Investigación de MIT Sloan sobre inteligencia artificial y aprendizaje automático

Sep 05, 2023

Por qué la IA generativa necesita un toque humano creativo

El CEO de Blue Bottle Coffee habla sobre la leche de avena y la innovación

CEO de HubSpot: 6 opciones de carrera que llevan a la cima

Crédito: Jennifer Tapias Derch

Ideas hechas para importar

Inteligencia artificial

26 de octubre de 2022

Se acerca un auge de la productividad de la IA. Esto es lo que los gerentes deben saber para implementar tecnología inteligente que sea ética y centrada en el trabajador.

No hay duda de que la inteligencia artificial y el aprendizaje automático están desempeñando un papel cada vez mayor en la toma de decisiones comerciales. Una encuesta de 2022 de ejecutivos sénior de datos y tecnología realizada por NewVantage Partners encontró que el 92 % de las grandes empresas informaron haber logrado rendimientos en sus inversiones en datos e IA, un aumento del 48 % en 2017.

Pero a medida que estas tecnologías ingresan a la corriente principal, surgen nuevos problemas: ¿Cómo cambiarán la naturaleza del flujo de trabajo y la conexión en el lugar de trabajo? ¿Serán aprovechados éticamente? ¿Reemplazarán a los humanos?

Esto es lo que debe tener en cuenta a medida que la IA y el aprendizaje automático se vuelven omnipresentes, según investigadores de MIT Sloan, académicos visitantes y expertos de la industria.

La inteligencia artificial está cambiando la mayoría de las ocupaciones, pero está lejos de reemplazar a los humanos, según un libro que examina los hallazgos del Grupo de Trabajo del MIT sobre el Trabajo del Futuro.

Alrededor del 92% de las grandes empresas informan que están obteniendo rendimientos de sus inversiones en datos e inteligencia artificial.

Los investigadores del MIT David Autor, David Mindell y Elisabeth B. Reynolds argumentan que es esencial comprender las capacidades y limitaciones de la inteligencia artificial cuando pensamos en cómo afectará los trabajos.

Los desafíos de la IA de hoy se centran en la destreza física, la interacción social y el juicio. Considere un asistente de salud en el hogar, cuyas responsabilidades incluyen brindar asistencia física a un ser humano frágil, observar su comportamiento y comunicarse con la familia y los médicos. Hasta que la automatización no alcanza ese nivel, no se puede considerar verdaderamente lo que los académicos llaman "inteligencia general artificial".

Es posible aprovechar la IA para crear un futuro más equitativo. En todas las industrias, a los trabajadores les preocupa que la automatización y la inteligencia artificial les roben sus puestos de trabajo. El profesor de administración de MIT Sloan, Thomas Kochan, comparte esas preocupaciones, pero también ve un potencial innovador "tremendo" en las nuevas tecnologías para crear "un futuro productivo y más equitativo".

En su curso de educación ejecutiva en línea, "Liderando el futuro del trabajo", Kochan presenta una hoja de ruta de cuatro puntos para el trabajo del futuro:

Un auge de la productividad impulsado por la IA está en camino. Considere Internet: sus tecnologías fundamentales se arraigaron en las décadas de 1960 y 1970, pero no se comercializaron hasta mediados de la década de 1990. Erik Brynjolfsson de la Universidad de Stanford, parte del Grupo de Trabajo del MIT sobre el Trabajo del Futuro, llama a este fenómeno una "curva en J", cuando la aceptación tecnológica es "lenta e incremental al principio, luego se acelera para convertirse en una amplia aceptación".

Ahora, las empresas deben prepararse para una curva J impulsada por IA a medida que la tecnología despega. Las empresas deberían centrarse en incorporar la inteligencia artificial y el aprendizaje automático en los procesos de trabajo y preparar a los empleados, dijo Brynjolfsson en una conferencia de EmTech Next, mientras que los legisladores deberían actuar para garantizar que su adopción no contribuya a la desigualdad.

