Lo que todo CEO debería saber REALMENTE sobre Inteligencia Artificial

En las últimas semanas, alrededor del tema de la conferencia que di en Argentina sobre Inteligencia Artificial y Big Data, en varias ocasiones me han pedido recomendaciones sobre cómo incorporar la Inteligencia Artificial a las empresas.

Voy a intentar contar aquí lo que creo al respecto, de forma más calmada que cuando me preguntan a quemarropa en una conversación informal. Está dirigido a CEOs y CMOs o, en general, personas al cargo de organizaciones o de parte de ellas desde una perspectiva de negocio.

Si eres más del lado de la tecnología, probablemente deberías leer esto pero, quizás, también tendrás otras preguntas que aquí no voy a tratar (y algunas que, seguramente, no soy capaz de contestar).

Empecemos por el principio

Lo primero de todo: no sé qué es eso de “adoptar la Inteligencia Artificial”. En serio, no lo sé. Me lo habéis preguntado, pero no sé qué contestar. Me suena tan difuso como “adoptar las matemáticas en mi empresa”.

En primer lugar, no lo entiendo porque la IA engloba multitud de métodos distintos pero, principalmente, no lo entiendo porque no tiene sentido adoptar algo con el único objetivo de adoptarlo: si lo haces, tendrás que hacerlo para resolver algún problema de tu negocio. Que para eso eres CEO.

Así que la pregunta correcta no es “¿cómo puedo adoptar la IA en mi empresa?” sino “tengo el problema X, ¿puedo resolverlo mejor aplicando algún método de Inteligencia Artificial?”. Eso ya tiene más sentido de negocio y se aleja del hype que existe alrededor de este concepto.

Vale, pero, ¿cómo lo hago?

Si ya tienes claro qué problema de negocio quieres resolver, lo siguiente que tienes que hacer es comprender qué NO es la Inteligencia Artificial: no es un método mágico que va a resolver tu problema de un plumazo.

Incluso aunque leas a diario artículos sobre cómo la IA va a cambiar el mundo, nos va a hacer inmortales o va a provocar el fin de la Humanidad, nada de eso es cierto. O, como mínimo, no lo va a ser en un plazo razonable (hay una discusión filosófica y teórica válida sobre estos temas, pero excede el alcance de este texto).

La industria de la tecnología fue capaz de convertir en sexy un concepto tan soso como ESB así que, en comparación, la IA es un paraíso para vender humo. Sin embargo, al final del día, cuando hablamos de IA no hablamos más que de métodos numéricos. Sí, matemáticas. Pero matemáticas de las serias, de las que sólo aquella chavala tan lista de tu clase en el Instituto era capaz de entender, no como tú, atontao, que siempre estabas a por uvas en clase (esto es lo que me digo yo a mí mismo).

Afortunadamente, mucha gente se ha currado un montón de software que hace que no sólo los matemáticos listos puedan sacarle partido a la IA (y que no haya que reinventar la rueda en cada proyecto).

Por lo tanto, ya hemos llegado al segundo punto importante del tema de hoy: aquí de lo que estamos hablando es de software. Sí, ya sé que con esto le acabo de quitar un montón de glamour al tema, pero es lo que hay. Hablamos de algoritmos, librerías, frameworks, servicios y plataformas, que tendrás que desarrollar o que tendrás que integrar. Fácil, ¿verdad?

El software sin datos es como un jardín sin flores

Así que tu problema de negocio debe ser uno que se pueda resolver mediante software. Ahí, en la actualidad, cabe prácticamente cualquier cosa pero, espera, que aún hay más. Debe ser un problema para cuyo análisis y solución tengas datos. Muchos datos. No tienes que tenerlos ahora, pero sí tienes que poder conseguirlos.

Y no sólo tienen que ser muchos datos, también tienen que ser buenos. Buenos en el sentido de adecuados al problema que tratas de resolver. Sin datos, no hay IA.

Así que, por ejemplo, si lo que quieres es, en tu cadena de producción, detectar productos defectuosos mediante visión artificial, ya puedes ir acumulando miles de fotos de productos defectuosos y de productos buenos. Miles, decenas de miles, cientos de miles, millones… va a depender de las características concretas de tu proyecto. Y no te bastan las imágenes: lo más probable es que necesites que esas imágenes estén categorizadas correctamente. Ni siquiera entro ya en sus características técnicas (p. ej. — condiciones de iluminación estables y controladas).

Si te mueves más en el mundo de los datos de negocio, quizá quieras encontrar patrones interesantes en las actividades de tus clientes. Pues espero que lleves un tiempo registrando esas actividades con mucho detalle (y, si no, deja lo que estés haciendo, monta una reunión y empieza a hacerlo ya).

Para que te hagas una idea: el análisis de clientes más simploncillo que solemos hacer en Leads Origins suele acabar generando una matriz de datos con decenas de miles de filas y… millones de columnas. O te mueves en estas escalas, o te basta con un Excel.

