fbpixel

Por: Walter Montes

|

21 Junio, 2017

El 2016 fue un año diferente para el ecosistema tecnológico de la región hispanohablante en América, ya que Cognitiva, la compañía encargada de enseñarle español a la plataforma de inteligencia artificial (IA) y líder en computación cognitiva, IBM Watson, iniciaba a dar pasos agigantados en la región. Tras un acuerdo entre IBM, Grupo Pellas y GBM, nace esta idea para mejorar la calidad de vida de las personas en Latinoamérica a través de tecnología de punta, principalmente

con tecnología de computación cognitiva.

Esta tecnología, que ya era conocida a nivel mundial, llevaba poco de ser explorada en dicha región. Sin embargo, cada vez se posicionaba más en Estados Unidos, Europa y Asia. Desde el 2011, el nombre Watson sonaba con mayor frecuencia en las revistas tecnológicas más importantes del mundo por su alto impacto en las industrias, no obstante, Latinoamérica aún no trabajaba en la iniciativa de traer esta tecnología con fuerza.

Costa Rica alberga la casa matriz de esta aventura empresarial sin precedentes en Latinoamérica, y con la apertura casi simultánea de cinco oficinas en la región hace cerca de año y medio, da inicio lo que denominamos la #EraCognitiva. Además de Costa Rica, donde se tiene presencia local para atender Centroamérica y Caribe y se ubica la oficina central, México, Colombia, Chile y Argentina iniciaron sus operaciones para cubrir un total de 23 países.

Por medio de dos iniciativas principales, Cognitiva empieza a hacer eco de esta tecnología y sus capacidades en clientes finales, con una visión de consultoría en transformación digital y la habilitación de empresas externas como vendedores independientes de software e integradores, construyendo lo que en un inicio se llamó el Ecosistema de Socios.

La visión de Cognitiva es clara: mejorar la calidad de vida de las personas al cambiar la forma en que se toman decisiones en Latinoamérica. Una visión ambiciosa, al igual que la tecnología que se tiene entre manos y el capital humano que brinda nuestra región para alcanzarlo.

Una transformación digital no se basa solamente en la tecnología, pues ésta es solo un impulsador; el verdadero cambio radica en las personas, estructuras, organizaciones y modelos existentes. Cognitiva impulsa este cambio a través de su conocimiento experto en negocios y verticales de industrias, sumado al músculo tecnológico llamado IBM Watson.

¿Por qué la inteligencia artificial es tan revolucionaria?

La IA consiste en la automatización de tareas específicas de una manera más sofisticada y elaborada de lo que lo hace el software tradicional, usualmente basado en muchos datos. Incluso puede utilizarse para crear sistemas que aprenden y toman decisiones basados en ese aprendizaje. Esto es lo que algunas veces se le llama machine learning o aprendizaje máquina. Por su parte, el software tradicional se basa en reglas; un “programa” define lo que se debe hacer y esto es usualmente lo que las empresas crean.

Por ejemplo: si lo que queremos es sumar, creamos una calculadora por programación con su respectiva lógica. Luego brindamos a la computadora una entrada de “2+2” y la computadora ejecutará ese programa con esa entrada para retornar el resultado de “4”.

Pero en la computación que aprende, primero se define lo que se desea hacer y se le brinda a la computadora entradas con sus respectivos resultados, sin indicar explícitamente cómo llegar de la entrada al resultado. Así la computadora nos retornará un programa que indica estadísticamente la manera de llegar de esa entrada a ese resultado.

Claro que existen técnicas más complejas y avanzadas, como Deep Learning o Aprendizaje Profundo, que toman este concepto y lo llevan más allá. Imaginemos que queremos un sistema que pueda diferenciar entre fotos de perros y gatos. Le ingresamos a la computadora entradas de fotos de gatos y perros, y etiquetamos cada fotografía indicando cuál es cuál, sin especificar detalles visuales. La computadora generará un programa que se basa en ese entrenamiento para tratar de diferenciar entre gatos y perros.

Entonces el programa resultante, al recibir una foto nueva (es decir, que no haya sido ingresada antes) podrá decidir si es un gato o un perro. Luego podemos tomar ese programa resultante y utilizarlo como se hizo en el ejemplo de la calculadora; se ingresa a la computadora junto con la entrada para recibir un resultado.

