El pasado miércoles 22 de Mayo se llevó adelante un desayuno que reunió a representantes de Banco Credicoop, Federación Patronal, IMS Corporate, Banco Galicia y Sura Seguros alrededor del tópico “IA: los sesgos que ocultan nuestros datos”. La charla fue moderada por Marcelo Rinesi (científico de datos) y Joaquín Díaz Vélez (business developer y líder del departamento de IA en Flux IT), y tuvo como punto de partida el análisis de cómo implementar IA en una empresa.

Rinesi inició el encuentro destacando tres acepciones o formas de entender la Inteligencia Artificial a nivel de negocio:

“Una forma de ver la IA hoy en día es como un compilador, por lo cual cualquier cosa que tiene código, uno puede mirar y pensar ‘puedo usar IA para esto’. Otra forma de entender la IA es como procesamiento de información (la parte cognitiva) hoy conocido como Data Science”.

Respecto de esta segunda forma de concebir a esta tecnología, agregó que “parte de la evolución de IA es pensar qué pasa si cada pedazo de un proceso o de código puede inferir, teniendo A y B, lo que va a pasar con C”  y sostuvo que, en la práctica, esta lógica se aplica de manera masiva en microdecisiones.

En tercer lugar, Rinesi explicó que otra forma de entender la IA es pensar en humanos artificiales: chatbots, vehículos autónomos, etc.

“Esta es la acepción que más pega en la imaginación y en la publicidad ,y la aplicación que menos retorno suele generar. Es un nicho que restringe los casos de uso posibles, y genera un montón de cuestiones éticas que, hasta cierto punto son o muy tempranas, o interesantes pero irrelevantes en el día a día.”

Otro de los disparadores presentado por Díaz Vélez durante el evento, fue: cómo pensamos la ética cuando implementamos soluciones de IA.

En relación a este tema, Rinesi sostuvo que la crisis de privacidad y ética que estamos viendo en en IA no se debe a nuevos problemas sino a nuevos actores que acceden a la información: “los problemas éticos que tiene Facebook no son diferentes a los que tienen los bancos hoy sin IA: ¿Cómo uso la información? ¿Cómo la mantengo privada? ¿Cómo evito que usen mis sistemas para hacer cosas ilegales o inmorales?”

Además aseguró que estas cuestiones se ponen en discusión porque se trata de una tecnología poco probada, especialmente en algunas industrias: “el problema ético de la IA en banca y finanzas no es el sobreuso sino la falta de uso.”

Durante el encuentro, los asistentes compartieron también sus experiencias aplicando IA a distintas soluciones de negocio, en diálogo con los moderadores.

IA para alcanzar procesos más eficientes

“El uso fuerte de IA en cuestiones empresariales pasa generalmente no por reemplazar a un humano sino por reemplazar y optimizar procesos.” Retomando el disparador inicial, Rinesi avanzó hacia un tema crucial para el avance de la IA en los negocios y explicó que las empresas que ya están establecidas no necesitan publicidad sino eficiencia de procesos.

“El principal problema del uso de IA en empresas no es técnico: la tecnología está, y está años luz de lo que se usa. No es un tema de innovación, ni tampoco de dinero. Ni siquiera de datos. Es un tema cultural. El paso de no usar IA a usarla, no solo para afuera sino internamente, es una transición cultural que hoy genera un bloqueo: al ser transformativo, es traumático; al ser traumático, pocos lo hacen; y el que no lo hace, corre de atrás.”

Refiriéndose a la industria financiera y de seguros, sostuvo que el riesgo no está en cuestiones de ética, sino en caer en la trampa de aplicar ésta tecnología imitando a otras industrias, con diferentes necesidades y problemas.

“El skill fundamental organizacional en el siglo XXI (y diferencial en la productividad de una empresa) es cuán dispuesto estoy a cambiar mi estructura organizacional y mis procesos para darle poder a las computadoras. Las empresas que van a ganar son las que encuentren formas de negociar estos temas internos y construir cosas que sean útiles, que generen mayor ROI.”

El tecnólogo destacó también la integración de decisiones por sobre la integración de sistemas, y explicó que el diferencial no es tener mayor cantidad de datos, sino animarse a probar: “se subestima mucho el poder del error. Se tiende a ver la IA como algo que da certeza. IA no sirve para prevenir el riesgo, sino para monetizarlo.”
 

“IA no sirve para prevenir el riesgo, sino para monetizarlo.”

Marcelo Rinesi, data scientist

 
Por último, enfatizó en la importancia de definir un scope para comenzar a aplicar IA, y sugirió iniciar detectando el valor que puede generar un departamento o área específica, para después pensar a escala de empresa: “yo les recomiendo pensar en qué pueden explotar ustedes que genere valor y visibilidad interna, y recién ahí ver qué datos necesitan (y no al revés), para que la bola de nieve comience a crecer.”

El encuentro concluyó con un espacio de preguntas y consultas junto a los moderadores.