Cinco razones por las que los algoritmos de IA pueden ser difíciles de implementar en la gestión operativa

Por Evguenia Malina, Jefe de Estrategia Comercial y Operaciones en Food Rocket.

Según una investigación reciente del McKinsey Global Institute, la IA está preparada para impulsar la producción económica mundial en $ 13 trillón por 2030.

Sin embargo, esto conlleva sus propios desafíos y consecuencias imprevistas. Algunos de los riesgos y desafíos más comunes en la implementación de la IA incluyen las preocupaciones sobre la privacidad, la imposibilidad de generalizar y una falta general de confianza.

A continuación se presentan tres desafíos con la IA que afectan específicamente la gestión operativa de las empresas.

1. Mala calidad de los datos

Lo principal que necesita un algoritmo de IA robusto son los datos. Para entrenarlo correctamente, es necesario alimentarlo con grandes cantidades de datos precisos y de alta calidad. Desafortunadamente, no siempre es fácil obtener estos datos, y un informe de Gartner de 2020 señala que la mala calidad de los datos puede costarle a su empresa alrededor de 13 millones de dólares al año.

Por ejemplo, algunos procesos podrían no tener ninguna huella digital al principio. En estos casos, no hay datos que se puedan incorporar a un algoritmo. Todo lo que se proporciona son solo hipótesis y conjeturas fundamentadas, lo que plantea dos problemas.

En primer lugar, esto introduce sesgo humano significativo en su proceso directamente desde el principio. En segundo lugar, significa que cualquier resultado del algoritmo es simplemente una extensión de sus mejores conjeturas. En última instancia, esto lo deja con un panorama de datos incompletos y un proceso de toma de decisiones poco confiable e inestable.

2. Navegando por "arranques en frío" y compromiso de los empleados

La automatización es excelente para agilizar los procesos existentes, pero la contrapartida es el "arranque en frío". Aquí es cuando debe comenzar un proceso sin datos históricos en los que la IA pueda basar su rutina. En todos los casos, la IA luchará por superar este obstáculo.

Según Harvard Business Review, 80 por ciento o más A menudo, gran parte del tiempo de un equipo de TI se dedica a intentar mejorar y refinar datos inconsistentes para algoritmos de IA.

A menudo se necesita una inversión considerable de esfuerzo humano para ayudar a la IA a superar este bache de "arranque en frío" y reanudar las operaciones sin problemas.

En mi experiencia, puede causar graves interrupciones en la gestión de suministros y, además, costarles a las empresas ingresos considerables. Todos sabemos que la IA aún no ha evolucionado lo suficiente como para gestionar todos los aspectos de un sistema de gestión operativa. Esto significa que cualquier solución de IA que utilice su empresa se solapará con los procesos de toma de decisiones humanos.

Si bien esto puede ser positivo, también puede provocar una pérdida de responsabilidad personal en el empleado. En algunos casos, los empleados sienten que pueden separarse de una decisión porque “la IA lo hizo”.

Además, es común que la introducción de un nuevo algoritmo coincida con una caída significativa en las métricas de calidad. En mi experiencia, esta paradoja es el resultado de que una persona que anteriormente era responsable de la métrica siente que ahora es simplemente un eslabón sin importancia en una cadena de toma de decisiones automatizada.

Es fundamental gestionar este aspecto de la automatización debido a la facilidad con la que puede llevar a tu equipo a un camino de desinterés y menor compromiso. Además, puede perjudicar tu marca. Si se deja que la IA tome decisiones por sí sola, podría, sin darse cuenta, empezar a discriminar a clientes de ciertas edades, géneros o zonas geográficas.

3. Desafíos con la transparencia y la implementación eficiente

Como todo empresario sabe, las cosas pueden cambiar en un instante. Las empresas no siempre tienen tiempo para desarrollar una solución de IA compleja para una nueva operación.

De hecho, es mucho más común que las empresas tengan poco tiempo y se vean obligadas a resolver un problema sin la ayuda de la automatización porque configurar un nuevo proceso simplemente lleva demasiado tiempo. Como normalmente no hay tiempo para escribir modelos complejos, ocurren dos cosas.

Primero, la empresa podría optar por implementar un proceso mayormente completo pero insertar un paso intermedio manual hasta que el proceso pueda refinarse. En este caso, las empresas pierden hasta un 80 por ciento de la eficiencia calculada del proceso.

Alternativamente, la empresa podría implementar SaaS para acelerar el proceso de implementación. Si bien los costos de tiempo y dinero serán menores, el problema de la pérdida de eficiencia permanece. En este caso, implementar algoritmos SaaS que no estén específicamente adaptados a las necesidades de la empresa puede hacer que un proceso sea menos eficiente que si se hiciera manualmente.

Además de estos problemas, es importante comprender que la transparencia en el proceso de IA es increíblemente difícil de comunicar a la gerencia, incluso a los expertos. Esto se debe a la complejidad de los algoritmos, pero puede hacer que su equipo tenga dudas sobre la transición a la gestión de operaciones automatizadas.

¿A dónde vamos desde aquí?

Algunos investigadores sugieren que los desafíos que enfrentamos actualmente conducirán a nuevos roles humanos en una empresa: Entrenadores, explicadores y sustentadores.

Los entrenadores ayudarán a optimizar el rendimiento de la IA; los explicadores tendrán la tarea de desglosar las decisiones de IA para los no profesionales, y los sustentadores trabajarán para hacer que los procesos de IA sean sostenibles a largo plazo.

Sin embargo, hasta entonces, las empresas y los fundadores deben considerar más que solo los importantes ventaja competitiva que la IA puede dar. La ventaja debe sopesarse frente a la ambigüedad, los costos de tiempo y los obstáculos de crecimiento que conlleva la IA operativa.

La inteligencia artificial aún tiene un largo camino por recorrer en términos de crecimiento, desarrollo e implementación. Sin duda, puede marcar una gran diferencia en la gestión operativa, pero aún no podemos confiar plenamente en que sea siempre la mejor opción.