A medida que los algoritmos de inteligencia artificial (IA) se infiltran en todas y cada una de las áreas de las empresas, el aprendizaje organizacional adquiere tanta importancia como el aprendizaje automático. ¿Cómo debería un equipo directivo inteligente maximizar el valor económico de contar con sistemas más inteligentes?

El rediseño de los procesos de negocio, así como una mejor formación de los trabajadores son importantes, pero mejores casos de uso –las tareas e interacciones del mundo real que determinan los resultados diarios de la empresa– son los que ofrecen mayores retornos. Priorizar el desarrollo de algoritmos más inteligentes por delante de casos de uso reflexivos y estudiados representa el error más pernicioso que veo en las iniciativas actuales de las empresas para introducirse en la IA. Algo falla cuando optimizar tecnologías de procesos va por delante de reflexionar y cambiar la manera en la que el trabajo se lleva realmente a cabo.

A no ser que realmente estemos automatizando un proceso –es decir, eliminando a los humanos de la ecuación–, los algoritmos de IA deberían hacer que el trabajo de las personas resulte más fácil y productivo. Identificar casos de uso en los que la IA añada tanto valor al rendimiento de la gente como a la eficiencia de un proceso es fundamental para implementar con éxito la inteligencia artificial en la empresa. Por el contrario, las empresas comprometidas con proporcionar más autonomía y control a las máquinas inteligentes se centran en la gobernanza y los derechos de decisión.

En lo que a estrategia se refiere, un brillante algoritmo impulsado por datos normalmente importa menos que una experiencia de usuario (UX, por sus siglas en inglés) bien diseñada. Un diseño de UX razonado puede entrenar mejor a los sistemas de aprendizaje automático para que se vuelvan aún más inteligentes. Los científicos de datos más eficaces que conozco aprenden de las claves que obtienen a partir de casos de uso y la UX. En una empresa de control industrial, por ejemplo, los científicos de datos descubrieron que los usuarios de uno de sus sistemas inteligentes utilizaban por su propia cuenta un conjunto de datos propio a fin de priorizar las respuestas de los clientes. Ese uso inesperado motivó una reformulación del algoritmo original.

Centrarse en casos de uso más claros y detallados se traduce en una relación más productiva y mejor entre la IA y sus usuarios humanos. La división del trabajo se convierte en una fuente de inspiración para el diseño y la investigación. La búsqueda de mejores resultados se traslada entonces de entrenar algoritmos más inteligentes a averiguar cómo deberían evolucionar los casos de uso. Eso impulsa tanto el aprendizaje de máquinas como el aprendizaje organizacional.

Cuando las empresas priorizan a las personas y procesos mejorados por la IA por delante de los sistemas autónomos en sí, se obtienen cinco categorías principales de casos de uso. De forma nada sorprendente, estas categorías describen cómo trabajan juntas las entidades inteligentes para completar el trabajo; ponen de manifiesto que el toque personal aún importa. En función de la persona, el proceso y resultado deseado, la inteligencia artificial puede conseguir que el elemento humano importe más.

- Asistentes. Alexa, Siri y Cortana ya encarnan casos de uso reales en los que la inteligencia artificial actúa como asistente. Según la acertada expresión de Amazon, los asistentes tienen las habilidades que les permiten realizar tareas no muy complejas. Tanto si funcionan por voz como por bots de conversación, unas sencillas interfaces hacen que los asistentes resulten fáciles y rápidos de utilizar. Su eficacia queda demostrada tanto por la gente que sabe exactamente lo que necesita como por la sofisticación de los algoritmos. A medida que los asistentes inteligentes se vuelven más inteligentes y capaces, también aumenta su repertorio de tareas. Los asistentes más eficaces aprenden a sondear incluso a sus usuarios con preguntas y palabras clave oportunas para mejorar tanto la interacción como los resultados.

- Guías. Mientras que los asistentes realizan tareas que se han pedido, los guías ayudan a los usuarios a abrirse paso por una tarea compleja para conseguir los resultados deseados. Utilizar Waze para conducir a través de una ciudad en obras es un ejemplo. Utilizar una herramienta de realidad aumentada para examinar y reparar un dispositivo móvil o un sistema de climatización, otro. Los guías muestran digitalmente a los usuarios humanos los que deberían ser sus próximos pasos y, en caso de cometer alguna equivocación, ofrecerles alternativas hacia el éxito. Los guías son los sherpas del software inteligente: su conocimiento lleva a los usuarios hasta su destino deseado.

