G2 sobre IA y Analítica Empresarial: ¿Qué es realmente y por qué importa?

La inteligencia artificial (IA) se ha convertido en el tema más candente en tecnología. Su uso en la era de la transformación digital abarca los sectores comercial y público, alimentando el debate entre empresas, legisladores y el público. He estado escribiendo sobre el tema durante algunos años; habiéndome unido recientemente a G2 para fomentar la expansión de nuestras categorías de IA (así como nuestras categorías de análisis, nube y seguridad), me gustaría resumir algunas de mis opiniones, mientras preparo el escenario para una exploración más detallada de las tecnologías, desafíos empresariales y tendencias que están dando forma a la IA.

Espero que lo encuentres útil e informativo y, como siempre, doy la bienvenida a los comentarios de usuarios, compradores y constructores por igual. La conversación sobre la IA está en curso, y depende de nosotros descubrir el verdadero valor de la IA, poner a disposición los datos que son su combustible y ofrecer mejores resultados para todos.

Hay dos tipos de IA, pero solo uno es actualmente realista

No estoy solo al proponer que la IA puede dividirse en dos campos. Primero, existe una IA general: la replicación de la inteligencia humana, que al ser interrogada por humanos debería ser indistinguible de ella.

El segundo tipo es la IA estrecha. La IA estrecha es una capacidad específica para tareas que automatiza el trabajo humano de una manera altamente definida y estructurada. La IA estrecha ofrece beneficios a los usuarios al completar tareas a mayor escala, a velocidades más rápidas y con mayor precisión de lo que un humano podría.

La IA general es la culpable de gran parte de la confusión y desinformación en el mercado de la IA. ¿Por qué? Porque, en este momento (y en el futuro previsible), es el tema de la ciencia ficción. Las percepciones populares de la IA están impulsadas por ejemplos como Terminator o Yo, Robot. Ya conoces la historia aquí: Máquinas increíblemente (uso esa palabra deliberadamente) inteligentes superan la inteligencia humana, deciden que las personas son una amenaza o incapaces de tomar decisiones por sí mismas, y hacen algo catastrófico al respecto. Aunque es importante debatir las implicaciones éticas de la futura IA general, podemos centrarnos en lo que es realista para los compradores de tecnología hoy: la IA estrecha.

Hoy en día, la IA estrecha se utiliza por su precisión y velocidad. La tecnología puede completar tareas más rápido, con mayor consistencia o a una escala mayor (o alguna combinación de estas) de lo que una persona puede. Es importante destacar que también es un complemento natural para muchas tecnologías existentes debido a la capacidad de integrarla dentro de ellas. Más sobre eso más adelante.

La tecnología de IA no es nueva, pero los datos y el cómputo para ejecutarla sí lo son

Para aquellos interesados en la historia de las tecnologías de IA, algunas de las que se utilizan hoy en día han existido desde los años 50 y 60.

Pero si la IA ha existido durante tanto tiempo, ¿por qué solo hemos comenzado a usarla en los últimos años?

La respuesta es simple: Solo recientemente ha habido el volumen de datos necesario para alimentarla y la potencia de cómputo para procesarla. La IA estrecha sobresale en tareas a una escala y a un ritmo que los humanos tienen dificultades para manejar. Los grandes datos junto con la disponibilidad de servicios de almacenamiento y cómputo vastos y escalables en la nube pública lo hacen posible y valioso.

El valor de la IA se encuentra en las mejoras de productividad, por ahora

Seguiré argumentando que la mayoría de los casos de uso de la IA realmente se trata de mejorar la productividad; es decir, producir más, pero usando menos para hacerlo. En esencia, mi argumento es este: La IA ayuda a las personas a hacer su trabajo más rápidamente (a través de la automatización del trabajo) o más eficazmente (a través de descubrir conocimientos previamente ocultos que influyen positivamente en las decisiones). En términos de una fórmula simple para la productividad, esto reduce los insumos (trabajo) para entregar resultados (trabajo completado), o aumenta la cantidad de resultados para los mismos insumos, o, aún mejor, ambos.

Esta es una situación en evolución, también. El "arte de lo posible" se está expandiendo rápidamente. Por ejemplo, el trabajo involucrado en monitorear fuentes de datos a escala de internet para señales y conocimientos está más allá de las habilidades de un humano. Esto significa que no solo están disponibles las ganancias de productividad para los tipos de trabajo y resultados existentes, sino que la IA y las máquinas que la ejecutan pueden y están creando usos previamente imposibles. Los costos, ingresos y beneficios no son las únicas palancas empresariales a tirar, tampoco. Considera la escala y velocidad de las amenazas de ciberseguridad; las máquinas sobresalen en este tipo de desafío, y los humanos no pueden mantenerse al día.

Debe lanzarse una advertencia en interés del equilibrio, y será el tema de una futura publicación de G2: La reducción de trabajo inevitablemente llevará a pérdidas de empleo (actuales). Ha comenzado un gran debate sobre si la IA traerá un desempleo masivo, o marcará el comienzo de una nueva era de creatividad y libertad económica. Ya sea que seas un optimista o pesimista de la IA en este sentido, estas preguntas socioeconómicas sin respuesta necesitan más tiempo y esfuerzo invertidos en buscar un resultado positivo.

