Cómo hacer la inteligencia artificial relevante

Artículo

Esteve Almirall

Ulises Cortés

Una de las paradojas de nuestro tiempo es que, a pesar de los enormes avances en inteligencia artificial (IA), la nube (o cloud) o la robótica, el ritmo de crecimiento de la productividad no se ha acelerado, sino todo lo contrario. No pasa un mes en que no aparezcan sorprendentes descubrimientos en los que la inteligencia artificial cree cosas que hasta hace poco no podíamos ni imaginar. ¿Cómo es posible que no tenga un enorme impacto? Y de hecho, ¿qué hace falta para trasladarlo al mercado? La respuesta la encontramos en las dos brechas de la IA y en las métricas de innovación.

La primera brecha es bien conocida: es la que existe entre las organizaciones punteras y el resto. Las mejores organizaciones tienen ratios de productividad jamás vistos en la historia de la humanidad, y buena parte de sus procesos se han trasladado a código, a software, gozando de una escalabilidad casi infinita a costes marginales muy bajos. Nada de esto es nuevo: son compañías como Google, Amazon, Microsoft, Tesla, Meta o AliBaba (así como esas nuevas empresas digitales que nacen ya con estas premisas). 

Junto a estas tenemos el resto de las empresas. Son la gran mayoría: las que no compiten en un entorno digital o donde la traslación a lo digital no es ni tan evidente, ni tan fácil, ni tan urgente. En ellas observamos un crecimiento plano de la productividad, si bien en muchos países son las que sostienen la mayor parte del producto interior bruto (PIB), por lo que el crecimiento agregado es plano. La primera brecha se define, así, por el porcentaje –que determina el crecimiento de la productividad del país– de empresas punteras sobre el resto. Obviamente, aquellos países con tasas de transformación digital más amplias o con una mayor generación de start-ups digitales son más capaces de acelerar el cambio. 

Cerrar esas dos grietas transformaría nuestra sociedad a través de la educación, la investigación y la innovación

La segunda brecha es menos conocida, ya que se sitúa dentro de las empresas. De este modo, si observamos los proyectos de inteligencia artificial en muchas compañías no punteras, veremos que estos se sitúan en la periferia. Son proyectos que van dirigidos a lo nuevo y que, por lo tanto, tienen poco riesgo y una escasa necesidad de cambios organizativos, si bien también poco impacto. Se trata de proyectos que, aunque tengan un éxito extraordinario, no van a mover la aguja: no van a cambiar la organización, su competitividad o su balance.

Pero ¿qué ocurre con las métricas? A menudo medimos la innovación en cuanto al incremento de capacidades que produce. Así,  ¿cuánto ha aumentado el presupuesto de I+D+i y en cuánto se han incrementado los doctorados industriales? En algunas ocasiones medimos los resultados, como ocurre por ejemplo con el número de nuevas patentes o la cantidad de nuevas publicaciones. Todo ello conduce a políticas de incremento en la proyección del gasto y a un incremento de las capacidades, pero no ayuda a que estas capacidades se movilicen (o reorienten) a producir innovaciones que muevan la aguja; es decir, que sean relevantes.

Cambiar las métricas es básico: al final, la medición de los objetivos se hace a través de ellas. Si medimos número de publicaciones, tendremos más publicaciones. Lo propio ocurrirá con las patentes o el presupuesto. Si queremos que la innovación tenga impacto, por tanto, es imperativo cambiar las métricas. De este modo, por ejemplo, se puede medir el incremento de la productividad debido a la IA o los beneficios de nuevos productos a partir de la introducción de la misma. Todo ello mide la línea basal: si hemos conseguido aumentar la efectividad o no.

Es importante tener mayores capacidades, más doctores en IA, más ingenieros en cloud y mayores presupuestos, pero la innovación y el impacto vendrán de nuestra capacidad de movilizar las capacidades internas y externas y orientarlas bottom-line. Si hacemos eso, crearemos un círculo virtuoso que incrementará las capacidades, ya que aumentará su demanda. Las métricas orientadas al impacto reorientarán los proyectos y cerrarán la segunda brecha. Y en la medida en que eso pase, tendremos más empresas punteras, mayor intensidad competitiva y, por lo tanto, una mayor capacidad de competir, llegando a cerrar la primera brecha. 

Cerrar esas dos grietas no es un tema baladí: supondría un cambio radical en la capacidad de transformar nuestra sociedad a través de la educación, la investigación y la innovación. Alinear los objetivos con las oportunidades, con los resultados clave que queremos obtener y la forma en que los medimos no es nada nuevo. Son los OKRs que Andrew Grove introdujo en los setenta: todo empieza con las métricas.

Esteve Almirall es profesor de Operaciones, Innovación y Data Sciences de Esade.

Ulises Cortés es catedrático de Inteligencia Artificial en la UPC.