Registrarse
Enrique Rueda-Sabater

La inteligencia artificial (IA) ha sido considerada el "próximo gran avance" durante mucho tiempo, pero hasta hace muy poco su llegada ha resultado decepcionante. La promesa transformadora de la IA tenía que ver con su potencial para la personalización de bienes y servicios y para aumentar la productividad en su producción y entrega. La amenaza transformadora guardaba relación principalmente con su impacto sobre los puestos de trabajo, al reemplazar o incluso eliminar una amplia gama de ellos, y con la opacidad de las decisiones basadas en la inteligencia artificial.

Ahora estamos finalmente en una situación en la que ya podemos referirnos a la IA en tiempo presente en muchas esferas y esperar, de forma realista, que se extienda a muchas más actividades y ámbitos. Por lo tanto, un desafío importante para las empresas y todo tipo de organizaciones es cuánto y con qué rapidez invertir en qué tipos de aplicaciones de inteligencia artificial, ya sea internamente o confiando en proveedores de servicios expertos en inteligencia artificial.

Un factor clave que desencadenó el traspaso de este umbral entre la promesa y la realidad ha sido la disponibilidad de datos en cantidades masivas (lo que durante un corto período de tiempo se denominó con el concepto de moda "Big Data", que alcanzó su máxima popularidad en 2018 según Google Trends). Naturalmente, una fuente importante de datos ha sido la conectividad que impulsa el uso de Internet y un facilitador de la agregación y análisis de datos ha sido la expansión de la capacidad de almacenamiento en la “nube” y el cambio a la computación basada en la nube.

data algorithms

Un hecho impactante relativo al uso de Internet es cómo se ha extendido en amplitud (el número de usuarios en todo el mundo ha pasado de aproximadamente mil millones a cuatro mil millones en los últimos 15 años) y profundidad, medido por el tráfico IP. Y a lo largo del rápido crecimiento durante la última década (de 20 a 200 exabytes por mes), la proporción de tráfico originado por consumidores y empresas se ha mantenido más o menos constante, con el tráfico de consumidores representando en torno al 80% del total. El tráfico empresarial ha aumentado a través de diversas aplicaciones y el tráfico de los consumidores se ha disparado debido a la prevalencia del streaming y a que la velocidad de conexión y la latencia han mejorado de manera constante.

Los datos sobre el uso más reciente de Internet aún no están disponibles, pero todo indica que los confinamientos pandémicos en 2020 y 2021 han generado una explosión adicional de la actividad online, como atestiguan los datos proporcionados por empresas de investigación como Nielsen, por ejemplo, lo que sugiere que los minutos de streaming pueden haberse más que duplicado con relación a los niveles anteriores a la pandemia. Dado que gran parte del tráfico desde los hogares ha aumentado debido al teletrabajo y a la educación a distancia, también es probable que el límite entre el tráfico de consumidores y el de empresas se haya difuminado y que los datos sobreestimen la proporción del tráfico de consumidores. En cualquier caso, es probable que la generación de datos continúe creciendo con rapidez, tal vez después de una breve desaceleración posterior a la pandemia.

Cada vez más, los datos se generan y utilizan a través de la conectividad móvil y la difusión del 5G acelerará esta dinámica

El crecimiento adicional provendrá de nuevas fuentes de datos, incluidas de manera destacada las relacionadas con la Internet de las cosas (lo que comprenderá sensores de todo tipo, electrodomésticos conectados y aprovisionamiento automatizado de las empresas) y aplicaciones que van desde comandos de voz hasta vehículos autónomos. Pero la masa crítica de datos que se requería para el despegue de la IA probablemente ya se haya logrado y, si bien una mayor cantidad de datos creará nuevas oportunidades, así como desafíos de gestión y normativos, no es probable que produzca el efecto de umbral de IA que ha tenido el reciente crecimiento de los datos recientes.

Cada vez más, los datos se generan y utilizan a través de la conectividad móvil (y la difusión del 5G acelerará esta dinámica). El patrón actual es bastante variado en los diferentes países: los que adoptaron tempranamente Internet todavía dependen más de los ordenadores portátiles y otros ordenadores personales, mientras que muchos países de mercados emergentes (y las generaciones más jóvenes en todas partes) han dado el salto hacia el uso de Internet principalmente móvil y han evitado la compra de ordenadores. Es probable que las brechas sean mucho menores para los más jóvenes, pero para los adultos (mayores de 18 años) las diferencias son sorprendentes: en Alemania y EE.UU., por ejemplo, alrededor del 80% de los usuarios de Internet dependen tanto de ordenadores como de terminales móviles mientras, en el otro extremo, en la India son los usuarios que sólo usan dispositivos móviles los que representan el 80% de los adultos que acceden a Internet.

Los algoritmos no son nada nuevo: el término tiene raíces centenarias de origen árabe y centroasiático y hace referencia a procedimientos computacionales. La programación informática se basa esencialmente en algoritmos y, en el sentido más amplio, una receta culinaria podría considerarse un algoritmo. Lo que ha cambiado con la disponibilidad de datos y la potencia de los ordenadores es que los algoritmos ya no tienen que estar predeterminados y, en lugar de ello, se derivan del subconjunto de IA llamado Machine Learning (Aprendizaje Automático) que, al revisar enormes cantidades de datos sobre entradas y resultados, puede “aprender” y generar algoritmos que siguen adaptándose a partir de los originales o incluso a aquellos que no han sido programados explícitamente.