La computación cognitiva es más compleja que solo el aprendizaje de máquina. Pues además de esta técnica, incluye otras para emular el modo en el que los seres humanos procesamos información. La parte cognitiva se deriva de las capacidades de cognición de los seres humanos. Una certera definición de la cognición es interpretar información a través de los sentidos y el aprendizaje. Es decir, no se trata de procesar números como sí lo hacen las computadoras, sino de buscar entender información que los humanos interpretamos, como texto, fotografías y audio. Esta información es sumamente compleja, abstracta, ambigua y depende del contexto en el que existe.

Para nosotros los humanos es fácil interpretarla porque desde que nacemos somos bombardeados con millones de entradas e incontables horas de entrenamiento (básicamente big data). Además, nuestro cerebro tiene la estructura y los medios para comprender e interpretar esa información.

Resulta que la información no estructurada (o información oscura como se le denomina a la información que Watson entiende) reina en nuestros ecosistemas empresariales. Los libros, PDFs, reportes, historiales de conversación con clientes, comentarios y calificaciones en redes sociales, fotografías publicadas en perfiles personales, llamadas, entre mucho más, residen en nuestras bases de datos. Sin embargo, hasta cierto punto es ignorada por los sistemas de computación tradicionales. Interpretar contenido es el siguiente paso en la búsqueda de la humanidad hacia la automatización de tareas, pues permite tener sistemas más inteligentes y resultados sin precedentes.

El ser humano ha buscado esto por diversos motivos:
  1.  Algunos argumentan que es la evolución natural de la computación.
  2. Existe la necesidad de resolver problemas cada vez más complejos, como interpretar el mundo externo y no solo el digital.
  3. Aparece un incremento exponencial en la información que generamos los humanos y los sistemas por la accesibilidad al Internet, redes sociales y sensores en todas partes.
  4. Al tomar decisiones, los humanos tenemos sesgos cognitivos que dejan un gran espacio para mejoras y así poder tomar las decisiones más óptimas.

Watson entiende, razona y aprende, apalancándose en información oscura. Esto significa que puede interpretar y entender información oculta a otros sistemas, tomar decisiones con base en su razonamiento sobre esa información, y aprender para mejorar constantemente de los expertos humanos en esa área.

La accesibilidad a la inteligencia artificial

Para una empresa la posibilidad de tener acceso a una nueva tecnología muchas veces se ve truncada por dos principales problemas que derivan de la falta de recursos económicos:

  1. El poder computacional.
  2. El acceso al conocimiento, tiempo o esfuerzo para obtenerlo.

¿Qué sucede cuando una empresa no puede superar estos retos? Se queda rezagada. Simplemente pierde una potencial ventaja competitiva sobre las empresas que sí lo logran.

Es aún más complicado cuando se trata de una industria altamente competitiva, como la industria de servicios financieros, donde un banco hoy lanza un servicio con términos especiales y, en menos de un mes, los demás deberán igualar o mejorar esa oferta. De igual manera pasa con la tecnología, las industrias deben estar al tanto de lo que sus clientes exigen y sus competidores ofrecen para mantenerse relevantes.

Los sitios web, las aplicaciones móviles, los perfiles y el manejo de redes sociales son ejemplos claros de esto. Para muchos consumidores un negocio no existe o no es formal si no aparece en Google, no tiene perfil social en Facebook o su sitio web no se puede visualizar desde su celular, o en todo caso, tome más de cinco segundos en cargar.

Watson, la democratización de la IA y la computación Cognitiva

La manera en que esta tecnología se puede democratizar y llegar a manos de cada vez más personas, es a través de la explosión de la utilización de la nube y la exposición de la IA como un servicio arrendado, como los denominados APIs. Los APIs encapsulan la dificultad que estas tecnologías requieren para funcionar tras bambalinas y le permite a la empresa que requiere estas funcionalidades trabajar con ellas en lugar de tener que crearlas.

