HARVARD BUSINESS REVIEW

Cuatro modelos para usar la inteligencia artificial en la toma de decisiones

Los sistemas requieren que las personas lleguen a trabajar bien con las máquinas

  • Facebook (Compartir)
  • Tweetea!
  •  
  • Imágenes

Los CEO (presidentes ejecutivos) carismáticos preferirían encabezar e inspirar a las personas, en lugar de delegarle decisiones empresariales de gran importancia a los algoritmos inteligentes. Pero, en algunas de las empresas más exitosas del mundo (Google, Netflix, Amazon, Alibaba, Facebook), los algoritmos autónomos cada vez más tienen la última palabra.

Los ejecutivos dedicados a la excelencia impulsada por datos aceptan que los algoritmos necesitan mayor autonomía para tener éxito. Empoderar los algoritmos se ha vuelto tan importante como empoderar a las personas. Sin embargo, sin líneas claras de autoridad y responsabilidad, el empoderamiento dual garantiza un conflicto entre la inteligencia humana y la artificial.

LEA: Prepárese para lidiar con la era de la robótica en su empresa.

Los CEO que son serios acerca de confrontar la oportunidad y el riesgo de la autonomía algorítimica deberían considerar cuatro opciones organizacionales con éxito en el mundo real. Las malas noticias: la innovación sobre algoritmos y la aparición constante de nueva información garantizan que el “avance de la autonomía” desafiará incesantemente y desde adentro la supervisión humana.

El consejero autónomo. McKinsey, Bain y BCG son los modelos aquí. Los algoritmos autónomos son considerados como los mejores consejeros estratégicos que usted puede tener, y que nunca se irán. Ellos constantemente analizan información y hacen recomendaciones. Toman la iniciativa sobre qué analizar e informan a la alta gerencia respecto a lo que encontraron. Sin embargo, solo el comité humano de supervisión aprueba qué se vuelve “autónomo” y cómo se implementa.

Las transiciones plantean significativos problemas operacionales. En una empresa norteamericana de ventas, los algoritmos autónomos reemplazaron a todo el departamento de mercadotecnia. Los directivos le dijeron a los gerentes de tienda y al staff que obedecieran las órdenes de sus nuevos “colegas”. El resentimiento y la resistencia eran palpables.

En este modelo, los científicos de datos son embajadores entre el comité de supervisión de la autonomía y los objetivos de su implementación. Ellos frecuentemente encuentran que las tecnologías son menos problemáticas que las personas, y típicamente se convierten en sacos de boxeo para ambas partes. Su lealtad y responsabilidad le pertenecen a la alta gerencia.

El subcontratista autónomo. “Accenturazon” –parte Accenture, parte Amazon Web Services– es el modelo aquí. La subcontratación de procesos empresariales se convierte en parte de la algoritmización de los procesos de negocio. Las mismas sensibilidades y oportunidades económicas que vuelven atractiva la subcontratación se vuelven principios gerenciales para la autonomía computacional.

Eso significa que usted necesita descripciones claras de las tareas y los resultados deseados. Los propietarios de los procesos y las decisiones determinan la ubicación de recursos y si es que la autonomía llevaría a mayor innovación, optimización o ambas. La predictibilidad y la confiabilidad son lo que más importa, y la autonomía es un medio para este fin.

En los escenarios de algoritmización, los científicos de datos se vuelven gerentes de proyecto. Definen los estándares de calidad para la información y para los algoritmos, y respaldan a aquellos responsables de los resultados habilitados autónomamente.

El empleado autónomo de clase mundial. ¿Pueden los gerentes y empleados colaborar de forma efectiva con entidades autónomas brillantes, pero constreñidas? En ese entorno empresarial, el software inteligente es sembrado en donde sea que la autonomía computacional puede complementar, o reemplazar, los resultados deseados. La firma efectivamente entrena a su gente para contratar y trabajar con los mejores y más brillantes algoritmos del mundo.

El software es tratado como un valioso colega que, la mayoría las veces, tiene la respuesta correcta. Versiones de esto suceden en compañías como Netflix y Alibaba, y Google se ha comprometido a ser una empresa que ponga “primero al aprendizaje automático”.

“El modelo de aprendizaje automático no es una pieza estática de código, usted constantemente lo alimenta con información”, dice un ingeniero de Google. “Estamos constantemente actualizando los modelos y aprendiendo, añadiendo más información y perfeccionando la forma en que haremos predicciones. Se siente como algo que vive y respira. Es una forma diferente de ingeniería”.

Entrelazar a las personas con la autonomía de las máquinas diluye la responsabilidad organizacional. En dichos entornos de aprendizaje y veloces cambios, los gerentes de programas y proyectos no siempre puede saber si es que obtendrán mejores resultados al volver a entrenar a las personas o al volver a entrenar los algoritmos. Una cultura de la colaboración se convierte en la única forma de tener éxito.

Los científicos de datos facilitan en este escenario. Hacen cosas como escribir chatbots y adoptar interfaces para facilitar la colaboración. Tratan de minimizar la discriminación, el favoritismo la tensión en las relaciones entre las personas y las máquinas. Los ejecutivos dependen de ellos para entender la transformación cultural que implica una autonomía generalizada.

Autonomía total. Renaissance Technologies y otros sigilosos fondos de inversión son los modelos aquí. Estas organizaciones están comprometidas a dejar que la autonomía algorítmica lleve a la empresa a nuevas fronteras de innovación, ganancias y riesgos. El liderazgo humano cede ante el poder de los algoritmos.

Un diseñador cuantitativo en un fondo de cobertura ubicado en Nueva York dijo: “nos tomó años confiar lo suficiente en los algoritmos como para resistir la tentación de invalidarlos… Aún hay tratos (ocasionales) que no haremos, y (no hacerlo) casi siempre nos cuesta dinero”.

Las firmas procuran convertir la autonomía en una ventaja competitiva. Usan software de aprendizaje automático para entrenar a otro software de aprendizaje automático. Los algoritmos prueban y administran el riesgo de otros algoritmos.

La autonomía es el centro de gravedad organizacional y operacional para la innovación. Las personas son contratadas con base en sus habilidades para empujar las fronteras de la autonomía algorítmica.

LEA: Gerentes deben prepararse para el impacto de la automatización en su gestión.

El liderazgo en estas organizaciones demanda de la voluntad para convertir a la confianza en los números en actos de fe. Los investigadores de finanzas computacionales y los gerentes de fondos de inversión dicen que sus máquinas frecuentemente hacen intercambios e inversiones que los humanos no comprenden.

El manejo del riesgo y el imperativo de adquirir un entendimiento humano accesible de la compleja autonomía, dominan la ciencia de datos para las empresas de autonomía total.

Los líderes deberían tener cuidado de hacer híbridos con estos enfoques separados. La clave para hacer que funcionen es integrar responsabilidad y resultados desde el inicio.

© 2017 Harvard Business School Publishing Corp. Distribuido por: The New York Times Syndicate

Sostenbilidad y financiamiento