La expansión masiva del almacenamiento en la nube y de la capacidad de computación han apuntalado la poderosa conexión entre los datos y los algoritmos

Una amplia gama de algoritmos adaptativos ya ha entrado en nuestras vidas a través del comercio electrónico (Amazon, Netflix, etc.), la publicidad y promociones específicas. Los algoritmos basados en aprendizaje automático también están introduciéndose en la toma de decisiones preventivas en los campos de la salud y el poder judicial y se volverán aún más sólidos a medida que se acumulen los datos. Entre los ejemplos notables, el sector asegurador, que tradicionalmente se había basado en un precursor primitivo de los algoritmos (análisis actuarial) está en proceso de verse revolucionado por el aprendizaje automático basado en datos. La próxima frontera en esta dinámica es el Deep Learning o Aprendizaje profundo, un tema que bien merece un tratamiento diferenciado, ya que a medida que aumenta el uso de algoritmos y la dependencia opaca del AA también crece la preocupación de que la naturaleza de "caja negra" de los mecanismos de filtrado de información y de apoyo a la toma de decisiones incorporen sesgos y otros patrones no deseados.

La expansión masiva del almacenamiento en la nube y de la capacidad de computación han apuntalado la poderosa conexión entre los datos y los algoritmos. La dependencia de la computación en la nube ha sido un fenómeno silencioso que está detrás de gran parte del poder transformador de lo que a veces se denomina economía algorítmica. Por impresionante que haya sido el crecimiento del tráfico de Internet en los últimos años, la capacidad de los centros de datos en la nube la ha superado drásticamente, ya que los datos recopilados del tráfico de Internet y otras fuentes se regurgitan para todo tipo de fines comerciales y de seguridad nacional.

data algorithms

Esto no ha sido accidental ni tampoco una coincidencia. La expansión de la capacidad de los centros de datos en la nube puede haber sido inevitable, pero la velocidad a la que se ha desarrollado tiene mucho que ver con las inversiones masivas y visionarias realizadas por Amazon a través de su unidad de negocios Web Services (AWS). El éxito posicional y la enorme rentabilidad de AWS provocaron el nacimiento de iniciativas de otras grandes corporaciones para ponerse al día. Si bien la posición de liderazgo de AWS en el mercado (con aproximadamente un tercio de los ingresos totales) ha demostrado hasta ahora ser inigualable, la entrada de otros grandes actores como Microsoft, Google e IBM ha acelerado la expansión de la capacidad de la nube.

data algorithms

A pesar de que los servicios en la nube inicialmente eran una alternativa a la inversión en equipos y capacidad técnica en las instalaciones (lo que en esencia permite a las organizaciones desplazar gran parte de sus actividades relacionadas con TI de abultados gastos de capital a pagos basados en el uso), están evolucionando rápidamente desde la oferta de infraestructura como servicio a la provisión de servicios como proporcionar algoritmos (y más ampliamente IA), incluido el acceso a datos externos. De ahí que los principales proveedores de servicios en la nube se hayan posicionado para convertirse en propagadores (y beneficiarios) de la IA. La gama de servicios relacionados con la inteligencia artificial que ofrecen se está expandiendo con rapidez a lo largo de líneas predictivas, cognitivas e interactivas que podrían acabar dando apoyo a la mayoría de las actividades comerciales e incluso de servicio público.

La adopción de aplicaciones de IA ya está generalizada, especialmente en países como Japón y EE.UU. y en ciertos sectores y actividades, como en los servicios de TI, la gestión de riesgos bancarios y el desarrollo de productos de automoción, pero hay mucho espacio para una adopción e intensidad de uso mucho mayor: la mayoría de las organizaciones indican en las encuestas su intención de confiar más en las aplicaciones de IA. Al mismo tiempo, la conciencia pública sobre el papel de los algoritmos sigue siendo baja: una encuesta reciente de Bertelsmann Stiftung en la UE mostró que el 8% de los encuestados tiene pleno conocimiento, mientras que el 15% no lo tiene en absoluto.

A nivel macroeconómico, podríamos estar entrando en una nueva era de crecimiento de la productividad relacionada con el efecto de las tecnologías de propósito general alimentadas por datos en torno a la IA. Como fue el caso en el pasado, por ejemplo, con la electricidad, es posible que hasta ahora hayamos visto tan poco impacto en la productividad porque las empresas necesitaban realizar las inversiones y los ajustes necesarios en las prácticas operativas y de gestión. A nivel micro, todo dependerá de decisiones atomizadas tomadas por corporaciones y otras organizaciones y el énfasis actual generalizado en la digitalización es positivo, pero también podría conducir a movimientos autocomplacientes o poco ambiciosos.

Lo cierto es que hay mucho en juego: hasta ahora son pocas las empresas que han realizado las inversiones y los ajustes, aquellas que no se pongan al día rápidamente se encontrarán en una desventaja competitiva paralizante. Pero también existe el riesgo de invertir y ajustar demasiado pronto (después de todo, la IA ha sido muy prometedora durante mucho tiempo), por lo que requerirá un estado de alerta y una capacidad de decisión muy superiores a los que la mayoría de los líderes corporativos hayan nunca experimentado.

Todo el contenido está disponible bajo la licencia Creative Commons Reconocimiento 4.0 Internacional.