211service.com
La agenda global de IA: Promesa, realidad y un futuro de intercambio de datos
En asociación con Genesys, Philips
' La agenda global de IA: Promesa, realidad y un futuro de intercambio de datos ' es un informe de MIT Technology Review Insights producido en colaboración con Genesys y Philips. Se desarrolló a través de una encuesta global realizada en enero y febrero de 2020 a más de 1000 ejecutivos de 11 sectores diferentes y una serie de entrevistas con expertos que tienen responsabilidad específica o conocimiento de la IA. El siguiente artículo es un extracto del informe completo.
Este contenido fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No fue escrito por el equipo editorial de MIT Technology Review.
Descargar el reporte completo .
Pocos campos tecnológicos emergentes han generado tanto entusiasmo y debate en los últimos años como la IA. La mayor parte del entusiasmo hasta ahora se ha centrado en la industria de la tecnología, que en los EE. UU., China y, hasta cierto punto, Europa ha estado invirtiendo miles de millones en el desarrollo de sus capacidades de IA. Es posible que las organizaciones de otros sectores no estén gastando en IA con el mismo abandono, pero la encuesta sugiere que la mayoría al menos está probando las aguas.
Para fines de 2020, el 97 % de las grandes empresas encuestadas para este informe implementarán IA. Los primeros en adoptar han sido las empresas de TI y telecomunicaciones, con un 81 % usando IA para 2018, justo por delante de las empresas de servicios financieros (78 %) y bienes de consumo y venta minorista (75 %). El sector público también está encontrando numerosos casos de uso para la IA: a fines de 2019, el 94% de los encuestados del gobierno dijeron que habían implementado la IA.
La IA naturalmente desempeñará diferentes roles en diferentes tipos de negocios. Para algunos, sus capacidades ayudarán a mejorar aspectos de la eficiencia operativa. Otros esperan que sea un cambio de juego. Para nosotros, dice Jeroen Tas, director de innovación y estrategia del proveedor de equipos para el cuidado de la salud y el consumidor Philips, la IA es una tecnología fundamental que en los próximos años se encontrará en la gran mayoría de nuestras propuestas. Y para algunas empresas nacidas en el entorno online, en él reside el éxito del modelo de negocio. Uno es Lemonade, un proveedor en línea de seguros de propiedad y accidentes con sede en Nueva York que se describe como un disruptor de la industria de seguros establecida. Su director ejecutivo, Daniel Schreiber, cree que los bots impulsados por IA como el de Lemonade son el futuro de los seguros.
Un paso a la vez
A pesar de su amplia implementación, la IA no está a punto de conquistar la empresa. Muy pocos ejecutivos encuestados (4%) creen que se utilizará en más de la mitad de sus procesos comerciales dentro de tres años. Menos de un tercio (30 %) espera que se utilice entre el 31 % y el 50 % de los procesos. La mayoría, el 60 % de los encuestados, cree que la IA encontrará un lugar entre el 11 % y el 30 % de sus procesos, una influencia considerable pero no necesariamente dominante en la forma en que operan la mayoría de las empresas. En esta medida, la IA desempeñará un papel especialmente importante en las operaciones de los proveedores de servicios financieros, los fabricantes y las empresas de tecnología.
Las industrias de servicios financieros, manufactura y TI y telecomunicaciones tienen las mayores aspiraciones de IA dentro de tres años.
Inseguras de sus capacidades reales (a diferencia de las supuestas), y conscientes de los desafíos que plantea, las empresas han adoptado un enfoque iterativo para la implementación de la IA. Según Dirk Jungnickel, vicepresidente sénior de análisis empresarial de Emirates Group, los primeros intentos realizados por su empresa en 2015 y 2016 para desarrollar capacidades de inteligencia artificial a menudo no superaban la prueba de concepto o la etapa piloto. Eso comenzó a cambiar a mediados de 2018 cuando, dice, la empresa comenzó a poner en práctica sus esfuerzos de desarrollo de IA e industrializar la ciencia de datos.
Céline Le Cotonnec, directora de innovación de datos del Banco de Singapur, señala que muchas organizaciones corporativas quieren ofrecer casos de uso de IA antes de haber sentado las bases adecuadas en términos de arquitectura de TI, capacidades de IA, modelo operativo objetivo o gobierno de datos. Mi respuesta es 'lo primero es lo primero', dice ella. Necesitamos establecer la base adecuada para los datos antes de seguir adelante. Esto incluye contar con traductores analíticos: personas que entienden la IA y el negocio para definir el alcance de los proyectos, administrar la entrega, medir el retorno de la inversión y comprender qué tan factible será escalar.