De esta forma la empresa podrá entrenar las APIs en su industria y su negocio, y aprovechar su información “oscura” para automatizar múltiples tareas complejas y resolver problemas que antes eran imposibles de abordar. Estas tecnologías no reemplazan las existentes, sino que las complementan y mejoran.

Lo anterior permite trazar el camino al éxito de manera más clara de lo que sería si se tuviese que iniciar desde cero, en un escenario donde tardar seis meses en actualizarse significa correr el riesgo de perder relevancia.

La reacción de Latinoamérica a una tecnología tan innovadora

Cuando una tecnología como esta ingresa al mercado y está disponible para las empresas, su implementación usualmente está sujeta a dos principales razones:

  1. Sus competidores la utilizan y por ello la empresa debe lograr igualar sus ofertas o servicios. Esto es muy común en mercados de productos básicos o con tendencias a serlo.
  2. La empresa logra visualizar la tecnología como un diferenciador competitivo y desean probarla, incorporarla y adoptarla, si se adapta a su negocio.
La importancia de conocer la reacción de nuestros iguales en la región radica en entender si esta tecnología es para mi negocio, y en aclarar la mayor cantidad de dudas que otros han tenido durante su ruta hacia la Era Cognitiva.

La tecnología tiende a pasar por diversas etapas o capas de evolución que usualmente se ven de esta manera:

En este momento, Watson está listo para la etapa de producción en masa, evolucionando a través de cada etapa de maduración. Sin embargo, en la cronología de adopción de parte de clientes en Latinoamérica, aún se está en la etapa de early adopters, moviéndose hacia una adopción de la mayoría tardía.

En este período de adopción temprana de la tecnología, nos hemos encontrado reacciones sumamente variadas a nivel individual y a nivel corporativo (empresas y startups). Como siempre en este tipo de casos, para poder exponer la reacción general, las personas se deben clasificar en grupos, corriendo riesgo de generalizar.

• Innovadores: comienzan a utilizar la tecnología aún cuando no está en el estado en que la mayoría la consideraría lista. En Latinoamérica hemos encontrado pocas compañías dispuestas a comenzar, esto por la dificultad de iniciar con IBM Watson antes de que Cognitiva liderara la región. Sus inversiones son más altas que la mayoría, pero su potencial beneficio también lo es.

•Early adopters: buscan la manera de conocer más para incluirlo a su día a día de alguna manera. Se encuentran con buenas y malas prácticas resultantes de la interacción que tuvieron los innovadores con la tecnología. Se deben mentalizar para adaptarse constantemente, ya que la tecnología en esta etapa tiende a evolucionar rápidamente y para mantener esa ventaja competitiva las empresas deben hacerlo también.

•Mayoría temprana: decide adoptar la tecnología cuando está mucho más madura y probablemente ya algún competidor lideró la adopción de la tecnología.

•Mayoría tardía: (también llamado mainstream) adoptan cuando se está claro su uso y sus beneficios, así como su camino de adopción. Usualmente no reciben los grandes beneficios de tomar el riesgo e innovar tempranamente.

•Rezagados: adoptan la tecnología después de que ya la mayoría tardía lo hizo (difícilmente alguien no adopte una tecnología como IA y computación cognitiva). Las recompensas que puede obtener son muy bajas pero el camino de implementación tal vez sea más rápido por las lecciones aprendidas de los que la adoptaron anteriormente.

Muchas de estas reacciones se derivan de motivaciones y preocupaciones comunes. A continuación, se describen algunos mitos y dudas que permitirán dibujar un panorama más simplificado de la reacción que ha provocado la computación cognitiva en la región:

MITO: Muchas personas se quedarían sin trabajo

Este pensamiento refleja un temor por desconocimiento del estado de la tecnología y su actual alcance. Efectivamente algunos puestos de trabajo serán automatizados por tecnologías como la computación cognitiva, igual que ha ocurrido en cada revolución industrial, pues muchas tareas “básicas” pasarán a ser realizadas por robots, computadores y máquinas. Sin embargo, también al igual que en cada revolución industrial, se crearán nuevos puestos de trabajo, algunos aún inimaginables. Esto permitirá aprovechar el potencial humano en tareas de mayor valor agregado donde sus habilidades podrán generan un mayor impacto.

