La IA no es el producto

Últimamente he hablado con varios fundadores que me han comentado que la gente les estaba pidiendo hacer cosas con IA para sus productos/servicios. Está claro que hay un hype, y mucha atención se está concentrando alrededor de la IA. Además parece que hay una ola de inversiones potentes en startups que llevan la palabra IA en el nombre, lo cual retroalimenta el hype.

Si puedo aportar mi granito de arena sobre el tema, basado en mi experiencia trabajando en una startup que usaba la IA para construir productos, diré:

1. En primer lugar, la IA es una tecnología, igual que lo son los smartphones o el cloud. Y del mismo modo, podríamos distinguir entre dos tipos de empresas: las que desarrollan la tecnología y las que se apoyan en la tecnología para desarrollar su producto o servicio. Creo que el primer paso es tener claro esto, y saber dónde te sitúas como empresa. Pero igual que crear un cloud o un smartphone está al alcance de unos pocos, desarrollar IA y venderla como producto o servicio lo pueden hacer pocos. Por lo que lo más seguro es que seas una empresa que customiza y utiliza la IA para su producto, pero que no la desarrolla.
   
   (A partir de aquí solo me refiero a empresas que usan o quieres usar la IA para construir productos)
   
   
2. En segundo lugar, hay que preguntarse para qué caso de uso creemos que podemos utilizar la IA como tecnología. La IA se suele utilizar para: predicciones, recomendaciones, chat bots, speech-to-text, clasificadores de documentos, clasificación de imágenes, video analítica, entre otras cosas.
   
3. Una vez identificado el caso de uso que puede beneficiarse del uso de esta tecnología, habría que analizarlo como cualquier otra nueva funcionalidad. Intentar entender la propuesta de valor y el ROI que puede aportar al usuario. Junto con los costes de implementación y operaciones, y los riesgos. Sin embargo, el uso de la IA para implementar nuestro caso de uso, introduce algunas particularidades importantes a tener en cuenta que pueden impactar tanto en la propuesta de valor, como en los costes y los riesgos:
   
   • En el mundo de la IA, el 100% de acierto no existe. A diferencia del mundo del software tradicional, donde se busca implementar casos de uso que funcionen de forma predecible el 100% del tiempo. Este punto es especialmente importante porque supone un cambio de mentalidad con respecto a las expectativas que ofrecemos sobre nuestra funcionalidad. Del mismo modo que el recomendador de películas de Netflix, a veces, nos hace recomendaciones poco alineadas con nuestros intereses, nuestra aplicación uso podrá dar resultados no deseados. Si esto no es asumible, entonces mejor replantearse el caso de uso elegido.
     
   • Nuestro caso de uso puede arrojar resultados sesgados. Ha habido varios casos importantes donde los modelos resultaban ser machistas o racistas, por el sesgo en los datos de entrenamiento. Uno de estos casos se dió cuando Amazon desarrolló un modelo para seleccionar automáticamente los mejores currículums de candidatos que aplicaban a sus ofertas de trabajo. El modelo restaba puntuación a los currículums de mujeres, esto se debió a que utilizaron para entrenar al modelo, currículums de los últimos años, donde predominaban los hombres, y el modelo aprendió a penalizar a las mujeres. Y al problema del sesgo se suma el problema de la explicabilidad de los resultados. A día de hoy, en general, no tenemos herramientas para explicar porque la IA da un resultado concreto.
     
   • La IA se alimenta de datos, aquí está una de las claves que puede diferenciarnos de la competencia. ¿Tenemos un buen volumen de datos de calidad que puedan usarse para el entrenamiento de modelos? Esto da una ventaja competitiva a las empresas que ya tienen tracción y usuarios, porque si han hecho bien las cosas, es posible que tengan buenos datos con los que entrenar los modelos. Sin embargo, según el tipo de dato que necesitemos, las regulaciones y normativas existentes que protegen los datos, pueden impedir o complicar su utilización. Un ejemplo se da cuando una empresa que desarrolla un producto B2B necesita acceder a los datos personales de los clientes de sus clientes, para entrenar los modelos. En este caso, el acceso a esos datos no siempre es sencillo.
     

Para terminar, decir que de cara a embarcarse en un proyecto que use la IA, es altamente recomendable hablar con alguien que conozca bien el tema y lo haya hecho antes. Esta persona nos podrá ayudar a analizar el caso de uso y ver si se puede beneficiar con el uso de esta tecnología. Lo que no recomiendo es ponerse a buscar perfiles expertos en IA para contratar en plantilla, sin haber buscado antes consejo externo. Lo primero es entender si la IA nos va a aportar un valor diferencial, y luego definir la mejor estrategia para empezar a usarla. Igual que cuando nos enfermamos primero acudimos al médico de cabecera y este nos deriva a un especialista, esto sería lo más recomendable para saber si la IA es la mejor medicina y qué especialista necesitamos.