Comenzar con la IA para la mayoría probablemente será como una característica de un producto existente

Muchas empresas están legítimamente emocionadas por la perspectiva de usar (aunque quizás no lo sepan, IA estrecha) para mejorar sus negocios, pero ¿cómo deberían comenzar? Para algunos, la respuesta ha sido intentar construir centros de competencia de IA, contratando a los tan mencionados científicos de datos para liderar la carga. Dos problemas tienden a surgir en este escenario. Primero, los científicos de datos son escasos y costosos. En segundo lugar, a menudo hay poca claridad sobre qué objetivos quiere lograr una empresa más allá de, "Hagamos algo con IA."

Afortunadamente, muchos proveedores de software son conscientes de estos desafíos y los están abordando integrando IA estrecha en sus aplicaciones y soluciones. Los ejemplos son abundantes, con el software de gestión de relaciones con clientes (CRM) como probablemente el más visible, ofreciendo características impulsadas por IA como la puntuación de clientes potenciales o la mejor oferta siguiente. Los productos Adaptive Intelligent Apps de Oracle y Einstein de Salesforce ofrecen capacidades impulsadas por IA para la experiencia del cliente (CX), entre otras áreas de aplicación. Las organizaciones se benefician de la tecnología sin requerir una plétora de conocimientos y habilidades en IA. Los conocimientos entregados a las organizaciones están en el contexto de la aplicación y sus procesos, haciendo que el consumo sea simple. Las empresas deben hacer consideraciones adicionales sobre sus datos. Exploraremos el papel de los datos extensamente en futuras columnas, pero es importante mencionarlo ya que muchas empresas aún luchan por gestionar sus datos. Sin datos no hay IA.

Para las empresas con presupuesto, requisitos muy específicos (por ejemplo, ciertas áreas de servicios financieros), o con habilidades internas existentes, construir su propia IA es una opción respaldada por una gama de lo que comúnmente se conoce como plataformas de ciencia de datos. Una plataforma de ciencia de datos ofrece las herramientas para obtener y gestionar los datos necesarios, el kit de herramientas de IA (más a menudo aprendizaje automático, pero también aprendizaje profundo para algunos casos de uso), despliegue y capacidades de gestión de modelos. Ejemplos incluyen Dataiku, Datascience.com, IBM Watson Studio, Microsoft Azure Machine Learning, y RapidMiner.

Hacer la IA más accesible es el desafío inmediato

Mientras que la escasez de habilidades y los desafíos para obtener los datos correctos para alimentar la IA son desafíos inmediatos y continuos, la industria y los gobiernos nacionales están respondiendo.

Aquí hay tres tendencias que veo dando forma a cómo las empresas adoptarán y usarán la IA en el futuro cercano:

• La augmentación es la palabra en IA en este momento. Con razón, ya que representa con precisión lo que la mayoría de las soluciones de IA son actualmente capaces de hacer, y enfoca el debate sobre la IA en el valor empresarial en lugar de la filosofía tecnológica. Piensa en la augmentación impulsada por IA como un copiloto para los usuarios de tecnología empresarial, ocultando la complejidad de la tecnología y las vastas cantidades de datos que la impulsan lejos del usuario y ayudándolos con la finalización automática de tareas mundanas y sugiriendo proactivamente acciones que agregan valor o mitigan el riesgo. Vemos esto en acción hoy. A medida que nuevas capacidades y casos de uso estén disponibles, y los usuarios crezcan para aceptar y confiar en las capacidades impulsadas por IA, el copiloto de IA se convertirá en una parte indispensable del trabajo diario de la persona de negocios.
• La brecha de habilidades que actualmente limita la adopción de la IA será erosionada por desarrollos en tecnología que impulsarán la accesibilidad y aumentarán los casos de uso potenciales. De la misma manera que el análisis se movió del dominio de un pequeño grupo de usuarios expertos a una herramienta accesible para millones, las tecnologías de IA se volverán más accesibles a través del uso de capacidades de arrastrar y soltar, de bajo o sin código, y preconstruidas abiertas a desarrolladores y usuarios empresariales. Espera ver la aparición de modelos de aprendizaje automático como un servicio o mercados donde las empresas puedan acceder a IP sofisticada, preconstruida y configurable para sus propias circunstancias únicas de una variedad de proveedores.
• Combinar muchas capacidades de IA estrecha para crear una solución impulsada por IA "más que la suma de sus partes" es otro desarrollo que espero tenga un gran impacto. La capacidad de combinar y orquestar estas IAs estrechas en el contexto de, por ejemplo, un proceso empresarial (y probablemente emparejado con automatización de procesos robóticos) impulsará la productividad en una gama mucho más amplia de tareas dentro de las organizaciones.

Además de mis predicciones, en los próximos meses se llevarán a cabo algunos de los eventos de usuarios de tecnología más grandes del año, incluyendo el re:Invent de AWS, el Dreamforce de Salesforce, y el OpenWorld de Oracle. Espera una serie de anuncios de IA de cada uno. Nuestros analistas de G2 estarán allí, ofreciendo a los compradores de tecnología nuestras opiniones y puntos de vista sobre ellos a medida que suceden, en el G2 Research Hub.