Cinco problemas que no sabías que la IA podía ayudarte a resolver

Hace apenas unos meses, para muchas personas la inteligencia artificial era una curiosidad. Hoy escribimos con ella, resumimos documentos, traducimos, creamos imágenes y le hacemos preguntas que antes habríamos llevado a Google.

Todo ocurrió tan rápido que quizá cometimos un error comprensible: confundimos lo primero que aprendimos a hacer con todo lo que la inteligencia artificial puede hacer.

Porque su mayor valor quizá no esté en hacer más rápido lo que ya hacíamos. Puede estar en descubrir lo que antes no veíamos.

Aquí hay cinco casos reales que muestran algo diferente.

1. ¿Qué pasaría si mañana se fuera quien más sabe?

En todas las organizaciones hay personas que saben cosas que nunca llegaron a un manual.

Conocen excepciones. Recuerdan por qué se tomó una decisión. Detectan señales que otros no ven. Resuelven en minutos problemas que a alguien nuevo podrían tomarle días.

Cuando se van, una parte de la organización se va con ellas.

La NASA lleva años tratando el conocimiento crítico como un activo que debe identificarse, capturarse y transferirse, especialmente ante jubilaciones y cambios de personal.

La inteligencia artificial agrega una posibilidad extraordinaria: ayudar a recuperar experiencias mediante entrevistas, relacionarlas, identificar excepciones y convertirlas en conocimiento organizado que otros puedan consultar después.

No se trata de reemplazar a una persona. Se trata de evitar perder lo que aprendimos gracias a ella.

El conocimiento se va cuando las personas se van, si la organización nunca aprendió a conservarlo.

La pregunta es incómoda: si mañana se fueran las cinco personas que más saben de tu organización, ¿qué se iría con ellas?

2. ¿Y si utilizáramos la IA para llevarnos la contraria?

Le presentamos una idea a la inteligencia artificial y preguntamos: “¿Por qué ésta es una buena estrategia?”. Probablemente encontrará argumentos convincentes para apoyarla.

Pero podemos hacer exactamente lo contrario: “Supón que dentro de dos años esta decisión fracasó. ¿Qué no vimos?”.

Microsoft utiliza el principio conocido como equipos de confrontación o prueba adversarial (red teaming): personas que deliberadamente intentan encontrar vulnerabilidades, errores y escenarios de falla antes de que aparezcan en condiciones reales.

La compañía publicó aprendizajes después de aplicar estas pruebas a más de 100 productos de inteligencia artificial.

¿Por qué no trasladar el principio a nuestras decisiones? Una inversión. Una expansión. Un nuevo producto. Una estrategia.

La inteligencia artificial no debería decidir por nosotros. Las decisiones importantes implican responsabilidad, experiencia, valores y consecuencias humanas. Pero sí puede convertirse en esa voz incómoda que pregunta lo que nadie en la sala preguntó.

Si un hombre comienza con certezas, terminará con dudas; pero si se conforma con comenzar con dudas, terminará con certezas.· Francis Bacon

Quizá una de las mejores aplicaciones de la inteligencia artificial no sea darnos más respuestas. Puede ser ayudarnos a construir mejores dudas.

3. ¿Podemos escuchar a un cliente antes de conocerlo?

Está apareciendo una aplicación sorprendente: los clientes sintéticos, es decir, representaciones creadas con inteligencia artificial para simular determinados perfiles, necesidades y posibles comportamientos de consumidores.

Pueden utilizarse para explorar cómo diferentes tipos de personas podrían reaccionar ante una propuesta, un producto, un precio o un mensaje antes de llevarlo al mercado.

Tapestry, propietaria de Coach y Kate Spade, utiliza inteligencia artificial para integrar y analizar conocimiento sobre sus consumidores mediante Mira, una plataforma propia diseñada para conectar información dispersa y ayudar a convertirla en decisiones.

Pero aquí existe una frontera que no debemos cruzar: una simulación no es una persona.

Un cliente sintético no siente miedo, ilusión, frustración ni arriesga realmente su dinero. La inteligencia artificial no sustituye hablar con clientes reales.