Para las grandes empresas que reservan presupuestos sustanciales para desarrollar capacidades de IA, desarrollar y priorizar casos de uso es un desafío considerable. Según Mike Hanrahan, director ejecutivo del Laboratorio de Investigación Inteligente (IRL) de Walmart: Lo primero en lo que tuvimos que invertir tiempo fue en decidir dónde deberíamos concentrar nuestros recursos. Su equipo identificó más de 250 casos de uso diferentes y luego los filtró a un puñado. El proceso de filtrado fue bastante complejo para decidir en qué deberíamos trabajar, dice Hanrahan. Todo se redujo a decidir qué casos eran los más prácticos para escalar.
Para Walmart, los casos prioritarios se relacionan con la gestión del inventario, que representa una gran parte de la base de costos de la multinacional, y donde incluso pequeñas mejoras en la eficiencia generan ahorros significativos. Sin embargo, en todos los sectores, las empresas están buscando una variedad de casos de uso, con la esperanza de que al menos un par genere retornos tempranos y sirva para generar confianza y entusiasmo en la IA en toda la organización.
Casos de uso hoy y mañana
Entre la muestra de la encuesta en su conjunto, el control de calidad, la atención al cliente y la detección de fraudes son actualmente los principales casos de uso de IA. Sin embargo, una visión más detallada revela una variedad considerable en los principales casos de uso perseguidos por diferentes sectores. Por ejemplo, más de la mitad de las empresas de servicios financieros (58 %) y las organizaciones gubernamentales (55 %) citan la detección de fraudes como su principal caso de uso de IA. Céline Le Cotonnec dice que en su puesto anterior en una empresa de seguros global, los casos de uso de detección de fraude fueron los primeros que se implementaron, ya que el beneficio prometía ser considerable: según una encuesta de Reinsurance Group of America (RGA) de 2017, 3- El 4% de todas las reclamaciones globales son fraudulentas, con la mayor incidencia (4,16%) en Asia.
Entre la muestra de la encuesta en su conjunto, el control de calidad, la atención al cliente y la detección de fraudes son actualmente los principales casos de uso de IA a nivel mundial.
Para el operador móvil Vodafone, los casos de uso más exitosos se encuentran en el servicio al cliente, según Adi Chhabra, director de innovación de productos de Vodafone Reino Unido. Los beneficios, dice, se acumulan tanto en la rentabilidad como en la experiencia del cliente. En la industria de las telecomunicaciones, el servicio al cliente consume muchos costos. La integración de AI con IVR (respuesta de voz interactiva) elimina casi instantáneamente el costo de estas operaciones y conduce a decisiones más rápidas que se toman para abordar los problemas de los clientes.
Las empresas de energía y los servicios públicos, según el 51% de los encuestados de ese sector, utilizan IA para monitorear el estado de sus redes. El monitoreo y el diagnóstico también son un enfoque natural de IA para las organizaciones en la industria del cuidado de la salud, y el 42% de los encuestados de estas organizaciones buscan tales usos. Según Tas de Philips, la IA ha cambiado por completo la forma en que la industria diagnostica el cáncer, y sus capacidades ahora se extienden más allá, para seleccionar tratamientos: una vez diagnosticados, los algoritmos de IA ahora nos ayudan a seleccionar la terapia adecuada. Eso es complejo porque las opciones podrían incluir cirugía, ablación, quimioterapia, inmunoterapia o radiación, o una combinación de estos. Seleccionar las terapias y vías correctas se está convirtiendo en un ejercicio impulsado por la inteligencia artificial.
Los retos de escalar
Los ejecutivos entrevistados para este informe dejan claro que escalar los casos de uso de IA está resultando difícil. Las limitaciones tecnológicas existentes pueden dificultar una adopción más amplia, sugiere Hanrahan en el caso del análisis de video en tiempo real. Cuando se trata de formas de IA personal, se deben realizar avances en el procesamiento del lenguaje natural antes de que los chatbots, por ejemplo, se vuelvan realmente sofisticados, dice Chhabra.
En algunas industrias, la regulación dificulta la aplicación más amplia de las innovaciones habilitadas por IA. Un ejemplo de ello es la fijación de precios de seguros basada en algoritmos en los Estados Unidos. Según Daniel Schreiber de Lemonade, actualmente esto está permitido solo en un puñado de estados de EE. UU. En los EE. UU., el mercado de seguros más grande del mundo, el entorno regulatorio aún no ha tenido en cuenta estas tecnologías de próxima generación, dice.
