Experto de McKinsey y inteligencia artificial (IA)

Aún está con aroma a tinta el libro “Rewired: The McKinsey Guide to Outcompeting in the Age of Digital and AI” (Rewired: La guía McKinsey para superar la competencia en la era digital y de la IA) publicado a principios de octubre por Kate Smaje, Rodney Zemmel y Eric Lamarre. Este último es el director de McKinsey Digital para Norteamérica, cuya función dentro de la consultora es liderar la forma en que la inteligencia artificial (IA) se aplica en las empresas y transforma su proceso productivo.

No te pierdas en Pulso

Y aunque la IA, especialmente la “generativa”, simbolizada en la aplicación ChatGPT, está en la cresta de la ola de la moda tech, Lamarre advierte que “justamente, lo que tratamos de hacer en el libro es mantenernos alejados de los términos de moda. Entonces, no verás conceptos como blockchain o industria 3.0. No nos estamos enamorando de una tecnología específica porque, francamente, creemos que esto es como una caja de herramientas, donde actualmente hay muchas tecnologías, a la cual agregamos recientemente una nueva”.

¿Cuál es ella?

-La inteligencia artificial generativa. Y probablemente iremos agregando más y más. Lo realmente importante es dónde podemos aplicar estas tecnologías. Pero tampoco hay que partirse la cabeza, ya que hay que buscar el problema de negocio a resolver. Por ejemplo, ver dentro de una empresa el problema comercial que tiene y buscar alguna de las tecnologías que tenemos en la caja de herramientas para resolverlo. Y por lo general, nunca es sólo una, sino varias herramientas que deben combinarse.

¿Cómo cuáles?

-Hay mucha tecnología en torno a los datos, como el aprendizaje automático, interfaz digital para los operadores, etc. Necesitamos centrarnos realmente en el aspecto más fundamental, que es el problema empresarial que hay que resolver, independiente del término de moda.

¿Aún hay resistencia dentro de las empresas por incorporar la inteligencia artificial?

-Sí, mucha resistencia. Por lo general, proviene de las personas que solían tener mucho poder en la empresa, ya que su gran fuente de valor era su conocimiento. Y ahora, les traes un motor y le dices: “Vamos aumentar esa fuente de conocimiento”, lo que pone e todos un poco en riesgo. Es como cuando contratas a una consultora externa en una compañía. Pero efectivamente, aún hay mucha resistencia a la IA en las empresas.

¿Qué tipo de formación deben tener los empleados para entender y aceptar la IA dentro de su organización?

-Creo que hay que implementar tres tipos de capacitaciones. Una es hacia los dos o tres niveles superiores de la organización, porque no hay forma de que lideren su empresa hacia este nuevo mundo de la tecnología sin tener un cierto nivel mínimo de conocimientos tecnológicos. El segundo lugar es lo que denomino “los propietarios de productos”.

¿Cómo se define a ese grupo?

-Se refiere a los equipos y líderes que tienen la habilidad de la gestión del producto. Hoy, cuando desarrollas una pieza de tecnología, esta ya no se concibe como un proyecto, sino como un producto, porque esa pieza permanece, evoluciona y continúa mejorando como lo hace cualquier producto. Y la capacidad de los líderes de la organización para desempeñar el papel de gerentes de producto es un gran músculo. Eso es central.

¿Y el tercer tipo de capacitación?

-Se refiere a los roles fundamentales de la empresa que, definitivamente, cambiarán debido a la IA. Por ejemplo, en una empresa de comercio minorista, necesitas mostrarle al vendedor cómo usar las nuevas herramientas para mejorar y darle confianza, ya que su trabajo va a cambiar. En el fondo, hay que detectar cuáles son las funciones fundamentales de una empresa que se transformarán con la IA.

Entre tanta oferta de soluciones y productos de IA que hay en el mercado, ¿cómo una empresa puede orientarse para decidir la que más le convenga y tomar la decisión correcta?

-La oferta en IA es tan rica, que se vuelve confuso para las empresas. Me gusta decirle a mis clientes que primero comiencen por establecer qué es lo que los diferenciará competitivamente y que no. Actualmente todos sabemos que con la IA podemos desarrollar software de manera más rápida y hay una serie de aplicaciones disponibles para ello. Pero lo que estoy haciendo aquí es comprando una solución, por lo que necesito tener personas internas que sepan cómo realizar esa compra, no necesariamente que sepan cómo desarrollarla. Y probablemente, tanto en mi departamento de ingeniería de software como en mi departamento de TI están quienes pueden tomar la mejor decisión.

Por otro lado, si soy uno de los principales productores de concentradoras de cobre en el mundo, quizá voy a preferir desarrollar de forma interna una tecnología de IA que me permita mejorar más aún mis procesos y negocios. Construirlo con mi equipo. Las preguntas claves son entonces: ¿Quiero comprar o construir? ¿Cuáles son los aspectos que realmente necesito construir yo mismo, versus los que puedo integrar de otros componentes básicos dentro de mis soluciones tecnológicas?

¿Y si una empresa decide construir internamente sus soluciones de IA?

-Lo más posible es que con el tiempo descubra que no necesita construirlo todo. Y aquí es donde el campo se ha vuelto realmente complicado, porque cuando hoy creas software, te das cuenta de que en realidad el 80% de la solución es integrar piezas de software que ya existen. Nadie crea algoritmos de aprendizaje automático desde cero. Hoy están todos integrados en las suites de empresas como AWS o Microsoft, y lo que hace una empresa es integrarlos dentro de su producto final.

¿Cuáles son las tendencias emergentes en IA que podrían afectar a las empresas en los próximos años?

-La IA estará por un buen tiempo, pero creo que la tendencia actual es la generativa. Por lo que podremos ver una especialización cada vez mayor en los modelos de lenguaje. No habrá uno solo, sino docenas. Quizá cientos.

¿Por ejemplo?

-Por ejemplo, un modelo de lenguaje en torno a datos financieros o datos bancarios. Otro para grandes call centers. Algunos muy especializados para ciertas actividades específicas. Ya estábamos viendo esa tendencia, pero ahora aumentará gracias al aprendizaje automático. La parte difícil en el modelo de IA es mantenerlo en producción, calibrado y sin sesgos. Funcionar las 24 horas es un trabajo de ingeniería, no un trabajo de ciencia de datos. Y ese trabajo es difícil porque los modelos son delicados y los datos subyacentes cambian todo el tiempo. Por ejemplo, cuando ocurrió el Covid, todos los modelos históricos tuvieron que ser recalibrados en tiempo real. Pero nuestros datos no son exactos. No están limpios…

¿Qué significa eso?

-Que nuestros datos son de difícil acceso. Por eso que estamos viendo surgir muchas soluciones para facilitar el acceso a los datos, limpiarlos fácilmente y relacionarlos entre sí. Todo de forma automatizada. Por lo tanto, algo que viene en IA es el rescate de los datos y el ayudar a colocarlos en el lugar correcto. En este aspecto, veremos muchos más avances en la computación, más específicamente en la computación cuántica. Pero creo que todavía faltan cinco años para que la computación cuántica tenga un impacto.