En la entrega pasada comentamos algunas aplicaciones de la inteligencia artificial en los negocios y, en especial, en la mercadotecnia. El desarrollo de aplicaciones de inteligencia artificial ha cambiado, por ejemplo, la manera de proporcionar el servicio posventa. Las compañías ahora comúnmente utilizan robots basados en algoritmos de inteligencia artificial para interactuar con clientes y consumidores.
Además de ser una práctica común, la interacción con el robot elimina el tradicional puesto de trabajo de un agente de servicio al cliente. Del mismo modo, los sistemas recomendadores, que son aquellos que nos sugieren la siguiente canción a escuchar, la siguiente película a ver, o un artículo a considerar en nuestra compra en las tiendas en línea basados en nuestros comportamientos de compra pasados, son práctica común.
Estos sistemas recomendadores entregan valor a los consumidores al ofrecerles productos y servicios adicionales y ayudan a las empresas a capturar valor al desarrollar el canal de ventas. Ejemplos más sofisticados de la inteligencia artificial se refieren a la conducción autónoma. Muchos automóviles cuentan con funciones básicas que ayudan al conductor a tomar decisiones de manejo. La cámara posterior, el frenado diferencial por cada llanta, o el control por voz de las funciones del automóvil son algunos atributos de producto que entregan valor al cliente.
Para terminar con esta serie de ejemplos, es posible comentar el caso de los robots escritores, que ya son utilizados por casas editoras para escribir artículos sencillos como, por ejemplo, los relacionados con el clima. Dado que los datos climatológicos se encuentran sistemáticamente almacenados en bases de datos es relativamente fácil extraerlos y que un agente de inteligencia artificial pueda ligarlos con un texto que es completamente inteligible.
Los ejemplos anteriores muestran claramente el valor que la inteligencia artificial entrega al cliente. Sin embargo, hay algunas limitaciones que es necesario valorar. Por ejemplo, aunque los robots “aprenden” a escribir artículos que un humano puede comprender, el robot no puede hacer sentido de ellos, no comprende lo que está escribiendo.
El robot que ayuda a la conducción autónoma no sabe qué es un peatón a menos que se le “entrene” adecuadamente. El robot tiene que ser entrenado por medio de datos. Si consideramos el problema donde un robot pueda diferenciar entre un perro y un gato, es necesario mostrarle muchísimas fotos de perros y gatos adecuadamente identificadas para que el algoritmo “aprenda”.
La base de la efectividad de los algoritmos de inteligencia artificial está en la calidad de los datos con los que se “entrena”. Si la foto de un perro está etiquetada incorrectamente como gato, el robot repetirá este error con algunas fotos. De la misma manera, si el asistente de conducción es entrenado de forma errónea, es posible que no pueda identificar claramente a un peatón, con el riesgo de que ocurra un accidente fatal.
Entrenar un algoritmo con una efectividad mayor de 95% implica costos muy elevados que pueden llegar a los millones de dólares. Es necesario que una cantidad muy grande de personas etiqueten adecuadamente los datos de entrenamiento del algoritmo.
Posteriormente, es necesario aplicar una potencia de supercómputo muy alta -que puede tomar días o semanas- para entrenar adecuadamente al algoritmo. En este sentido, es posible considerar dos preocupaciones desde el punto de vista de negocios: en primer lugar, que el problema a resolver se inserta en una lógica de costo-beneficio. Las compañías deben considerar el valor que proveen en relación con el valor que captan.
En segundo lugar, es necesario considerar la intención de adopción de tecnología por parte del cliente. Un cliente que no se sienta cómodo dejando que un robot tome sus decisiones, por ejemplo, de conducción, puede incluso desarrollar aversión al uso de la inteligencia artificial.
Esto se refleja en las campañas de segmentación personalizada que ofrecen productos y servicios inmediatamente después de haber que el teléfono celular escucha ciertas palabras clave, lo que algunos mercadólogos llaman el efecto anormal (‘weirdo’, en inglés).
Por lo tanto, es necesario que las compañías identifiquen los puntos clave donde la inteligencia artificial puede ofrecer valor. De otro modo, es posible que involuntariamente estemos detonando una reactividad del consumidor a utilizar nuestras plataformas, productos y servicios. El enfoque estratégico sobre el uso de esta tecnología se vuelve entonces tema clave. Seguiremos platicando sobre esto en las siguientes entregas.
*Profesor de la Facultad de Economía y Negocios de la Universidad Anáhuac México
Email: pavel.reyes@anahuac.mx
