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

Por: Evgeniya Malina, Directora de estrategia empresarial y operaciones en Food Rocket.

Según una investigación reciente del McKinsey Global Institute, la inteligencia artificial está en condiciones de aumentar la producción económica global en $13 billones para 2030.

Sin embargo, esto conlleva sus propios desafíos y consecuencias no deseadas. Algunos de los riesgos y desafíos más comúnmente identificados de la implementación de la inteligencia artificial incluyen preocupaciones de privacidad, la incapacidad para generalizar y una falta general de confianza.

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

1. Mala calidad de los datos

La primera cosa que un algoritmo de inteligencia artificial robusto necesita es datos. Para entrenar adecuadamente un algoritmo, 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 cada año.

Por ejemplo, algunos procesos pueden no tener huella digital en absoluto cuando se está empezando. No hay datos para alimentar un algoritmo en estos casos. Todo lo que se proporciona son hipótesis y suposiciones educadas, lo que plantea dos problemas.

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

2. Navegación de “inicios en frío” y participación de los empleados

La automatización es excelente para optimizar procesos existentes, pero el contrapunto es el “inicio en frío”. Esto es cuando se debe comenzar un proceso sin datos históricos en los que el algoritmo de inteligencia artificial pueda basar su rutina. En cada instancia, la inteligencia artificial luchará por superar este obstáculo.

Según la Harvard Business Review, el 80 por ciento o más del tiempo de un equipo de TI se dedica a mejorar y refinar datos inconsistentes para algoritmos de inteligencia artificial

A menudo se requiere una inversión considerable de esfuerzo humano para ayudar a la inteligencia artificial a superar este “inicio en frío” y reanudar las operaciones sin problemas.

En mi experiencia, puede causar una seria interrupción en la gestión de suministros, y también puede costarle a las empresas considerables ingresos. Todos sabemos que la inteligencia artificial aún no está lo suficientemente evolucionada como para manejar todos los aspectos de un sistema de gestión operativa.

Esto significa que cualquier solución de inteligencia artificial que utilice su empresa se superpondrá con los procesos de toma de decisiones humanas.

Si bien esto puede ser algo bueno, también puede llevar a una desvinculación del sentido de responsabilidad personal de un empleado. En algunos casos, los empleados sienten que pueden separarse de una decisión porque “la inteligencia artificial 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 una persona que anteriormente era responsable de la métrica y que ahora se siente como un eslabón insignificante en una cadena de toma de decisiones automatizada.

Es esencial gestionar este aspecto de la automatización debido a lo fácil que puede llevar a su equipo por un camino de desinterés y compromiso disminuido. También tiene el potencial de causar daño a su marca. Si se deja que la inteligencia artificial tome decisiones por su cuenta, puede comenzar a discriminar involuntariamente a los clientes en ciertos tramos de edad, género o geográficos.

3. Desafíos con la transparencia y la implementación eficiente

Como todos los propietarios de empresas saben, las cosas pueden cambiar en un instante. Las empresas no siempre tienen tiempo para construir una solución de inteligencia artificial compleja para una nueva operación.

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

En primer lugar, la empresa puede optar por implementar un proceso casi completo e insertar un paso intermedio manual hasta que el proceso pueda ser perfeccionado. En este caso, las empresas pierden hasta el 80 por ciento de la eficiencia calculada del proceso.

Alternativamente, la empresa puede implementar software como servicio (SaaS) para acelerar el proceso de implementación. Si bien los costos de tiempo y dinero serán más bajos, el problema de la pérdida de eficiencia permanece. En este caso, implementar algoritmos de SaaS que no están 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 inteligencia artificial es increíblemente difícil de comunicar a la gestión, incluso para los expertos. Esto se debe a la complejidad de los algoritmos, pero puede hacer que su equipo sienta reservas sobre la transición a la gestión operativa automatizada.

¿Hacia dónde vamos desde aquí?

Algunos investigadores sugieren que los desafíos que enfrentamos actualmente darán lugar a nuevos roles humanos en una empresa: entrenadores, explicadores y sostenidores.

Los entrenadores ayudarán a optimizar el rendimiento de la inteligencia artificial; los explicadores se encargarán de desglosar las decisiones de la inteligencia artificial para los no profesionales, y los sostenidores trabajarán en hacer que los procesos de inteligencia artificial sean sostenibles a largo plazo.

Sin embargo, hasta entonces, las empresas y los fundadores deben considerar más que solo la ventaja competitiva significativa que la inteligencia artificial puede brindar. La ventaja debe sopesarse contra la ambigüedad, los costos de tiempo y los obstáculos de crecimiento que conlleva la inteligencia artificial 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 ella para que siempre sea la mejor opción.