La escasez de talento y habilidades relacionadas con la IA es un lamento frecuente de los CIO y CTO, y el 42 % de los encuestados dice que la escasez de científicos de datos internos y expertos relacionados es una limitación importante para el uso de la IA. El déficit se siente profundamente entre los encuestados de la industria manufacturera y tecnológica, citados como una limitación de la IA por el 48 % y el 47 % de ellos, respectivamente.
La dificultad de adaptar los procesos comerciales en torno a los conocimientos de IA se citó como el principal desafío de IA a nivel mundial, seguido de problemas relacionados con la cantidad, la calidad y la disponibilidad de los datos.
Los datos, de hecho, son otra limitación importante, clasificada en segundo lugar después de los problemas de proceso por los encuestados (citados por el 48 % de ellos). Los modelos de IA necesitan datos: cuanto más ingiere un modelo, más preciso es su análisis y más probable es que las decisiones que solicita den en el blanco. Sin embargo, el problema es menor con la disponibilidad general de datos. Solo el 10% de los encuestados dice que luchan con esto. Las dificultades para integrar datos en diferentes formatos, especialmente datos no estructurados, son el mayor problema, según Le Cotonnec. Las aseguradoras deberían comenzar a aprovechar sus datos no estructurados (registros de llamadas, imágenes, correo electrónico), dice, para mejorar la eficiencia del proceso de reclamos o mejorar la experiencia del cliente. Tenemos suficientes datos, pero nuestra capacidad para extraer valor de los datos no estructurados es limitada en este momento. La industria de seguros no está sola: es un problema experimentado por el 57% de las empresas en la encuesta (y por una cantidad considerablemente mayor de servicios profesionales, transporte y organizaciones gubernamentales).
La integración de datos no estructurados, la interfaz con plataformas de datos abiertos y el sesgo en los modelos algorítmicos son los principales desafíos de datos de IA.
Desbloqueo de oportunidades para compartir datos
En junio de 2019, 10 grandes productores farmacéuticos formaron un consorcio con el propósito expreso de compartir datos de investigación de medicamentos que cada uno puede usar para entrenar sus algoritmos de IA. No es la primera vez que las grandes farmacéuticas colaboran en I+D. Pero es la primera instancia en esta industria de colaboración en investigación en la que la IA es tanto facilitadora como beneficiaria. Los miembros del consorcio rastrean los datos de los demás utilizando técnicas de aprendizaje federado, que son una forma descentralizada de aprendizaje automático. Esto permite que los datos que se buscan permanezcan en los servidores de cada empresa en lugar de agruparse en un depósito central. Las empresas pueden salvaguardar lo que consideran propietario, mientras que el uso de blockchain garantiza la trazabilidad total de los datos. El objetivo final: simplificar y acelerar el descubrimiento y desarrollo de fármacos, lo que da como resultado fármacos y tratamientos nuevos y menos costosos que llegan al mercado.
Este ejemplo destaca cómo el uso de la IA, en combinación con otras tecnologías, puede facilitar el intercambio de datos eficiente y seguro entre empresas, y los beneficios que podrían resultar de modelos de IA potentes basados en datos compartidos. Los beneficios podrían tomar la forma de nuevas eficiencias, nuevos productos y servicios, o incluso nuevas cadenas de valor que se formen en torno a acuerdos de intercambio de datos.
A nivel mundial, las industrias de fabricación, productos de consumo y venta minorista, TI y telecomunicaciones muestran el mayor interés en las vías para compartir datos con terceros.
Dos tercios (66 %) de los encuestados expresan su voluntad de compartir sus propios datos para estos fines. Los fabricantes, las empresas minoristas y de bienes de consumo y las empresas de tecnología son los más entusiastas, aunque todos los sectores muestran un alto grado de preparación. ¿Cómo buscan beneficiarse de ello? Los fabricantes ven sus principales ganancias en forma de una mayor velocidad y visibilidad de la cadena de suministro, operaciones de producción más eficientes y un desarrollo de productos más rápido e innovador. Los encuestados de los sectores de bienes de consumo y venta minorista y farmacéutica y de atención de la salud mencionan las mismas ganancias en la cadena de suministro y el desarrollo de productos. Los ejecutivos de TI y telecomunicaciones ven los beneficios principalmente en mejores experiencias de servicio al cliente y una mayor ciberseguridad y prevención del fraude, los mismos beneficios que son lo más importante para los encuestados de la industria financiera.
