^p^p
Módulo 1
Transcripciones
Video 4: The Second Stage of the AI Design Process
Ahora hablemos de la segunda etapa: buscar un proceso empresarial compatible con la IA. Para encontrar un
proceso empresarial así hay dos aspectos clave que deben abordarse: el estratégico, que implica decidir el papel
de la IA en la ventaja sostenible a largo plazo; y el operativo, que especifica el proceso empresarial en el que
interviene la IA para establecer objetivos de rendimiento para dicho proceso, incluidos no solo la IA, sino otros
activos colaterales. Comencemos con el primero de los dos, la elección estratégica de IA. Aquí, debemos decidir
cómo usaremos la IA para competir en el mercado. Es decir, ¿cuál es el papel que queremos que desempeñe la
IA en el proceso de diseño? Una manera de pensarlo es usar el modelo Delta, del profesor Hax en MIT Sloan, y
que propone la existencia de tres formas de competir. Veamos ahora las tres. La primera estrategia es ser el mejor
cliente del producto. En el caso de la IA, es tener la mejor tecnología posible. Por ejemplo, el mejor software de
reconocimiento de huella digital. Cualquier persona interesada en las aplicaciones que puedan basarse en el
reconocimiento de huellas digitales, quiere usar tu producto si está al alcance. Otra estrategia, la segunda según
el modelo Delta, es ser un proveedor de soluciones para el cliente. En el caso de la IA, es ofrecer un producto que
incorpore toda la IA y todas las funciones asociadas que lo convertirán en un producto o un servicio útil.
Por ejemplo, una solución de seguridad y control de acceso para edificios que quizá ya tenga tu empresa, y que
ahora incorpore software de reconocimiento de huella digital y otras funciones requeridas por los clientes, como
cerraduras, mecanismos de alerta de intrusión, conexión con la policía, servicios de recuperación 24/7, desbloqueo
de aplicaciones móviles, etc. Quizá tu IA de huellas digitales no es la mejor, pero ofreces un servicio útil para un
cierto grupo de clientes que lo comprarán. La tercera estrategia, la última del modelo Delta son las externalidades
de la red. Se enfoca en crear la mayor base de usuario posible, de manera tal que redunde en más beneficios para
el usuario, a medida que aumenta el tamaño de la base de datos. Por ejemplo, puedes centrarte en crear una base
de datos nacional de huellas digitales para que la policía pueda identificar rápidamente a las personas de una
escena del crimen. Mientras más municipios y estados participen, más probabilidades hay de que la base de datos
sea útil. Quizá necesites IA para reconocimiento de huellas digitales, pero no es necesario tener la mejor y no es
necesario ofrecer una solución completa a la policía. La mayoría de los esfuerzos autogestivos, como los que
comentamos al hablar de la primera etapa, se centran en soluciones completas para el cliente porque el uso de la
IA está estrechamente relacionado con el diseño del producto completo. De hecho, la mayoría de las marcas tienen
diferentes formas de usar la IA. Antes de pasar a la segunda elección de la segunda etapa, veamos otro ejemplo
de visión artificial para explorar la etapa uno, la métrica y el alcance que vimos en videos anteriores y en esta
primera parte de la segunda, que es la estratégica. Imagina que en vez de vehículos autónomos, estás pensando
en el servicio que subtitula las imágenes y querrás ofrecer algo más elaborado que lo disponible actualmente en la
web. Por ejemplo, tomemos la imagen de la pantalla. Los actuales servicios de vanguardia te permitirán identificar
que se trata de una imagen de personas en una habitación, en contraste con el tránsito o una escena de la
naturaleza. Pero, la IA aún no se desarrolla al punto que pueda identificar que el presidente Obama está bromeando
mientras el resto tiene una actitud relajada. Asociar una historia a una imagen es algo que la IA está lejos de lograr
al nivel del desempeño humano. Determinar si una imagen es alegre o no, en general, es algo que quizá estemos
lejos de lograr. Significa que deberás abordar el desafío del alcance reduciendo de alguna manera los requisitos
para que la IA pueda producir resultados constantes con lo que te propusiste lograr. En general, cuando llegas a
un límite de la IA, como en este caso, tu creatividad debe empezar a fluir, vale la pena profundizar en los detalles,
entendiendo que el límite te ayudará a determinar el alcance de la inteligencia que debes automatizar. Por ejemplo,
quizá la IA no tenga la capacidad de crear subtítulos de historias generales, pero si quieres un servicio para un
periódico, quizá pueda extraer la información relevante del texto asociado para describir la imagen con un género
específico y una frase corta. O quizás quieras traducir leyendas de imágenes de un periódico a diferentes idiomas,
lo que te aleja completamente de tu visión y te lleva al ámbito de la traducción automática, algo de lo que hemos
Designing and Building AI Products and Services 1
^p^p
hablado brevemente. En ambos casos, es posible que puedas lograr el mejor producto, algo que todos los
periódicos puedan usar, la primera de las estrategias que discutimos del modelo Delta. Una solución completa para
el cliente, es decir, para integrar la solución en un sistema de CMS, que tal vez opere tu empresa o que tenga tu
empresa de periódicos. Y también la tercera. Puedes crear externalidades de red, si puedes producir un sistema
abierto que usen todos los periódicos, de manera que puedas capturar cómo los editores modifican las sugerencias
de IA para mejorar el servicio continuamente. Siguiendo en este ejemplo de subtitulado de visión artificial, si quieres
un servicio genérico y no logras producir este servicio de generación que subtitule como un humano, podrás
centrarte en un tipo específico de subtitulado y podrás decir cuál es el sentimiento de las personas en una imagen
para que puedas agregar sentimiento a un software de subtítulos general. El GPT3 es un ejemplo de lenguaje
natural que procesa la mejor estrategia de producto para pasar de la visión artificial a la de PLN. El objetivo
declarado de la empresa que lo produce, OpenAI, es crear un kit de herramientas para que las empresas adapten
el modelo a diferentes tareas. El modelo es tan poderoso que sus creadores advirtieron que puede abusarse de él
con fines maliciosos como las fake news generadas por una de las aplicaciones que vimos en los videos anteriores.
