Skip to content
Puede usar nuestro buscador para encontrar información sobre los productos y soluciones de InterSystems, las oportunidades de desarrollo profesional, los casos de uso, novedades y mucho más. Los resultados incluyen el contenido de nuestra comunidad de desarrolladores, documentación de productos y formación, además de InterSystems.com.

Inteligencia artificial y Big Data - ¿Maldición o bendición?

Los automóviles autónomos utilizan la Inteligencia Artificial para aprender a conducir. Una vez que estén maduros y activos en el mercado transformarán el ecosistema de la movilidad gracias a impactos positivos como la reducción del número de accidentes y víctimas, ciudades más vacías y la reducción de emisiones contaminantes. Pero esta tecnología que hace realidad el coche autónomo es la misma que habilita los sistemas autónomos de armas, popularmente denominados ‘robots asesinos’. ¿Bendición o maldición?

Una utilización concreta de Deep Learning, llamada GAN (Generative Adversarial Networks o Redes Generativas Antagónicas) puede traer de vuelta a una película a actores ya fallecidos o crear pinturas artísticas. Esta misma tecnología puede servir para crear deep fakes: videos donde los protagonistas dicen cosas que nunca dijeron y, así, contribuir a la difusión de noticias falsas (figura 1). ¿Es una bendición o una maldición?

Figura 1 - Deep fake de Obama donde dice cosas que nunca dijo. Fuente: https://www.patheos.com/blogs/godzooks/2018/05/deep-fake-obama-video-yikes/

El aprendizaje profundo también ha mejorado radicalmente la tarea de percepción, tanto en el reconocimiento de voz como de imagen. Google Duplex puede mantener un diálogo similar a un humano para concertar una cita con un peluquero. Pero ese mismo aprendizaje profundo también hace posible la vigilancia masiva de las poblaciones en China mediante el reconocimiento facial, utilizado para la puntuación de crédito social y la vergüenza pública de las personas que cruzan un paso de cebra en rojo. ¿Es una bendición o una maldición?

Además de la capacidad técnica que la IA está proporcionando, su popularidad se debe a sus muchas aplicaciones, que están mejorando nuestras vidas incluido el diagnóstico médico, la traducción automática, las recomendaciones de contenidos, la optimización de negocios, los chatbots, la investigación y el descubrimiento de nuevos medicamentos, el mantenimiento predictivo, por nombrar solo unos pocos. Sin embargo, la misma tecnología en manos de personas equivocadas puede causar un daño significativo y, en particular, el relacionado con la seguridad digital, física y política.

Pero centrémonos en algunos de los buenos usos comerciales de la IA. Según PWC, la IA generará un valor de 1,7 billones de dólares en sectores como la salud, la automoción, las finanzas, el transporte y la logística, las TIC, el entretenimiento, el comercio minorista, la energía y la fabricación. Según Gartner, en 2019, los 3 principales casos de uso de IA fueron los chatbots, la automatización de procesos y el análisis del fraude (Figura 2). Según un informe de MMC Ventures sobre el estado de AI 2109, en Europa existe un ecosistema de startups vibrante, con 1.600 startups de AI en proceso de madurez. Una de cada doce startups europeas es ahora una startup de IA, aumentando desde una de cada cincuenta contabilizadas en 2013.

 
Figura 2 - ¿Su organización utiliza alguna de estas aplicaciones basadas en inteligencia artificial (IA)? 2019: n= 2.791; 2018: n= 2.672. Fuente: Gartner, 2019 CIO Survey: CIOs Have Awoken to the Importance of AI, figure 1, 3 January 2019.

De la misma forma, las tecnologías de IA y Big Data son utilizadas ampliamente en la industria de Telecomunicaciones. Internamente, algunos de los principales casos de uso se centran en la gestión del ciclo de vida del cliente, como la predicción de abandono, los precios inteligentes, las campañas de marketing mejoradas y la planificación de la implementación de redes.

Otra área importante de la aplicación de IA es la interacción con el cliente, donde el reconocimiento de voz y el procesamiento del lenguaje natural están revolucionando la forma en que los clientes interactúan con la empresa. Ahora pueden comunicarse durante las 24 horas del día y los 7 días de la semana, para obtener respuestas a preguntas generales (FAQ), y a preguntas basadas en la situación personal de cada cliente. Además, esta interacción es posible a través de múltiples canales como centros de atención al cliente, aplicaciones, mensajería instantánea (WhatsApp, Google Assistant, Facebook) y asistentes virtuales como AURA de Telefónica.

