Inteligencia artificial: el reto de convertir los datos en valor tangible

Desde sistemas para encontrar exoplanetas, a algoritmos para hacer más eficiente el despliegue de redes, pasando por herramientas de traducción simultánea o asistentes virtuales que recomiendan contenido. Son algunos ejemplos de las aplicaciones casi infinitas que pone a disposición de las organizaciones la inteligencia artificial y algunas de las que tanto Google como Telefónica están explorando a través del uso de técnicas de aprendizaje automático (‘machine learning’).

A pesar de los avances ya logrados en distintos campos, el gran reto ahora para las empresas está en conseguir que las aplicaciones de la inteligencia artificial se conviertan en “valor tangible” para las organizaciones, las personas y la sociedad en general. Así lo recordó Ricardo Martín Manjón, responsable global de Data en BBVA, durante la charla que mantuvo en el evento Open Summit con Carlos Riquelme, científico investigador en inteligencia artificial en Google Research, y Elena Gil, directora global de Big Data B2B en Telefónica y CEO de LUCA.

Martín Manjón preguntó a ambos expertos por su visión del grado de avance actual de los proyectos de inteligencia artificial en las empresas y sobre qué pueden hacer las compañías para dar el paso de la realización de experimentos en entornos controlados “a generar valor a escala”. Según Elena Gil, de Telefónica, el panorama ha mejorado mucho en los últimos años, y ahora estas tecnologías son realmente una prioridad para la alta dirección de las compañías. “El dato, y la inteligencia artificial, está en el corazón de la transformación digital de Telefónica, como creo que tiene que estar en casi todas las empresas”, aseguró.

En este sentido, la responsable de Telefónica coincidió en que el gran desafío para las empresas es lograr escala. “Y para ello es necesario llevar a cabo en las empresas una estrategia muy estructurada, en la que se defina desde el principio el acceso al dato, la ingesta del dato y el modelo de gobierno del dato en la organización”, explicó.

"De cara a los próximos años, el foco de la inteligencia artificial estará en resolver los desafíos regulatorios y éticos"

El segundo factor que realmente ayuda a las empresas es el talento y la transformación cultural. “Por un lado, es muy importante tener acceso a equipos especializados que a veces no son demasiado grandes, dado que se trata de perfiles escasos”, explicó. Además, no solo es necesario contar con un equipo único dedicado a estas tecnologías, “sino transformar también al resto de la empresa” porque va a tener que tomar decisiones relacionadas con múltiples áreas de negocio. “Las empresas deben acometer grandes cambios estructurales, porque si no, no van a pasar de la exploración anecdótica”, añadió Gil.

Por su parte, Carlos Riquelme recordó que compartir el conocimiento dentro de la propia organización es otro de los grandes retos para lograr que la colaboración funcione entre las distintas áreas de la empresa encargadas del desarrollo de la inteligencia artificial. “Somos unos 100.000 empleados en Google y es un reto difícil, intentamos dar charlas semanales, clases internas y llevar a cabo otras iniciativas para compartir lo que estamos haciendo”. El investigador explicó que cada ingeniero puede dedicar un 20% de su tiempo a proyectos libres que le interesan, lo que también “ayuda a fomentar la colaboración” en el desarrollo de los proyectos.

De cara al futuro, una IA más ética y transparente

Martín Manjón preguntó a ambos ponentes por su opinión sobre en qué ámbitos se producirá un mayor avance gracias a la inteligencia artificial en los próximos años. Elena Gil, de Telefónica, destacó las aplicaciones en el ámbito de la medicina, donde aseguró que va a dar lugar a casos de uso y mejoras que aún “ni imaginamos”. La directiva añadió que de cara a los próximos años, el foco de la inteligencia artificial estará centrado en gran parte en resolver los desafíos regulatorios. “El gran reto es, como sociedad, crear un marco ético y regulatorio que realmente permita que la inteligencia artificial se desarrolle todo lo que pueda, pero sobre todo de manera positiva”, recordó.

Por su parte, Riquelme coincidió en que en los próximos años será necesario avanzar mucho a nivel legislativo y ético. También añadió que una de las ramas que mayor crecimiento tendrá será la llamada inteligencia artificial explicable, capaz de ayudar a los investigadores a entender en qué se basan las decisiones que toman los modelos de aprendizaje automático.

Para ilustrar este problema, Riquelme se refirió a una de las líneas de investigación de Google en el ámbito de la medicina para mejorar el diagnóstico de la retinopatía diabética, una enfermedad que puede provocar la pérdida de visión si no se detecta a tiempo. El experto explicó que Google ha desarrollado un algoritmo capaz de predecir si el paciente tiene la enfermedad mediante el análisis de una imagen de la retina. “Rápidamente llegamos a la misma precisión que tienen los expertos en esta enfermedad”, añadió.

No obstante, a través de esta línea de investigación, los científicos también hicieron un descubrimiento inesperado: el algoritmo que habían desarrollado era capaz de identificar el género del paciente a partir de la imagen de la retina, algo que hasta ahora no se sabía que era posible. “Esto es un reflejo de hasta qué punto con el aprendizaje automático vamos a descubrir cosas que no sabíamos”, apuntó Riquelme. Al mismo tiempo, este ejemplo ilustra el reto de las ‘cajas negras’ que plantea el uso de estos modelos, ya que los científicos no pueden saber exactamente en qué se ha basado el algoritmo para determinar el género de la persona a partir de la imagen. “Si en el futuro queremos que las máquinas trabajen con los humanos, los humanos tienen que poder creer en las máquinas, confiar en ellas". Y para lograrlo, explicó, los humanos deben ser capaces de interpretar los resultados que ofrecen hasta los algoritmos más complejos.