Todos tenemos claro que la inteligencia artificial ha entrado en nuestras vidas de una manera disruptiva. Sin pedir permiso, sin preguntar si nos parecía bien, sin plantear si estábamos preparados.
Está cambiando nuestros negocios y no tenemos otra alternativa que adaptarnos al cambio y prepararnos para la gran revolución que supone.
Sin embargo, el alcance de los cambios que se produzcan y su penetración en nuestra forma de trabajar y de relacionarnos dependerá de dos factores críticos:
- Cuantas empresas y usuarios la adopten.
- Cómo de eficaz sea la parte tecnológica de la IA.
Hay mucha gente que dice estar usando las diferentes herramientas de IA en el momento actual, pero en pocos casos se hace un uso eficiente que realmente mejore procesos y ahorre tiempo. Parece que lo que más abunda es el posturero, el poder contarlo. Y en el mundo de la empresa lo que necesitamos son las mejoras, no la imagen de mejora.
Por otro lado, hay una gran resistencia hacia la automatización de procesos y a todo lo que se relaciona con la IA por la sensación de que va a quitar muchos puestos de trabajo. Este punto viene principalmente de la dificultad que encuentran las personas para reciclarse hacia trabajos que sigan aportando valor en un mundo lleno de IA.
Esto no es nuevo, porque con cada gran cambio tecnológico las personas se resisten hasta que superan las barreras de entrada y la adoptan, bien por necesidad, bien por obligación.
Curiosamente los miedos en este sentido se contradicen. Por una parte, hay personas que perciben la IA como “demasiado humana”, con el riesgo de sustituirnos y sin embargo, la mayoría ven lo contrario.
Según los estudios publicados en la revista HBR, hay 5 barreras que retrasan la adopción de la IA:
- opacidad
- falta de emociones
- autonomía
- rigidez
- falta de humanidad
La opacidad viene del hecho de ver la IA como una “caja negra”. Es decir, entran cosas y salen resultados, pero no entendemos el proceso que lleva a ellos. Por ejemplo, si tengo muchos mensajes pendientes de leer, le pido que me haga un resumen de lo más relevante. El resultado es genial, pero nos preocupa el hecho de no saber qué criterios ha aplicado para llegar a esas conclusiones.
El problema es que los modelos actuales se han entrenado con una cantidad ingente de datos y con algoritmos muy complejos, que son difíciles de comprender.
Un modelo aplicado a tiendas de moda puede predecir el stock más adecuado en cada tienda en cada momento. Antes, esta labor la hacía el responsable de la tienda. Sin embargo, los modelos actuales de IA disponen de un mayor volumen de datos y de una capacidad superior para analizarlos y extraer los patrones adecuados.
En lugar de temerla, el responsable de la tienda puede apoyarse en la IA para obtener mejores resultados en su trabajo y continuar mejorando los modelos con sus aportaciones.
La crítica a la falta de emociones se produce porque hay muchos sectores en los que el proceso de compra depende de las emociones y se teme que la automatización reste capacidad de venta. Sin embargo, usamos asistentes de voz en nuestros dispositivos que han incorporado ciertos patrones humanos con el objetivo único de hacernos sentir más cómodos hasta el punto de olvidarnos de que estamos interactuando con una máquina.
En primer lugar, se utilizan mayormente voces cálidas de mujer porque transmiten más confianza y cercanía.
Por otro lado, utilizan expresiones conversacionales humanas como “umm” en mitad de una frase o pausas intencionadas que nos inducen a creen que están “pensando” antes de dar una respuesta.
En algunos servicios las personas prefieren interactuar con humanos a la hora de recibir consejos, en lugar de con un asistente. Sin embargo, en el caso de las aplicaciones de citas, por ejemplo, los algoritmos puede encontrar mejores patrones de coincidencia al ser capaces de analizar una mayor cantidad de informacion y el índice de satisfacción de los usuarios aumenta.
