Cómo la adopción de IA aún no ha revelado su verdadero potencial

Desde los principales científicos de inteligencia artificial (IA) que advierten que el aprendizaje profundo expulsará a los radiólogos de sus trabajos, hasta los profesionales de la salud que anuncian que la IA redefinirá la relación médico-paciente, hasta los ejecutivos de tecnología que prometen que los autos autónomos completamente autónomos están a la vuelta de la esquina. , la IA se ha visto marcada por varias predicciones fallidas en los últimos años.

A pesar de los notables avances en IA, aún tiene que desempeñar su papel transformador en muchas industrias. Sin embargo, en comparación con otros hitos tecnológicos como la máquina de vapor, la electricidad y el motor de combustión interna, no sorprende que la adopción de la IA sea lenta.

Ajay Agrawal, Joshua Gans y Avi Goldfarb, profesores de la Universidad de Toronto y autores del nuevo libro. Poder y predicción, creemos que estamos en una etapa en la que el poder de la IA es evidente, pero su adopción generalizada aún está por llegar. Y para abordar mejor los desafíos que dificultan el aprovechamiento del poder de la IA, debemos comprender no solo las aplicaciones en las que se utiliza, sino también los sistemas en los que opera.

soluciones puntuales y sistemas

En Poder y predicción, los autores simplifican la tecnología de IA actual como software que puede predecir resultados, como si un cliente compra un producto recomendado o si una transacción financiera resulta ser fraudulenta. No hay duda hoy en día de que los modelos de aprendizaje automático (ML) han llegado al punto en que, con los datos de entrenamiento correctos, pueden hacer predicciones impresionantes.

Sin embargo, cuando se trata de incorporar el poder de las máquinas predictivas en aplicaciones y productos, existen diferentes niveles de desafíos que las organizaciones deben superar.

“Los avances técnicos de la IA han sido y continúan siendo verdaderamente impresionantes. Por lo tanto, es natural esperar que sus aplicaciones crezcan al mismo ritmo”, dijeron Agrawal, Gans y Goldfarb a VentureBeat. “No lo hicieron, y nuestra investigación se propuso averiguar por qué. Terminamos pensando más allá del punto de solución. IA que la gente se estaba enfocando, pensando en los aspectos prácticos de obtener valor de la IA en los sistemas actuales. Estaba claro que había un problema. Para usar realmente la IA, debe estar abierto a un conjunto más amplio de acciones, pero, para muchas organizaciones, no lo están. preparado para esto”.

Las soluciones puntuales son el fruto bajo de la inteligencia artificial. Estas son aplicaciones donde las organizaciones ya están haciendo predicciones. Un ejemplo citado por los autores es Verafin, una empresa canadiense que utiliza inteligencia artificial para predecir el fraude. Con sede en St. John’s, Newfoundland, Verafin se convirtió en el primer unicornio de IA de Canadá, adquirido por Nasdaq por $ 2.75 mil millones en 2020. Ni Verafin ni St. John’s estaban en el radar de los analistas que pronosticaban IA comercial en Canadá en años anteriores.

La razón del éxito de Verafin es que ha implementado una importante solución de IA puntual. La predicción del fraude siempre ha sido una parte importante del trabajo de las instituciones financieras, y reemplazar sus sistemas antiguos con una solución basada en inteligencia artificial que proporciona mejores predicciones ha requerido cambios mínimos en la estructura organizacional.

En otros dominios, la adopción de IA requiere cambios no solo a nivel de tecnología, sino también un rediseño fundamental a nivel de sistemas, incluidos el producto, la estructura organizativa, los objetivos comerciales, la alineación de incentivos y otros aspectos de la empresa. Esto hace que sea mucho más difícil para las empresas adoptar la IA en todo su potencial.

“Nuestra atención a la posibilidad algunas máquinas de predicción nos habían cegado a la oportunidad de las distribuciones comerciales reales”, escriben los autores Poder y predicción. “Aunque nos enfocamos en las propiedades económicas de la IA en sí misma, reduciendo el costo de la predicción, subestimamos la economía de construir la nueva sistemas en el que se van a incorporar las IA”.