Finalmente, los datos anonimizados y agregados, generados a partir de los datos de la red de telecomunicaciones, pueden proporcionar valor para múltiples sectores como el transporte, el turismo o el comercio minorista, entre otros. En particular, los datos de la red permiten generar información sobre los footfall insights (número de personas en un momento y lugar determinados) y sobre la movilidad (cómo se mueven los grupos de personas). Aparte del valor comercial, esos conocimientos también crean valor para las sociedades, lo que a veces se denomina AI for Good y Big Data for Social Good. De hecho, existen muchos proyectos piloto sobre el uso de estos datos para la predicción de pandemias, una mejor gestión de los desastres naturales y las predicciones de la calidad del aire. No es de extrañar que en la actual crisis de COVID-19, los gobiernos de todo el mundo hayan recurrido a las empresas de telecomunicaciones para comprender cómo se propaga el virus y cómo las poblaciones siguen las instrucciones de confinamiento. Google, como uno de los mayores titulares de datos del mundo, está publicando informes similares como se ilustra en la Figura 3.

Figura 3 - Informe de movilidad en España de Google que muestra la disminución de la movilidad en comparación con la línea de base. También muestra un aumento en la movilidad ya que las personas podían visitar los parques durante horas específicas del día en la fecha del informe. Fuente: https://www.gstatic.com/covid19/mobility/2020-05-09_ES_Mobility_Report_en.pdf

Sin embargo, disfrutar de las oportunidades de IA y Big Data de una manera escalable no es gratis. La mayoría de las organizaciones atraviesan un viaje de transformación digital largo y doloroso antes de alcanzar la suficiente madurez de los datos y, por lo general, este viaje consta de diferentes fases que incluyen exploración, transformación, decisiones basadas en los datos y explotación de la inteligencia artificial. Según McKinsey, las empresas de inteligencia artificial con éxito tienen ciertas características en común, como que son digitalmente maduras (de lo contrario, no hay datos), adoptan la inteligencia artificial en su negocio principal, se enfocan más en el crecimiento que en el ahorro, son empresas más grandes, usan múltiples tecnologías de inteligencia artificial y disfrutan de un soporte C-level para la IA (consulte la Figura 4).

Figura 4 - Características de las empresas de IA exitosas. Fuente: McKinsey

A pesar del gran impacto positivo de la IA y el Big Data en la mejora de los procesos empresariales, reducir los costes y aumentar los ingresos, también existen efectos secundarios no deseados del uso de esta tecnología a gran escala. Todos hemos oído hablar de algoritmos de caja negra, discriminación injusta y violaciones de la privacidad. El ya clásico libro de O'Neil, Weapons of Math Destruction, ofrece muchos ejemplos de sistemas opacos de decisiones basadas en IA que tienen un impacto significativo en la vida de las personas. Amazon tuvo que retirar un sistema de inteligencia artificial que trataba a las mujeres de manera injusta, en comparación con los hombres, durante su proceso de selección de recursos humanos. En sus inicios, Apple Card fue fuertemente criticada por otorgar a las mujeres condiciones de préstamo menos favorables que a los hombres en situaciones iguales. ¿Y quién no ha oído hablar del escándalo de privacidad de Cambridge Analytica con Facebook? La mayoría de esos “escándalos” no son consecuencia de malas intenciones, sino del uso de nuevas tecnologías en aplicaciones de grandes empresas sin prestar la suficiente atención a todos los riesgos potenciales.

Es por esta razón que, en los últimos dos años, muchas grandes organizaciones han declarado públicamente adherirse a los principios o pautas éticas de IA. La Universidad de Harvard ha analizado los Principios de IA de las primeras 36 organizaciones del mundo que publicaron dichas pautas y encontró 8 + 1 categorías más utilizadas, que incluyen valores humanos, responsabilidad profesional, control humano, equidad y no discriminación, transparencia, seguridad, rendición de cuentas, privacidad + derechos humanos. La organización sin ánimo de lucro Algorithm Watch mantiene un inventario abierto de códigos éticos de IA con más de 160 organizaciones actualmente. Y la Comisión Europea presentó sus directrices éticas para una IA fiable en abril de 2019. Telefónica, una gran empresa de telecomunicaciones, publicó sus Principios de IA en 2018 comprometiéndose con el uso de sistemas de IA que sean justos, transparentes y explicables, centrados en el ser humano, con privacidad y seguridad.

Esos principios son un primer paso importante hacia el uso responsable de la inteligencia artificial, pero los principios por sí solos no son suficientes. Deben transformarse en procesos organizativos para que se conviertan en negocios habituales. Aunque las prácticas iniciales se están compartiendo y publicando, y la experiencia se está acumulando poco a poco, todavía queda un largo camino por recorrer.

En conclusión, podemos decir que, si bien los gobiernos deben permanecer atentos al uso malintencionado de estas poderosas tecnologías, las oportunidades positivas para la IA y el Big Data son enormes y seguirán creciendo en el futuro. Además, será posible en gran medida gestionar y evitar las consecuencias negativas no deseadas.

Otras publicaciones que te pueden gustar.

ago. 02 2022
web of interconnected dots
Para las empresas, actualmente, es prioritario agilizar la gestión de sus datos. El concepto Data Fabric utiliza mejor las arquitecturas de datos, sin necesidad de reconstruir las aplicaciones y los data lakes, y facilita que las organizaciones se adapten a los mercados cuando es necesario.
Managing Director, Europe and Latin America