Compartir datos a través de cadenas de valor y entre diferentes proveedores en un viaje de cliente puede ser un gran beneficio para los consumidores, dice Tony Bates de Genesys. Generamos miles de millones de interacciones alrededor de las cuales podemos construir modelos de datos comunes. Pero también necesitamos otras formas de datos. Existe la necesidad de compartir datos entre las diferentes grandes pilas de tecnología que usamos y administramos. Si podemos hacer esto de forma anónima y segura, nosotros, como industria, podemos asegurarnos de que nuestros clientes obtengan experiencias mucho más personalizadas de lo que están recibiendo ahora.
Los encuestados perciben una mayor visibilidad en las cadenas de suministro y un desarrollo de productos más rápido e innovador como los mayores beneficios del intercambio de datos con terceros.
Para las empresas de negocio a consumidor en particular, el principal obstáculo hasta la fecha ha sido la dificultad de garantizar el anonimato de los datos de sus clientes. Chhabra en Vodafone dice que el anonimato completo ha sido difícil de alcanzar: por mucho que desee anonimizar, los usuarios de datos compartidos pueden encontrar formas de rastrear a los clientes a los que se refieren los datos. Él cree que blockchain y los desarrollos más nuevos como Ocean Protocol, que funciona de manera similar al aprendizaje federado al permitir la búsqueda descentralizada de datos, eventualmente garantizarán que los modelos de IA se puedan ejecutar en datos completamente anónimos.
Crear la capacidad de compartir datos de forma segura es una pieza del rompecabezas. El otro, dice Chhabra, es crear un incentivo para que las empresas sigan adelante y lo compartan. Quienes están detrás de Ocean Protocol, una plataforma sin fines de lucro desarrollada por una fundación con sede en Singapur, ven que su tecnología respalda la formación de mercados de datos en los que las empresas, los consumidores y otras partes comparten o intercambian datos.
Cualquiera que sea la forma de participación de las empresas, deben aprender a valorar los datos que poseen y los datos que necesitan, dice George Bailey, director gerente del Digital Supply Chain Institute, una organización de investigación. Puede significar asignar un precio monetario a diferentes tipos de datos, o identificar qué datos está dispuesto a intercambiar a cambio de los de otras partes. Cita los ejemplos de productores de artículos deportivos que ven un beneficio en obtener datos de empresas que respaldan las aplicaciones de acondicionamiento físico y productores de bienes de consumo duraderos que buscan datos sobre las preferencias y características de los usuarios finales de los minoristas. Bailey también aboga por la valoración y el comercio de datos dentro de las empresas como un medio para superar los silos de datos arraigados.
Se necesita una mayor claridad regulatoria y el desarrollo de estándares industriales acordados antes de que las empresas se embarquen en el intercambio de datos de manera más activa.
De la visión a la realidad
El intercambio de datos a una escala que conduzca a nuevas eficiencias, productos y cadenas de valor habilitados por IA es una visión que debe realizarse en lugar de una realidad actual. Todos los que entrevistamos creen que sucederá, pero que tomará tiempo antes de que se disipen las dudas de la junta directiva y del C-suite sobre los riesgos de seguridad y privacidad de hacerlo. Esa opinión se refleja en la encuesta, donde el 64% de los encuestados dice que la regulación debe cambiar o aclararse, y el 58% que se deben desarrollar estándares de la industria, antes de que sus empresas adopten ampliamente el intercambio de datos.
Las estrictas regulaciones de privacidad de datos, como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea, en vigor desde 2018, comprensiblemente hacen que los ejecutivos se detengan a la luz de las sanciones que podrían enfrentar por no cumplir con sus requisitos. La tecnología Blockchain puede ser parte de la solución, pero Chhabra también destaca lo que se conoce como la paradoja GDPR-blockchain: la primera requiere la capacidad de borrar datos a pedido de un individuo, mientras que la no eliminación (trazabilidad completa) es inherente a la segunda.
Queda por ver cómo se resuelven estos problemas, pero algunas organizaciones abogan por el establecimiento de fideicomisos de datos para facilitar el intercambio. Uno es el Open Data Institute (ODI), una organización sin fines de lucro con sede en el Reino Unido: sostiene que existe un gran apetito entre las empresas del Reino Unido por crear fideicomisos como instituciones independientes para actuar como administradores de los datos que se comparten.
Philips, dice Jeroen Tas, es un gran defensor de la creación de un fideicomiso no comercial para administrar los datos de atención médica y está en conversaciones con la Comisión Europea para apoyar tales iniciativas. Existe un consenso en esta industria que dice: 'Tal vez no deberíamos invertir solo en hospitales tradicionales y otras instalaciones'. Tal vez el futuro de la atención médica sea una infraestructura de datos de salud muy sólida que sea segura.
Para obtener más información, descargue el reporte completo .