Puede servir para algo diferente: descubrir posibles objeciones, imaginar escenarios y formular preguntas que posteriormente deberán comprobarse con personas reales.

No preguntarle a una máquina “¿Qué piensa mi cliente?”, sino utilizarla para descubrir “¿Qué no se me había ocurrido preguntarle a mi cliente?”. La diferencia es enorme.

4. ¿Qué sabe tu empresa que ya olvidó?

Imagina poder preguntarle a diez años de proyectos: “¿Ya habíamos tenido este problema?”. Y obtener una respuesta en segundos.

Orion Health, empresa tecnológica especializada en salud, tenía información distribuida entre seis repositorios internos. Algunos empleados podían dedicar más de una hora diaria a buscar respuestas.

La compañía desarrolló Oribot, un sistema de inteligencia artificial generativa capaz de consultar más de 500,000 registros internos.

Amazon Web Services, la división de servicios tecnológicos en la nube de Amazon, documenta que la información puede recuperarse en menos de un minuto y que el sistema permite recuperar alrededor de 50 horas de trabajo del equipo cada día.

Pensemos en lo que una organización acumula durante años: contratos, propuestas, proyectos, errores, soluciones, decisiones, investigaciones, experiencias.

Quizá tenemos mucha más información de la que necesitamos y mucha menos memoria de la que creemos.

El problema del futuro podría no ser cuánto sabemos, sino cuánto de lo que sabemos somos capaces de encontrar cuando realmente lo necesitamos.

5. ¿Cuánto trabajo hacemos simplemente porque siempre lo hemos hecho?

Ésta puede ser la pregunta más incómoda.

Microsoft analizó uno de sus propios procesos internos utilizando minería de procesos, una técnica que reconstruye a partir de datos cómo ocurre realmente un proceso, en lugar de limitarse a cómo creemos que ocurre.

Encontró 33 actividades diferentes, repetición de trabajo en aproximadamente 20% de los casos y pasos que acumulaban días de espera. A partir de lo descubierto, Microsoft proyectó reducir un proceso que tomaba 12 semanas a 8 semanas.

Nuestra reacción inmediata ante un proceso lento podría ser: “Automaticémoslo”. Pero ésa no necesariamente es la mejor pregunta. Antes deberíamos preguntar: “¿Por qué lo hacemos?”.

Porque automatizar un proceso absurdo no lo convierte en inteligente. Sólo consigue que el absurdo ocurra más rápido.

No hay nada tan inútil como hacer eficientemente aquello que no debería hacerse.· Peter Drucker

La tecnología cambió. La advertencia no.

Cinco verbos

Los cinco casos parecen diferentes. En realidad hablan de cinco posibilidades: conservar, cuestionar, anticipar, recordar, simplificar. Y todas comienzan antes de elegir una herramienta. Comienzan con una pregunta.

¿Qué conocimiento estamos a punto de perder? ¿Qué decisión deberíamos cuestionar? ¿Qué reacción no hemos considerado? ¿Qué sabe nuestra organización que ya no recuerda? ¿Qué trabajo seguimos haciendo sin saber realmente por qué?

La inteligencia artificial puede ayudarnos a encontrar conocimiento; nosotros decidimos qué significa. Puede cuestionar una estrategia; nosotros asumimos sus consecuencias. Puede simular comportamientos; las personas reales siguen siendo personas, no datos. Puede acelerar un proceso; nosotros debemos decidir si ese proceso merece existir.

Por eso quizá estamos formulando mal la pregunta. No es: ¿qué puede hacer la inteligencia artificial? Esa respuesta cambia prácticamente cada semana.

La pregunta verdaderamente interesante es: ¿qué podemos hacer ahora que hace poco ni siquiera sabíamos que era posible?

La inteligencia artificial no será verdaderamente transformadora cuando haga más cosas por nosotros. Lo será cuando nos ayude a ver posibilidades que antes no veíamos. Y, sobre todo, cuando sepamos qué hacer con ellas.