El “entre tiempos” de la adopción de la IA

Agrawal, Gans y Goldfarb describen el estado actual de la IA como “Entre tiempos” de la IA, lo que significa que estamos entre demostrar las capacidades de la tecnología y hacer realidad su promesa reflejada en una adopción generalizada.

Hay precedencia para esto. En la década de 1890, la principal propuesta de valor de la electricidad para los fabricantes era el ahorro en costos de combustible porque la gente pensaba en los sistemas desde el punto de vista de la máquina de vapor. Pero la electricidad no era solo una máquina de vapor más barata. Su valor principal era desacoplar la energía de su fuente. Ya no era necesario instalar una máquina de vapor cerca de la fábrica. Pero así fue como se diseñaron la mayoría de las fábricas, y tomó hasta la década de 1920 para que este potencial se realizara por completo. En ese momento, se diseñaron nuevas fábricas con la idea de que el generador de energía pudiera ubicarse a kilómetros de distancia y que la electricidad pudiera llevarse a cualquier parte de la estructura con un cable o un enchufe.

El científico de inteligencia artificial Andrew Ng ha descrito a la IA como la “nueva electricidad”. Y el CEO de Google, Sundar Pichai, dijo que la IA es “más profunda que la electricidad”. Probablemente tengan razón. Pero en Between Times, lo que estamos viendo principalmente es la adopción de soluciones puntuales, como la predicción de fraude basada en ML, la transcripción de videos, la clasificación de imágenes, etc.

“Estamos en esa etapa en la que si la IA va a ser transformadora, pronto comenzaremos a ver las semillas de esa transformación. Probablemente provendrá primero de las iniciativas de inicio que utilizan IA para lanzar modelos comerciales completamente nuevos”, dijeron Agrawal, Gans y Goldfarb.

Actualmente, los titulares son los ganadores de las soluciones puntuales. Pero la historia muestra que las organizaciones establecidas tardan en adoptar los cambios de sistema requeridos por las nuevas revoluciones tecnológicas.

“Las startups tienen la ventaja de no tener que cambiar lo antiguo. Pueden empezar desde una pizarra en blanco”, dijeron los autores. “Pero, al mismo tiempo, la historia nos dice que los líderes empresariales de hoy deben estar aún más atentos para comprender el potencial transformador de la IA”.

Por ejemplo, con varios siglos de historia, la industria aseguradora tiene mucho que ganar con la inteligencia artificial. Las grandes compañías de seguros ya están utilizando soluciones de IA puntuales para abordar algunas tareas como el cálculo de primas y el procesamiento de reclamaciones. Sin embargo, la verdadera oportunidad de la IA desafía los modelos comerciales construidos en torno a maximizar las primas y reducir las reclamaciones. Las nuevas compañías de insurtech pueden crear sistemas y flujos de trabajo completamente nuevos que usan IA para predecir y mitigar el riesgo en lugar de pasarlo de una parte a otra.

“La desventaja para las nuevas empresas es que rara vez sucede que los titulares actuales no ofrezcan valor para el nuevo sistema. Entonces, en algún momento, se convertirá en un desafío para ellos. En el pasado, esto ha llevado a una ronda de fusiones y adquisiciones”, dijeron los autores.

El futuro de la adopción de la IA

A medida que continúa el tira y afloja entre los titulares y las nuevas empresas, lo que es seguro es que aún no se ha desarrollado todo el potencial de la IA. Y el futuro de la IA probablemente consistirá en nuevas aplicaciones y nuevos sistemas que son fundamentalmente diferentes de lo que vemos hoy.

“Creemos que todavía hay muchas más oportunidades al adoptar la IA como soluciones o aplicaciones puntuales que no son demasiado disruptivas para las empresas”, dijeron Agrawal, Gans y Goldfarb. “La verdadera transformación solo puede ocurrir cuando los avances técnicos en IA son tan pronunciados que vale la pena considerar la construcción de nuevos sistemas a su alrededor. Tenemos la esperanza de que llegue el momento, pero hay mucho valor que se puede obtener del lado “más pequeño” de la tecnología antes de ese punto”.