Un claro ejemplo de esto son los chatbots o asistentes virtuales cognitivos, los cuales comprenden lenguaje natural; es decir, reciben una pregunta en texto y brindan una respuesta inteligente. Una parte de un centro de servicio puede ser automatizado, sin embargo, esta misma tecnología puede asesorar a las personas que atienden un segundo nivel de servicio para que atiendan casos complejos que la tecnología no logra resolver en este momento.

MITO: La IA no requiere de mucho trabajo

Contrario a lo que muchas personas creen, el desarrollo de proyectos de IA sí requiere de una fuerte labor humana. Pues al igual que cuando se crea un software, es necesario llevar a cabo procesos de planificación, diseño, desarrollo, mejoras, puesta en producción y pruebas. No se trata solo de “alimentarlo” con mis datos para que me “responda” X o Y pregunta. Pues, aunque sus características logran resultados sorprendentemente exponenciales, igualmente debe ser orientado hacia las metas del negocio y ser entrenado con la información relevante para su ejercicio.

Volvemos al ejemplo de los asistentes virtuales cognitivos. Para que Watson comprenda las diferentes maneras complejas en las que una persona puede hacer una misma pregunta, se le debe alimentar con contenido de ejemplo sobre cómo las personas se refieren a un tema específico. Un proyecto de este tipo podría incluir las siguientes etapas:
  1. Identificar el alcance: qué deseamos que haga la solución. Acotar es importante pues, como todo software moderno, es ideal iniciar en un modelo iterativo de mejora continua.
  2. Identificar dominios de conocimiento: un dominio de conocimiento es ese tema que queremos enseñarle a Watson. Esto nos brinda una guía sobre adónde debemos buscar la información necesaria y cómo probar y aceptar un resultado inicial.
  3. Definir el alcance de ese dominio de conocimiento.
  4. Obtener el contenido: un ejemplo de esto son los históricos de chat, donde cientos de personas consultan diariamente sobre los mismos temas, sin embargo, las formas en que plantean sus consultas son muy distintas. Por ejemplo, “necesito renovar mi tarjeta de crédito” se puede interpretar igual que “mi cuenta está por vencer pronto”, a pesar de ser distintas formas de expresarse. Un ser humano lo interpretaría sin problema; si Watson se entrena correctamente también lo haría.
  5. Curar el contenido: una vez que se obtiene el contenido que se requiere para enseñarle a Watson, se debe estructurar. El aprendizaje de este tipo de sistema sigue una lógica como la de enseñanza que tenemos los humanos. Un experto en el tema y con capacidades de enseñanza, debe organizar y estructurar los contenidos de un curso para presentarlos en orden lógico a sus estudiantes. En estos proyectos existe una persona llamada “Subject Matter Expert”, que asume este papel en el proyecto. La diferencia es que presentar esta información a Watson y que la comprenda no toma años, toma minutos. Por ello enfatiza mucho en preparar y curar el contenido minuciosamente.
  6. Preparar el contenido y entrenar: una vez que se cuenta con el contenido necesario, éste debe estar en el formato adecuado para entrenar a Watson.
  7. Finalmente: otras tareas como crear el software, integrar a Watson al software que utilizará a estas capacidades, probar y reentrenar.
El anterior ejemplo permite apreciar cómo el humano y su conocimiento siempre juega un papel clave en un proyecto de este tipo, que además requiere de una labor profesional.

MITO: Quiero ver casos de aplicaciones reales donde se haya generado diferenciación, reducción de costos o incremento de ganancias

Ésta es una reacción natural y válida de un empresario que desea entender si esto es real o solamente parte de una estrategia de mercadeo. Referenciar casos de uso de una tecnología es un buen potenciador para entender lo que se puede lograr en un negocio con esta tecnología. Sin embargo, en algunos casos sesga y se convierte en un generador de confusión que puede limitar la creatividad e imaginación.

En todo el mundo existen aplicaciones de Watson. Estos son algunos casos de uso reales a nivel local y global. La mayoría de los casos en Centroamérica aún están en maduración y serán públicos pronto.

