Inteligencia artificial: ¿por qué ahora?


Durante los últimos 35 años, la Inteligencia Artificial (IA) ha prometido mucho pero no ha logrado salir del mundo académico. No obstante, ¿qué es exactamente la IA? En realidad, hay cierta confusión acerca de su definición; tomando el punto de vista de Gartner, en el que se evitan términos de marketing como “cognitivo”, IA significa “Innovación Asombrosa”. Fundamentalmente, la IA nos da soluciones que nunca pensamos que serían posibles. Así que este no es un cambio evolutivo, sino decisivo en la medida de lo posible.

Lo que podemos decir es que hay algunas características comunes de las soluciones de IA, en las que:

  • Tienen fases de formación, validación y fases operativas con los datos asociados.
  • La mayoría de las soluciones requieren grandes cantidades de datos para ser realmente útiles.
  • Hay un “bucle de feedback”, lo que significa que los modelos ‘mejoran’ con el tiempo.
  • Existe un grado de imprevisibilidad, en que el sistema aprende mediante la exploración aleatoria del espacio de soluciones.

Alineamiento de dos planetas

En cuanto a las palabras de moda ahora mismo, no estoy seguro de si existe una más importante en los círculos de tecnología. De nuevo, Gartner tiene los conceptos IA y Machine Learning (ML) en lo más alto de su ciclo de sobreexpectación. Como tal, parece ser la solución clásica que busca un problema. Sin embargo, después de 35 años, ¿por qué ahora? La respuesta está en la alineación perfecta de dos planetas que ha sido creada por algunos de los gigantes tecnológicos más grandes de nuestra era.

El negocio principal de Amazon, Google y,en cierta medida, Microsoft requirieron la construcción de un centro de operaciones de datos a gran escala. Estos incluyen sedes en todo el mundo y una infraestructura de red dedicada a vincularlos juntos en una forma de tolerancia de errores masiva, y una baja latencia necesaria para apoyar sus negocios principales, ya se trate de búsqueda, comercialización o AdWords. Una vez construida esta infraestructura se ha podido diversificar su negocio monetizando esta inversión, ofreciendo estos servicios a terceros. Para nosotros, parte de esta tecnología parece mágica, ya que después de 15 años de innovación interna se han lanzado de una vez, resolviendo problemas que pensábamos que no tenían solución.

El planeta de los datos

La IA, en su forma nativa, requiere grandes cantidades de datos para ser útil. Las ofertas en la nube disponibles ahora nos permiten almacenar y manipular petabytes de datos a una fracción del coste de una solución ‘on-premise’. Otro problema con el almacenamiento de datos es la necesidad de tenerlos disponibles, en el lugar correcto y en el momento adecuado, por lo que cualquier modelo tiene la oportunidad de ver la situación completa. Los principales proveedores de la nube están compitiendo para proporcionar este tipo de disponibilidad de datos (por ejemplo, Google Big Data, Google Cloud Spanner y Microsoft Cosmos) ya que buscan la cuota de mercado.

El planeta de la computación

Como hemos comentado, los modelos de IA requieren un conjunto de datos para entrenar el modelo y, a continuación, datos operativos a partir de los cuales generar inteligencia (por ejemplo, predicciones o diagnósticos). Los recursos computacionales para formar los modelos pueden ser significativos y con una computación económica disponible en la nube. Una vez más, la nube es facilitadora de AI.. En la nube, no sólo están disponibles unidades centrales de procesamiento (CPUs), sino también unidades de procesamiento gráfico (GPU) y unidades de procesamiento de tensores (TPU). El funcionamiento de los modelos a menudo necesita fuertes requisitos no funcionales, lo que significa que la capacidad de paralelizar y escalar rápidamente es crítica.

Hora de aceptar la nube

Se habla mucho en la prensa acerca de cómo la llegada de la IA va a reemplazar a los humanos en sus puestos de trabajo con un conjunto de máquinas vigiladas por un pequeño grupo de expertos. Sin embargo, aunque habrá cambios, no parece que sea probable este futuro. Es análogo al gurú que recientemente vaticinó que la IA daría lugar a la desaparición de Alpha, de la misma forma que terminaría con un mercado perfectamente eficiente. Ambas predicciones se basan en el hecho de que los residuos habituales y las imperfecciones en el proceso son eliminados de forma mágica. Es muy probable que en lugar de ser reemplazados por la IA o terminar como curadores del modelo, los empleados estarán más capacitados y la IA será tratada como una herramienta de productividad. Habrá más inteligencia y estará disponible de forma más rápida, lo que nos permitirá tomar mejores decisiones, especialmente en un mundo de mercados inestables donde la creatividad, la empatía y otras emociones suponen fuertes factores de influencia.

El otro punto de vista interesante es el papel de los reguladores. Hoy en día, la IA se utiliza para identificar estrategias comerciales que luego se integran en reglas estándares a ejecutar. Estas estrategias no pueden ser puestas en marcha por una red neuronal debido a la imprevisibilidad inherente a esos sistemas. Al igual que con otras tecnologías disruptivas (por ejemplo, Blockchain y la nube), los reguladores se tomarán tiempo antes de opinar sobre lo que es aceptable.

Esta es la razón por la que vemos casos de uso muy prometedores que están surgiendo en las zonas donde los reguladores no se preocupan demasiado acerca de ciertos métodos, como la digitalización operativa, ”know Your customer” (KYC), la lucha contra el blanqueo de capitales (AML) y el fraude.

La llegada de la ingeniería de datos y sistemas de computación económicos a la nube es lo que ahora hace posible la IA. Ya se trate de reducción de costes, un conocimiento de los negocios nuevo o más rápido, o proporcionar un mejor servicio al cliente, este es un momento crucial para que las compañías de servicios financieros adopten esta tecnología innovadora.