- Consultores. A diferencia de los guías, los consultores van mucho más allá de la guía y el conocimiento específico de un tema. La inteligencia artificial consultora incluye los casos de uso en los que los trabajadores necesitan claves e información justo a tiempo y asesoramiento personalizado para resolver un problema. Los consultores algorítmicos, al igual que sus homólogos humanos, ofrecen opciones y explicaciones, además de motivos y razonamientos. Un gestor de proyecto de desarrollo de software necesita evaluar los pros y contras de una planificación determinada. Para ello, una IA consultora plantea preguntas y solicita información para emitir recomendaciones concretas sobre el próximo paso a tomar. Un sistema de este tipo puede incluir enlaces relevantes, el expediente de proyectos anteriores e informes sobre el contexto a tener en cuenta. Los consultores más sofisticados ofrecen incluso consejos estratégicos que complementen sus recomendaciones tácticas.

Los consultores personalizan su conocimiento más funcional –horarios, presupuestos, asignación de recursos, compras, diseño gráfico, etc.– de acuerdo a las necesidades de cada usuario humano. Son roboconsejeros que dispensan de forma imparcial su experiencia.

- Colega. Un colega se parece a un consultor, pero con un comprensión analítica y construida sobre datos de la situación local. Es decir, un colega es experto en la propia organización en la que lo utilizan. El colega tiene acceso a las analíticas relevantes del espacio de trabajo, los presupuestos, los calendarios, los planes estratégicos, las prioridades y presentaciones para así poder aconsejar al resto de personas, a sus otros "colegas". Los casos de uso de este tipo giran en torno a los consejos que necesitan los mánagers y empleados para trabajar de manera más eficiente y eficaz dentro de la empresa. Un colega de IA podría recomendar referenciar y/o adjuntar una presentación en un correo electrónico, a quién pedir consejo, qué modelo de presupuesto utilizar, qué clientes necesitan un trato preferencial, etcétera. Los colegas son más un colaborador que una herramienta: ofrecen sabiduría y conciencia. Al igual que sus homólogos humanos, sirven como cajas de resonancia que - ¿quiénes? – ayudan a clarificar las comunicaciones, aspiraciones y riesgos.

- Jefe. Donde los colegas y consultores aconsejan, los jefes dirigen. Los jefes de IA indican a los humanos cuáles deberían ser sus próximas tareas. Los casos de uso de jefe eliminan opciones, la posibilidad de elegir y la ambigüedad en favor de las imposiciones, los decretos y las directrices de la obediencia. Haz esto, deja aquello, cambia el calendario, reduce el presupuesto, envía este memorándum...

La inteligencia artificial jefe está diseñada para que la obedezcan y le rindan cuentas. El humano cede ante el algoritmo. Representa la pendiente resbaladiza de la autonomía, la versión laboral de un sistema de piloto automático que asume el control de un avión, de un sistema de frenado automático en un automóvil. Existen casos de uso y circunstancias que explican esta subordinación del humano frente al software. Pero la verdadera prueba del "jefeware" es humana: si los humanos no son sancionados – o despedidos– por desobedecer, entonces el software tampoco ocupa realmente el lugar de un jefe.

Como muestra el último ejemplo, las categorías anteriores se entremezclan entre sí con facilidad. No cuesta imaginar escenarios y casos de uso en los que los guías se conviertan en asistentes, los asistentes mejoren hasta convertirse en colegas y los consultores se transformen en jefes. Pero las diferencias básicas entre las cinco categorías deberían servir para aportar cierto rigor y disciplina a la hora de imaginar su evolución futura.

La confianza está implícita en las cinco categorías. ¿Confían los trabajadores en que sus asistentes algorítmicos hagan lo que se les ha encargado? ¿Confían en los guías para llevarles hasta donde quieren llegar? ¿Confían los mánagers en la competencia del jefeware, en que sus colegas no les traicionarán? Los problemas de confianza y transparencia se mantienen al margen de lo inteligente que se vuelva el software; se vuelven incluso más importantes al aumentar increíblemente la complejidad de los motivos que explican cualquier decisión. Un riesgo: que estas inteligencias artificiales evolucionen hasta convertirse en "amienemigos". Es decir, en software que actúa de forma simultánea como amigo y rival de su compañero humano. Por tanto, los casos de uso se vuelven esenciales para identificar qué tipos de interfaces e interacciones facilitan la confianza entre humanos y máquinas.

Los casos de uso podrían resultar vitales para impulsar la productividad resultado de sumar un humano inteligente a una máquina inteligente. Pero la realidad sugiere que su valor final podría nacer de lo cuidadosamente que se acelere el avance de la organización hacia una mayor automatización y autonomía. El verdadero impacto e influencia de estas categorías podría residir en que sirvan para encontrar la mejor manera de que los humanos entrenen a sus sucesores.