El texto producido es tan realista que es difícil para los humanos distinguir entre el texto humano y el texto GPT,
como lo comprobarás en uno de los ejercicios.
Pasemos a la segunda elección de esta segunda etapa, que es operativa. ¿Cuál es el proceso empresarial que se
beneficiará de la IA y cuáles son los objetivos de mejora razonables para ese proceso, y qué cosas debes abordar
dentro del proceso y no solo en la IA? La idea aquí es centrarse en el proceso que afectará la IA para poder dar a
los ingenieros la información adecuada sobre lo que se espera de la implementación de la IA. Debemos definir un
proceso empresarial y de qué manera la IA mejorará sus objetivos de desempeño.
En la siguiente etapa, en la tercera, nos centraremos en elegir la tecnología específica y qué IA puede introducirse
en función de los objetivos de desempeño establecidos. Esperamos contar con dicha IA y a un costo que podamos
pagar. Entonces, permítanme presentar algunos ejemplos de objetivos operativos que podemos establecer en esta
segunda etapa para el caso del procesamiento del lenguaje natural. Si lo aplicas para responder preguntas en un
centro de llamadas, será mejor reducir un 80 % las llamadas incompletas al mismo costo para que las respuestas
que dé el sistema mejoren y haya menos problemas con esas respuestas. O tal vez quieras reducir un 80 % los
costos de traducción legal, quizá produciendo una primera versión de la traducción, que luego los abogados solo
deben revisar y enfocarse las partes complicadas. O quizás quieras agregar comandos de voz a una página web.
Pocos hablan con las páginas web pero quizá convenga agregar reconocimiento de voz en la página web para
poder navegar con la voz. O quizá quieras crear una habilidad de asistente de lista de compras para un dispositivo
de Alexa o de Google u otro propio. O quizás quieras crear un kit para el análisis de sentimientos, algo como el
GPT-3 pero para el análisis de sentimientos. Puedes crear un asistente personal completo para Alexa con mejores
habilidades y, por lo tanto, tu objetivo es un producto existente con el que estás compitiendo. O, para ser más
ambiciosos, ¿por qué no mejorar el GPT-3? Pero es importante enfatizar que los objetivos que ponemos en el
proceso no son lo único necesario en relación con este proceso de IA que estamos diseñando. Por ejemplo, cuando
pedimos autorización a un usuario, lo que implica un nuevo formulario de consentimiento en el que debemos
trabajar o quizá debamos renegociar los términos del seguro. En esta etapa, debemos definir bien el proceso y
asegurarnos de abordar todos los activos colaterales necesarios. A veces, los llaman los activos complementarios
de la tecnología de IA que usaremos. Y, a menudo, estas inversiones basadas en la investigación realizada por el
profesor Brian Nielsen en MIT Sloan, requieren el 90 % del total de la inversión en dólares. Por lo tanto, son muy
importantes.
En resumen, lo que debemos hacer en la segunda etapa es abordar estas dos elecciones complejas. Primero, el
uso estratégico de la IA como mejor producto, solución completa para el cliente o como creación de externalidades
de red. Segundo, la descripción operativa de un proceso, incluidos los requisitos que no son de IA y las métricas
específicas de desempeño del proceso en las que la IA ayudará. Eso es la IA sin la IA. Pasemos a la tercera etapa.
Designing and Building AI Products and Services 2