Por qué el aprendizaje automático (ML) es tan popular en el S. XXI

El término inteligencia artificial (IA) es pura actualidad, pero fue inventado en 1956 por John McCarthy, Marvin Minsky y Claude Shannon en la famosa Conferencia de Dartmouth. Es un concepto antiguo pero que ha evolucionado con el tiempo y que se relaciona con la idea de construir máquinas capaces de pensar como seres humanos. Esta característica se la atribuyen Russell y Norvig en 1995 “sistemas que piensan como humanos”.

Una de las áreas con mayor evolución en la Inteligencia Artificial es el aprendizaje automático (Machine Learning, ML). Aunque los anteriores autores hacen una distinción entre pensar y actuar humano vs pensar y actuar racional (lo que daría para varios estudios) lo cierto es que el atributo de aprendizaje es relacionable con “lo humano”. 

El ML es una rama de la AI basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana. Lo novedoso es que los sistemas aprenden con poca o ninguna supervisión.

Las tecnologías y soluciones IA se usan hoy en las empresas para la transformación de los actuales procesos de negocio, para impulsar la interacción con los clientes, mejorar la toma de decisiones e incrementar la productividad de los empleados. 

Pero lo más interesante es considerar que esta tecnología está en el centro del consumo diario: Amazon, Netflix, Gmail, Siri, Alexa, Spotify… La lista es enorme y todas ellas son empresas en el máximo de su valor por capitalización. 

Los sistemas recomiendan a millones de usuarios, observan los resultados de sus recomendaciones y aprenden para la siguiente recomendación. Todo ello en segundos.

Las tecnologías y soluciones IA se usan hoy en las empresas para la transformación de los actuales procesos de negocio, para impulsar la interacción con los clientes, mejorar la toma de decisiones e incrementar la productividad de los empleados. 

Pero lo más interesante es considerar que esta tecnología está en el centro del consumo diario: Amazon, Netflix, Gmail, Siri, Alexa, Spotify… La lista es enorme y todas ellas son empresas en el máximo de su valor por capitalización. 

Los sistemas recomiendan a millones de usuarios, observan los resultados de sus recomendaciones y aprenden para la siguiente recomendación. Todo ello en segundos.

Respuesta de la popularidad del aprendizaje automático (ML)

La pregunta sobre por qué el aprendizaje automático es tan popular en el S. XXI puede responderse con tres tipos de razones:

Por un lado, razones técnicas: la IA y el ML son algoritmos que funcionan porque las tecnologías que las soportan se han desarrollado de modo exponencial. El uso masivo de datos (BI), la capacidad de almacenamiento y procesamiento (Cloud) y la interactividad de los elementos de sistemas complejos a través de protocolos comunes (APIs).

Por otro lado, hay razones de eficacia y eficiencia para las empresas: la capacidad de dotarse de algoritmos que aprenden de sus propias predicciones casi en tiempo real, cambia la estrategia de los negocios y permite la existencia de ofertas personalizadas a cada cliente con un coste cada vez menor.

Suena paradójico pero la definición de “segmentos de uno” (una oferta definida para cada cliente) es posible porque el coste marginal de creación de esa oferta específica para ese cliente es mínimo y la rentabilidad por cliente aumenta enormemente 

Hace años hubiéramos pensado que la máxima personalización conlleva un coste cada vez mayor, y aunque sigue siendo cierto para productos físicos, en el mundo de los servicios consumibles, desde seguros hasta películas, ya no funciona así.

La tercera razón del incremento de la popularidad del ML hay que buscarla en el cliente. El consumidor digital, consciente de que sus datos se usan para mejorar su oferta o identificar una tendencia, asume las ventajas de entregar sus datos para asegurarse un retorno en modo de mayor comodidad como consumidor.

Las legislaciones hacen esfuerzos para asegurar la consciencia del cliente en la cesión del uso de sus datos, pero el retorno en forma de comodidad que el usuario obtiene supera con creces los “peligros potenciales” que les advierten. ¿Podrán llegar a pagar las empresas al cliente por sus datos? Ya ocurre. Darse de alta en algún servicio conlleva mejores condiciones y se acepta la monitorización de datos.

Netflix, Amazon o Spotify son ejemplos claros de nuevos negocios construidos en base a contenidos ya existentes (música, películas o productos de consumo) pero acelerados por la capacidad de recomendación (ML). 

Pero estos grandes nombres “mainstream” no deben ocultarnos que también la tecnología está disponible con mucho éxito tanto en sectores menos asociados a tendencias (salud, finanzas, seguridad, por ejemplo) como en empresas de menor tamaño que se benefician del uso de la tecnología.

¿Cuál es el límite del aprendizaje automático? 

Es imposible decirlo aquí. No parece que los aspectos técnicos vayan a suponer una gran limitación. Tampoco las empresas van a suponer un freno porque la transformación digital es parte fundamental de la agenda de CEOs y Consejos. 

Los aspectos normativos y la propia regulación ética de las empresas y sociedades plantean límites, sin duda.

El propio usuario o cliente será dueño de su capacidad de “ser predicho” y estos cambios darán lugar a debates en universidades, empresas y reguladores. Por ahora faltan señales que identifiquen esas limitaciones, más allá de la propia protección de datos.