MITO: La computación cognitiva o IA reemplaza las tecnologías actuales

La computación cognitiva se trata en gran parte de interpretar contenido, por lo que no necesariamente funciona bien con datos estructurados, como transacciones y bases de datos tradicionales. Se apalanca en información no estructurada y los negocios pueden aprovechar las perspectivas que obtienen de modelos expertos en datos estructurados, como Business Intelligence y mezclarlas de diferentes maneras con el entendimiento que provee un sistema como Watson.

Se debe aprovechar la tecnología que ya existe, por ejemplo, sistemas CRM, ERP o CMS y plataformas como Internet de las Cosas (IoT por sus siglas en inglés), Inteligencia de Negocios y Big Data, para generar soluciones que resuelvan grandes problemas de negocio. Una solución de computación cognitiva no existe por sí sola, sino que se debe adaptar a los ecosistemas tecnológicos para añadir valor donde antes no se aprovechaba información.

MITO: Generar un cambio a lo interno de la compañía es muy difícil

Implementar tecnologías como la computación cognitiva implica cambiar mentalidades en personas y departamentos, así como obtener patrocinadores a lo interno de la organización. Contar con un champion interno que apoye, potencie e impulse tecnologías disruptivas, ayuda a adoptar de manera acelerada este cambio. Algunas veces se le llama intrapreneur, gerente de innovación o encargado de nuevas tecnologías. Realmente el nombre no importa; importa el poder de generar cambio en una organización obteniendo el soporte de los ejecutivos.

Muchos de los cambios que se han ido implementando en negocios tradicionales (tales como modelos de Lean Thinking) buscan maneras de posicionar estas tecnologías en negocios que generalmente encuentran complejo moverse de manera acelerada. En algunos casos, se crean equipos multidisciplinarios que se dedican a impulsar proyectos alineados a la estrategia corporativa con representantes de cada área requerida, ya sean representantes de mercadeo, áreas de negocio, tecnología y cualquier otro departamento relevante.

Se enfocan en tener 100 usuarios que los amen y a través del “boca a boca” enamoren a otros 100 usuarios cada uno, en lugar de enfocarse en 1.000.000 de usuarios a quienes tan solo les agrade la solución. Por esto estamos viendo muchas fintechs tomando gran parte del pastel que antes los servicios financieros tomaban por sentado.

Enfocarse en lo que los clientes realmente quieren y lo que verdaderamente les importa, además permite priorizar sobre lo que se debe crear primero para evitar crear algo que nunca se use. Como bien dijo el filósofo de la administración, Peter Drucker, “no hay nada tan inútil como hacer eficientemente lo que no se debe hacer en absoluto”.

Una revolución de este tipo no se trata solo de la tecnología, por ello Cognitiva no desarrolla proyectos de tecnología sino de transformación digital, donde la tecnología es un componente puntual guiado por una estrategia de negocio.
 
MITO: Pensar en su implementación como si fuera una tecnología más

Difícilmente la computación cognitiva puede ser tratada como una capa arquitectural más, ya que no es como una base de datos o un producto de seguridad que tiene su uso específico y posición claramente definida. Esta tecnología se mueve en función del negocio y su capacidad de identificar su uso y potenciales beneficios. Un ejemplo claro es cuando la adopción de una tecnología se basa solo en la decisión del departamento de tecnología, sin primero identificar el beneficio de negocio que la impulsa.

A nivel tecnológico, como muchas arquitecturas basadas en componentes, representa un “bloque” más que se puede utilizar según cada necesidad. En algunos casos atiende clientes y mejora la experiencia, en otros casos interpreta la información en las bases de datos y genera insumos para inteligencia de negocios, y en otros casos apoya un back office en sus gestiones diarias.

MITO: Los clientes no se adaptarán a los nuevos escenarios que crea la IA

La adopción de tecnologías nunca antes vistas es cada vez más rápida. Los teléfonos inteligentes tomaron menos de dos años para llegar a ser mainstream. Los costos tecnológicos bajan, los usos se vuelven más claros y los clientes los demandan cada vez más. Si una solución tecnológica genera valor y brinda la experiencia prometida a los clientes, estos tardarán poco en adaptarse.