El miedo hacia la autonomía de los sistemas está basado en nuestra creencia de que estos toman muchas decisiones sin contar con nosotros y eso significa que tienen demasiado control sobre nuestras vidas. Sucede con los sistemas autónomos de los coches, los robots aspiradoras y los sistemas de climatización, entre otros.
En todos estos casos, los algoritmos implementados siguen aprendiendo y son capaces de mejorar su trabajo continuamente.
Para evitar ese temor, algunos fabricantes dan al usuario la oportunidad de tomar el control, en cierta manera, de forma que sientan que pueden permitir mayor o menor autonomía, según su propio criterio.
Por ejemplo, las aspiradoras pueden usar recorridos “más predecibles” en lugar de más caóticos para dar la sensación al usuario de control.
Los termostatos inteligentes tienen un modo “manual” que permite hacer lo mismo.
En el caso de los coches, podemos desconectar manualmente ciertos asistentes como el de cambio de carril, para sentir ese control.
De todas formas, el objetivo es no dejar demasiado control en manos de los usuarios porque, en realidad, los asistentes son más precisos y eficientes si los algoritmos de IA hacen la mayor parte del trabajo..
Aunque, teóricamente, la IA está construida para satisfacer nuestras necesidades y a disposición de nuestros requerimientos, hay una sensación de que en algunos casos es demasiado rígida. Sin embargo, está idea va en contra de la anterior sobre el exceso de autonomía. Así somos los humanos …
En realidad solemos pensar que no se adapta a nuestra forma particular de hacer las cosas y que no es capaz de aprender de los errores.
Así que una forma de vencer esta barrera es hacer ver a las personas que la “máquina aprende” con los errores. De hecho, en muchos entornos se habla de “machine learning” en lugar de citar los “algoritmos”.
Por ejemplo, plataformas como Netflix te dicen “te sugerimos esta película porque has visto esta otra.” Eso transmite la sensación de que el sistema “aprende” sobre tus preferencias.
Otro caso fue el de una empresa de maquinaria pesada que vende en muchos países. En ocasiones, las máquinas se estropeaban tras un nivel de deterioro alto, hasta un punto en el que su reparación llevaba mucho tiempo y tenía un coste alto. Para mejorar el servicio, decidieron implantar multitud de sensores alimentando un sistema de IA que era capaz de predecir las averías antes de que se producieran.
Sin embargo, se encontraron con el rechazo de los clientes que se sintieron ofendidos porque un sistema automático pudiera conocer mejor que ellos el estado de la máquina que usaban a diario.
Para remediarlo, incluyeron una cláusula en el contrato de compra que decía que si contrataban ese servicio de mantenimiento nunca se iban a encontrar con un problema en el uso de la máquina.
Por último, teniendo en cuenta que el trabajo es una experiencia humana y colaborativa, es normal que las personas prefieran interactuar más con otras personas que con máquinas.
En general las personas están dispuestas a usar la IA si su rendimiento es superior al desempeño de una persona en la misma tarea. Pero si el rendimiento va a ser similar, prefieren un humano.
El miedo que puedan tener las personas a usar sistemas de inteligencia artificial se puede reducir con el tiempo:
- Por una parte, cuando la gente los va usando de manera cotidiana, se va acostumbrando a ellos.
- Por otra parte, conforme las personas vean cómo estos sistemas les ayudan a alcanzar sus objetivos, los verán más de su parte.
En el mundo tecnológico es bastante habitual que se produzcan ciclos de entusiasmo seguidos de otros de desilusión. Y el caso de la Inteligencia Artificial no iba a ser una excepción. Es un proceso basado en el funcionamiento de las emociones humanas.
Tras la sobreestimación inicial del potencial de la IA llega la desilusión por las expectativas frustradas. Posteriormente aparece una etapa larga de madurez en la que los avances se consolidan.
Por este motivo, para las empresas es importante no dejarse atrapar por este ciclo y definir su propio momento de adopción, en esta última fase en la que la IA se situará en todos los procesos empresariales con aportación de valor.
