Crédito: fuente
La creciente transformación digital experimentada durante el 2020, y que se vio potenciada entre otras razones, por la llegada de la pandemia, ha impulsado que, desde distintos ámbitos, se incremente la inversión hacia tecnologías como la Inteligencia Artificial (IA) para automatizar ciertas operaciones que se hacen más difíciles de llevar a cabo durante la presente crisis sanitaria.
En el debate sobre la adopción y crecimiento acelerado de la IA, hay quienes advierten que la inclusión de esta tecnología representa un riesgo para los empleos, mientras que otra corriente apoya su integración, asegurando que para las compañías resultará beneficiosa, ya que la IA complementará a la capacidad humana y viceversa.
Es en este contexto que Chile, ya se está desarrollando la Política Nacional de Inteligencia Artificial, que comprende tanto la ética del uso de esta tecnología, como su potencial económico, adopción y aplicación a nivel industrial. Este proceso se inició en agosto de 2019 e incluyó un proceso de participación ciudadana respecto a sus implicancias.
Su foco en la ética está justificado principalmente por el impacto que puede tener en la misma concepción de los trabajos, ya que su aplicación podría desaparecer o tornar irrelevantes ciertas labores. Es por esta razón, que este aprendizaje es fundamental para diseñar un escenario ante una nueva realidad, que busca la cooperación entre los hombres y las máquinas.
Otro variable ética a considerar radica en la privacidad de la información. La IA y el Machine Learning funcionan, mejoran y crecen al alimentarse de datos, y esto, convierte en una prioridad el diferenciar y establecer qué información es posible procesar y cuál se debe mantener fuera de estos márgenes. Sin duda una discusión de largo aliento, considerando que, en un mundo interconectado, los límites de lo posible son difusos.
Para Walter Rudolph, Data Science Lead de Teamcore, empresa pionera en la incorporación de IA en el país, esta política representa “una oportunidad gigantesca para la industria del retail y del consumo masivo, porque brinda un espacio para poder generar un ecosistema de soluciones y promover la colaboración entre las empresas que ya cuentan con esta tecnología”.
“También representa un terreno fértil porque permite que nazcan muchas más empresas que se complementen y se reten mutuamente, elevando el niel de las soluciones disponibles en el mercado actual. Esta nueva regulación podrá tener un impacto positivo porque estas tecnologías tienen una gran aplicabilidad, sobre todo en temas de Smart Data. Un ejemplo de esto es que la IA puede ayudar a negocios pequeños a tomar mejores decisiones”, agregó.
Otro aspecto positivo destacado por el experto se relaciona con la economización de la obtención de datos. “Al ser entrenados con datos reales, los algoritmos puedes multiplicar y simular el comportamiento real de datos, con menos esfuerzo y en menos tiempo. Sin duda la Política Nacional de I.A. será un paraguas para muchas industrias, lo que vuelve un asunto de suma importancia, la adopción de estas tecnologías o la colaboración con servicios de I.A. y Machine Learning”, finalizó.
¿De qué manera puede ayudar la IA a las empresas?
Para Rudolph, existen dos grandes perspectivas de como esta tecnología puede ayudar a las empresas. “Cuando se trata de una implementación interna, los beneficios son evidentes en cuanto a mejoras en eficiencia, hay un mejor control en cada etapa del proceso, en cada una de las líneas de negocio, y puede ayudar a detectar problemáticas y cuellos de botella internos”.
Por otro lado, cuando se contratan estos servicios, lo que las empresas están haciendo es recibir aprendizaje de algoritmos que llevan entrenando con una gran cantidad de datos, lo que los ayuda a crecer y mejorar los procesos, logrando un crecimiento en ventas y minimizando los problemas en las operaciones, a esto Walter lo llama “transferencia de aprendizaje”.
Por otro lado, cuando se habla de Big Data, se habla de una gran cantidad de datos, pero pocas veces se habla de la inteligencia que se les puede atribuir. Por ejemplo, una empresa puede manejar pocos datos, pero con una gran inteligencia puede lograr grandes resultados, mientras que otra podría almacenar millones de datos, que, sin aplicarles el tratamiento correcto, resultan en impactos muy débiles.