Buen Software + Muchos Datos Buenos = PASTA

Ya sabemos que vamos a necesitar software y que vamos a necesitar (muchos) datos. Software bueno, capaz de manejar muchos datos. Datos limpios, revisados, de calidad, y disponibles de forma rápida para tu buen software. Sabes cómo se llama todo eso, ¿no? Se llama PASTA.

Porque, sí, estamos a punto de consumir un 18% del siglo XXI y tenemos un montón de cosas a nuestro alcance para que todo esto sea viable, pero nadie ha dicho que sea gratis. Exceptuando el software libre que uses, todo lo demás te va a costar dinero. Y, en algunos casos, mucho dinero.

Cuidado con esto. No me malinterpretes. Con estos métodos, el potencial de beneficio es enorme. ENORME. Probablemente, el resultado te va a permitir ahorrar MUCHO más dinero o ingresar MUCHO más de lo que te cueste la iniciativa. Si haces las cosas con cabeza, el ROI puede ser MUY positivo, pero tendrás que financiar debidamente el proyecto, como cualquier otro proyecto.

Un ejemplo que conozco bien: ¿quieres categorizar de forma automática miles de interacciones diarias con tus centros de atención al cliente, en múltiples idiomas? Hay muchas opciones de software muy buenas que te pueden ayudar. Sin embargo, conseguir que ese software alcance unos niveles de acierto adecuados requiere un proceso de entrenamiento y adaptación a tu caso concreto, proceso que puede alargarse meses y costarte cientos de miles de euros. Después, estarás sentado sobre una mina de oro: podrás extraer valor de algo que, hasta ahora, sólo ocupaba espacio en discos duros pero, hasta entonces, te toca pagar.

Ah, y, por cierto: resulta que de estas cosas no hay muchos (buenos) profesionales todavía. Así que si pensabas que crear un equipo de desarrollo iOS en 2010 había sido la mayor de tus pesadillas, espera a que tengas que montar tu equipo de IA. Y, sí, por supuesto, aspiran a pagar el alquiler y confían en que les llegue para comer casi a diario, así que (si son buenos) los sueldos no van a ser entry-level.

Vale, pero, sigo sin saber por dónde empezar con la Inteligencia Artificial

Un poco de calma: si has llegado hasta aquí y me estás haciendo caso, ya estás mejor que el 95% de los CEOs y CMOs a tu alrededor.

Ya sabes que la Inteligencia Artificial no es una varita mágica, que debes aplicarla a problemas concretos, que esto va de software y de datos y que aplicarla a gran escala es caro (y que si no es a gran escala, no tiene sentido). Te acabo de ahorrar medio máster.

Ahora, vamos a por la otra mitad.

¿Has hecho los deberes?

¿Estás hablando de resolver tus principales problemas de marketing mediante Inteligencia Artificial y todavía no tienes un CRM en tu empresa? ¿Tienes la menor idea de qué motiva a tus clientes a comprarte?

¿Quieres optimizar tu cadena de suministro mediante Inteligencia Artificial pero aún gestionas a mano las devoluciones?

¿Quieres que las máquinas tomen decisiones financieras avanzadas pero aún no tienes un dashboard unificado con datos económicos actualizados automáticamente?

Se ve por dónde voy, ¿no?

Igual es que me paso de purista, pero si os habéis dormido en los laureles en la última década, quizá deberíais primero cerrar ese importante gap y luego pensar en esto. Por aquello de no empezar la casa por el tejado y tal.

Piensa en “El día después”

Ponte en el mejor de los casos. Tu proyecto basado en Inteligencia Artificial ha sido todo un éxito. Tu empresa tiene ahora a su disposición un montón de insights que antes no podíais ni oler que existían. O habéis conseguido identificar todos los cuellos de botella en vuestras operaciones. O ya tienes un sistema que hace el control de calidad mucho mejor y más rápido que tus técnicos actuales.

Vale, y ahora, ¿qué vas a hacer? ¿Cómo vas a convertir esos insights en valor? ¿Cómo vas a resolver esos cuellos de botella?

¿Algo de esto significa un cambio sustancial en tu empresa (p. ej. — te sobra gente)? ¿Cómo vas a afrontar y gestionar esos cambios?

No te digo que empieces a planificar ahora de forma milimétrica cómo vas a responder a cada hipotético resultado. Eso no tendría sentido.

Sí te digo que recuerdes que te embarcas en un proyecto basado en Inteligencia Artificial para lograr un objetivo, un objetivo accionable que cambie algo en tu empresa (preferiblemente, a mejor).

Lo más probable es que el proyecto tecnológico no logre, por sí solo, ese cambio, sino que tenga que ir acompañado de más acciones. Sé consciente de ello y no vendas la moto equivocada. O no dejes que te la vendan.

¿Qué podría salir mal?