El diseño de una experiencia al usuario es clave en estos proyectos. Comprender las necesidades reales de los usuarios, así como sus motivadores y dolores, guían un proyecto a buen puerto. Por esto muchas veces se dice que las empresas deben pensar más como startup, pues atacan esas necesidades ignoradas. No solo brindan un servicio, sino que enamoran a sus usuarios. Les mantienen cerca durante todo el proceso de diseño y se guían, no por lo que ellos creen que es mejor, sino por lo que los usuarios muestran que es más adecuado para ellos.

Se enfocan en tener 100 usuarios que los amen y a través del “boca a boca” enamoren a otros 100 usuarios cada uno, en lugar de enfocarse en 1.000.000 de usuarios a quienes tan solo les agrade la solución. Por esto estamos viendo muchas fintechs tomando gran parte del pastel que antes los servicios financieros tomaban por sentado.

Enfocarse en lo que los clientes realmente quieren y lo que verdaderamente les importa, además permite priorizar sobre lo que se debe crear primero para evitar crear algo que nunca se use. Como bien dijo el filósofo de la administración, Peter Drucker, “no hay nada tan inútil como hacer eficientemente lo que no se debe hacer en absoluto”.

Una revolución de este tipo no se trata solo de la tecnología, por ello Cognitiva no desarrolla proyectos de tecnología sino de transformación digital, donde la tecnología es un componente puntual guiado por una estrategia de negocio.

¿Cómo se verá Latinoamérica en los siguientes tres años cuando se establezca esta tecnología?

La IA está evolucionando, pero no lo hace por sí sola. Depende de jugadores clave, como IBM que la impulsan, sin embargo, los creadores no son los únicos que guían este camino. Las empresas que utilizan esta tecnología juegan un papel indispensable en su evolución, llevando la tecnología a sus negocios y determinando usos reales y rentables en sus industrias; así guían a los creadores a servir con la tecnología que el mundo real requiere.

Los negocios en la región han venido cambiando a una velocidad acelerada durante los últimos diez años. La alta demanda de experiencias superiores y la accesibilidad a esta tecnología, más el camino trazado por los innovadores y los early adopters, permitirá a las empresas y startups que actualmente no existen, aplicar estas tecnologías en usos que ni los mismos creadores se plantearon inicialmente.

Los negocios tradicionales deberán enfocarse hacia la transformación digital real, no se trata de “digitalizar” su modelo actual, no es solamente tomar el servicio que se brinda en un local y trasladarlo a la web y los móviles. Mucho menos de comprar componentes solo por ser nuevos.

La transformación digital se trata de crear las organizaciones del futuro, cambiar los modelos en cómo se realizan planeamientos estratégicos y enfocarse en una visión común. Implica realizar cambios que impacten desde los organigramas hasta los valores de una compañía. Cuando se promueve una cultura de innovación, se debe estar preparado para fallar constantemente en busca de lo que otros no han podido encontrar. Si una compañía castiga el tomar riesgos y favorece el mantenimiento del statu quo, tendrá problemas al enfrentar a sus competidores que sí buscaban una verdadera ventaja competitiva, aquellos a quienes les subestimaron su capacidad de innovar.

Los aprendizajes de la innovación permitirán que una compañía siga vigente en tres, cinco y diez años. Así un negocio identifique inmediatamente un uso extensivo aplicado de la IA, nunca debe perder la pista de cómo evolucionan las cosas y mucho menos atreverse a experimentar y explorar cómo esta tecnología podría revolucionar su
industria.

Edición #69

Business transformation Edicion #69

Contenido

 

  • 25 años de cumplirle a los clientes
  • 2017 objetivos claros en gestión social y ambiental
  • Gestión empresarial más eficiente y económica
  • Transformación digital
  •  Liderazgo digital
  • 5 innovaciones que transformarán nuestras vidas en 5 años
  • Reacción a la iniciativa de inteligencia artificial
  • En busca del “da Vinci Digital”
  • Diseñando experiencias de usuario
  • APIs la nueva economía digital de consumo
  • Evite ser una víctima más
  • Noticias falsas y confianza digital
  • Gestión de activos empresariales usando analítica
  • Lenovo reafirma su liderazgo
  • Meraki, tecnología que simplemente funciona
  • La experiencia de implementar ITIL