La IA requiere la aceptación de las partes interesadas. Las herramientas de aprendizaje automático se utilizan en una variedad de campos. Pero llevar la tecnología al lugar de trabajo es solo un paso: estas herramientas solo tienen éxito si están integradas en los flujos de trabajo y si las personas confían en ellas lo suficiente como para depender de ellas.

Una clave para una adopción exitosa es un diálogo continuo entre los desarrolladores de tecnología y los usuarios finales, según una investigación de la profesora Sloan del MIT, Kate Kellogg, y los coautores.

"Los gerentes y los desarrolladores deben participar en un proceso de ida y vuelta para construir, evaluar y refinar las herramientas para que sean útiles en la práctica", dijo Kellogg.

Además, las partes interesadas deben creer que los programas de IA son precisos y confiables. La explicabilidad de la inteligencia artificial puede ayudar. Los investigadores del Centro de Investigación de Sistemas de Información del MIT definen la explicabilidad de la IA como "la capacidad de gestionar las iniciativas de IA de manera que garantice que los modelos generen valor, cumplan con los requisitos, sean representativos y confiables".

La explicabilidad de la inteligencia artificial es un campo emergente, admiten los investigadores. Recomiendan que las empresas comiencen por identificar unidades y organizaciones que ya están creando explicaciones efectivas de IA e identificando prácticas que los propios equipos de proyectos de IA de la organización ya han adoptado.

La IA y el aprendizaje automático están transformando el marketing digital.La mayoría de los especialistas en marketing están preocupados por la retención y los ingresos, pero sin buenos pronósticos, las decisiones sobre intervenciones de marketing efectivas pueden ser arbitrarias, dijo Dean Eckles, líder del grupo de investigación de experimentación social y digital en la Iniciativa sobre la Economía Digital del MIT.

El aprendizaje automático cambiará eso, ayudando a predecir el comportamiento del cliente e intuir las necesidades del cliente.

"Hay mucho valor en aplicar el aprendizaje automático estadístico para predecir resultados a largo plazo y difíciles de medir", dijo Eckles.

Empresas como Wayfair y Spotify aprovechan el aprendizaje automático para ofrecer experiencias personalizadas a los clientes, desde resultados de búsqueda de muebles altamente personalizados hasta listas de reproducción sugeridas personalizadas. Y, cuando se propagó el COVID-19, Moderna utilizó sus procesos automatizados y algoritmos de inteligencia artificial de larga data para aumentar la cantidad de ARN mensajero (ARNm) a pequeña escala necesario para realizar experimentos clínicos. Este trabajo preliminar contribuyó a que Moderna lanzara una de las primeras vacunas contra el COVID-19 (usando ARNm) en los primeros días de la pandemia.

Buenos datos hacen una buena IA.Tener cinco capacidades de datos esenciales, como científicos de datos y una plataforma de datos, ayuda a las empresas a crear programas de inteligencia artificial exitosos.

La clave es adoptar una perspectiva empresarial, en lugar de local, a medida que los equipos de proyectos de IA aprenden y maduran, según investigadores del MIT CISR. Cuando las empresas identifican y acumulan experiencia y prácticas de sus equipos de IA, pueden crear prácticas reutilizables y refinables y desarrollar capacidades. Esto acelera nuevos proyectos de IA y prepara a esos futuros equipos para el éxito.

También es importante adoptar la IA centrada en los datos. Esta es "la disciplina de diseñar sistemáticamente los datos necesarios para construir un sistema de IA exitoso", según Andrew Ng, SM '98, fundador del laboratorio de investigación Google Brain y exjefe científico de Baidu.

Centrarse en datos de alta calidad que se etiquetan de manera consistente podría desbloquear el valor de la IA para sectores como la atención médica, la tecnología gubernamental y la fabricación, dijo Ng en una conferencia de EmTech Digital.

E incluso si la IA no puede resolver todos los problemas del mundo, e incluso puede causar algunos nuevos en el camino, al menos puede hacer que Wordle sea un poco más fácil de resolver.

Lea a continuación: Gary Gensler de la SEC sobre cómo la IA está cambiando las finanzas