Ahora, ponte en el peor de los casos. Imagina que el proyecto se ha ido al garete. ¿Cuál crees que ha sido la razón?

Si no usas ya el análisis pre-mortem para tomar decisiones y gestionar riesgos, deberías.

Un proyecto puede fracasar por mil motivos pero, si conoces bien tu organización, seguro que puedes hacer una lista con los cinco principales sospechosos.

Que si los datos son una porquería, que si el alcance es demasiado ambicioso (¡o difuso!), que si no tenemos a la gente adecuada, que si no sabemos dimensionar la plataforma de computación, que si somos el cliente más pequeño de nuestro proveedor clave, que si el tema legal nos puede estallar en la cara…

El responsable del proyecto debería liderar un equipo de trabajo que se encargue de identificar esos riesgos a priori y de minimizarlos y gestionarlos hasta que dejen de ser preocupantes.

Cuidado con los fabricantes y sus cantos de sirena

Actualmente, no faltan opciones de software para ayudarte con tus proyectos basados en Inteligencia Artificial. Al contrario: la dificultad está en navegar sin perderte por el cada vez más extenso océano de soluciones.

Si tú no sabes, necesitas en tu equipo a alguien que pueda evaluar los distintos servicios que tienes a disposición de tu iniciativa.

Y no es tarea fácil: los fabricantes no escatiman esfuerzos a la hora de embellecer las capacidades de su software.

En los casos más extremos, han conseguido convencerte de que su software es un tipo majete con el que puedes conversar sobre los temas más diversos, mientras gana al ajedrez a un Gran Maestro, analiza las obras de Shakespeare y cura el cáncer en un hospital de Nueva York. Todo desde tu sillón y sin tirar una línea de código. Y te lo cuentan sin sonrojarse. Qué fieras.

La verdad suele ser bastante distinta: software que no vale de nada sin (mucho) entrenamiento previo y específico, resultados con un 55% de aciertos (o sea, casi como tirar una moneda al aire, pero mucho más caro) o unos costes acumulados en el tiempo que pueden ser para echarse a temblar.

O incluso peor: a menudo, su software no es más que software que un anzuelo con el que engancharte un contrato bien caro con su rama de servicios profesionales.

En mi opinión (disclaimer: esto es una opinión muy personal), en esto de la Inteligencia Artificial las decisiones make/buy son mucho más relevantes que en la mayoría del resto de proyectos software y, al mismo tiempo, son de las más complejas. Pregúntate si quien tiene que tomar esa decisión en tu empresa está capacitado para ello, porque lo más probable es que no lo esté. (¿Qué decía tu análisis pre-mortem sobre esto, por cierto?)

Por supuesto, no te estoy recomendando que construyas, a mano y desde cero, tu plataforma de IA. Zapatero a tus zapatos. Entre otras cosas, yo me dedico a las soluciones para el área de marketing y ventas basadas en Inteligencia Artificial, así que soy el primer interesado en que compres cosas fuera de tu organización. Pero compra sabiendo bien lo que compras.

En Inteligencia Artificial, puedes aceptar un “NO” por respuesta

A menudo, el objetivo de un proyecto de IA es contestarse a preguntas del tipo “con estos datos de aquí, ¿es posible conseguir algo relevante que me permita ganar más dinero?”. En este tipo de proyectos exploratorios, tienes que acostumbrarte a que “No” puede ser un resultado perfectamente válido.

Obviamente, si has destinado un 7% de tu facturación anual al proyecto y resulta que no sirve para nada, algo está fallando. Tu sensatez, por ejemplo. Por eso, los proyectos que sólo tienen como objetivo contestar a preguntas así deberían ser pequeños, baratos y rápidos (medidos siempre según la escala de tu organización).

Este tipo de mini-proyectos son muy adecuados para ir poco a poco introduciendo estos nuevos conceptos y tecnologías, para aprender y para probar cosas.

Y hasta aquí hemos llegado

Lo que he contado aquí es la respuesta larga que me gustaría poder darle a cualquiera que me pare por un pasillo y me pregunte lo de “¿cómo puedo adoptar la IA en mi empresa?”.

Si has leído hasta aquí con calma, te acabo de contar el 95% de lo que una CEO o CMO debería aprender en un máster en Inteligencia Artificial para no-técnicos. ¡Y te ha salido mucho más barato!

A cambio de un precio tan bajo (el esfuerzo de aguantarme), te quedas sin conocer unas cuantas siglas y expresiones molonas (¡Deep Learning!) que quedan muy bien para soltar en las reuniones pero que no te aportan (casi) nada en tu nivel de decisión. Esas te las puedo enseñar si me invitas a vino (bueno).

Tampoco podrás presumir de master en LinkedIn, lo siento.

Pero, ahora, estás mucho más preparado para aplicar la Inteligencia Artificial en tu empresa para conseguir objetivos de negocio, de forma sensata. Aburrido, pero nutritivo.