas puede resolver?
Cuando se analiza el desarrollo de la IA se observa que su avance está directamente relacionado con la comprensión de la complejidad de los problemas a resolver. En el fondo, cualquier problema cuya solución puede ser sistematizada tiene algún nivel de inteligencia. Por ejemplo, una calculadora básica capaz de sumar dos números debe tener un programa que le permite capturar de un teclado dos valores, validar que sean números, introducirlos en la memoria de la calculadora, llevar a cabo la operación suma y presentar el resultado en una pantalla. Esto es un nivel de inteligencia. En este caso, quien diseñó la calculadora pudo comprender cómo sumar dos números y programar esa «inteligencia» en la calculadora, proceso que supone capturar datos, procesarlos y obtener un resultado. Este tipo de problemas es el más común; un ejemplo es la estructura del sistema de información contable en una organización. En ese caso, las políticas contables son la «inteligencia» que permite convertir transacciones en estados financieros, el sistema captura transacciones, las procesa y genera un resultado. Esta «inteligencia contable» está programada en un sistema de información que se activa al recibir las transacciones de entrada para luego emitir un reporte.
Sin embargo, el concepto actual de la IA está dirigido a resolver un tipo de problema más elaborado. Tomemos el ejemplo de la calculadora. Supongamos que se tiene un universo de posibles datos a ser digitados y de posibles resultados. En este caso, el problema a resolver sería deducir las reglas que permiten construir los resultados a partir de los datos. Un ejemplo de este tipo de problemas en una organización puede ser la deducción de las reglas que describen las condiciones de equilibrio de la dinámica organizacional, teniendo en cuenta las restricciones del entorno y buscando una meta expresada en términos de creación de valor, o también, la estructuración de la estrategia óptima para una alianza estratégica deduciendo las reglas que describen el comportamiento de un posible aliado.
La Inteligencia Artificial como herramienta para la creación de valor
Los responsables de la dirección de una organización y del proceso de toma de decisiones deben tener claro que la IA siempre ha estado y que no se irá, que su evolución genera un reto, pues su alcance será cada vez mayor en función de la complejidad de los problemas que puede resolver y será parte de las herramientas tecnológicas disponibles en el día a día. Puede llegar el punto en que esta IA supere la capacidad de comprensión y análisis de los equipos directivos y es justo ahí en donde está el problema: la IA debe ser comprendida como una herramienta al servicio de la organización y no como algo con «vida propia» que dicta en forma autónoma la forma como la organización debe pensar. En este sentido, los responsables del direccionamiento estratégico deberán ampliar el espectro de sus decisiones e incluir lo necesario para que sus equipos tengan la capacidad de comprender la estructura de las herramientas de IA y avanzar a la par con el desarrollo tecnológico.
Pero ¿cómo aporta la IA a la creación de valor? Una organización que crea valor tiene la capacidad sostenida en el tiempo para compensar en forma equilibrada a todos los grupos de interés teniendo en cuenta su costo de oportunidad. Para esto es necesario que la organización comprenda las reglas que describen las expectativas de sus grupos de interés y que tenga la agilidad suficiente para adaptarse a un entorno cambiante e incierto. Pero debe también comprender que la complejidad del entorno siempre superará la capacidad de comprensión del tomador de decisiones. Es en este punto en donde se comienza a entender la importancia de la IA en la creación de valor. Estas herramientas permiten resolver el problema de la construcción de información que describa el entorno a partir de datos aparentemente no conexos, permiten la deducción de reglas de conocimiento que describan la dinámica de los grupos de interés y de reglas que permitan un proceso de toma de decisiones, buscando siempre la creación de valor y la sostenibilidad. Indudablemente, el futuro en estos temas es apasionante y el impacto de estas tecnologías en las organizaciones no se puede ignorar. El debate está comenzando.