Cómo la IA podría ayudar a las pequeñas empresas
Por Karen Mills
Espíritu emprendedor
Harvard Business Review
En una mañana de jueves a las 5:30 AM, Alex tomó un sorbo de su café con leche y sus codos sobre el mostrador de servicio. Cada día a esta hora, la luz del sol a través de la ventana delantera cubría su cafetería y ella disfrutó de unos momentos de paz y tranquilidad antes de que comenzara la hora de la mañana. Con 30 minutos de sobra antes de acorralar a sus baristas para su charla matutina (y un trago de café expreso), abrió su iPad y levantó su asistente más valioso: el panel de control de su pequeña empresa. En segundos, el asesor de suministros de Alex revisó sus cuentas, historiales de ventas y gastos, pronósticos del clima local, información de eventos y datos de turismo pasados, y le dijo que necesitaría cinco nuevos juegos de filtros y 1,000 vasos de plástico para la próxima semana. Los ordenó a Amazon con un solo toque.
Alex también sabía que la tienda necesitaba una nueva máquina de espresso, pero ella la había estado posponiendo por más de un mes. Con los ahorros en su cuenta, podría pedir la nueva máquina ahora o hacer un pago del préstamo a plazo que había sacado hace dos años para iniciar el negocio. Si continuaba posponiendo un reemplazo, la máquina podría romperse en cualquier momento, y el espresso fue el segundo producto más vendido en el menú (después del café helado). Por otro lado, casi había terminado de pagar su préstamo, y postergar un mes más agregaría interés.
Alex le pidió consejo a su robo-consejero. "Usted puede hacer ambas cosas", informó. "Dadas las ventas esperadas para el mes, parece que podrá usar sus ahorros para pagar el préstamo y poner la máquina de café expreso en su tarjeta de crédito, que tiene un crédito disponible de $ 3,500. Cuando el pago con tarjeta de crédito vence en 30 días, tendrá el efectivo para pagarlo, según las proyecciones de ventas actuales ”. Con un solo toque, Alex compró la máquina de café expreso. Después de la conversación matinal con su personal, ella abrió las puertas para el día, confiada en hacia dónde se dirigía su pequeña empresa.
Al final del día, cuando Alex se estaba cerrando, su robot le recordó que era el 1 de junio y que pronto se pagarían los impuestos trimestrales. Por un momento se preocupó de haber pasado por alto sus pagos de impuestos al comprar la nueva máquina de espresso, pero luego el robot dijo: "No te preocupes". Sus pagos de impuestos estimados ya se han contabilizado en sus proyecciones de efectivo para junio ”. Finalmente, con unos pocos toques y tragos más, se estableció la nómina del viernes, se hicieron deducciones de atención médica de los cheques de pago de sus empleados y los impuestos estaban listos para archivar.
La historia de Alex es ficticia, pero apunta hacia el potencial de la tecnología y específicamente de la inteligencia artificial para ayudar a los empresarios y mejorar las pequeñas empresas que manejan. No se equivoquen: estas tecnologías ya están cambiando de negocio y, hasta ahora, parecen proporcionar una ventaja a las grandes empresas. La pregunta es si pueden diseñarse y adoptarse para ayudar a las pequeñas empresas, no solo a las empresas gigantes, y en ese frente tengo esperanzas.
A medida que la tecnología abre las puertas a grandes cantidades de datos, surgen oportunidades para crear nuevas perspectivas sobre la salud y las perspectivas de una pequeña empresa. La información obtenida a partir de estos datos tiene el potencial de resolver dos problemas de definición que han enfrentado los prestamistas y prestatarios en el sector: la heterogeneidad: el hecho de que todas las pequeñas empresas son diferentes, lo que dificulta la extrapolación de un ejemplo a otro, y la opacidad de la información, la De hecho, es difícil saber qué está pasando realmente dentro de una pequeña empresa.
Desde el punto de vista de un prestamista, cuanto más pequeño es el negocio, más difícil es saber si el negocio es realmente rentable y cuáles podrían ser sus perspectivas. Muchos propietarios de pequeñas empresas no tienen un gran sentido de su flujo de efectivo, las ventas que podrían realizar, cuándo pagarán los clientes o qué necesidades de efectivo podrían tener en función de la temporada o de un nuevo contrato. Las pequeñas empresas tienen un búfer de efectivo bajo, por lo que un error de cálculo, un retraso en el pago o incluso un rápido crecimiento podrían causar una crisis de efectivo potencialmente mortal.
Pero, ¿qué pasaría si la tecnología tuviera el poder de hacer que el propietario de una pequeña empresa fuera mucho más sabio con respecto a su flujo de efectivo y también a un prestamista? ¿Qué pasaría si los nuevos productos y servicios de préstamos facilitaran la predicción rápida y precisa de la solvencia crediticia de una pequeña empresa, al igual que el puntaje crediticio personal de un consumidor ayuda a los bancos a predecir la solvencia crediticia para préstamos personales, tarjetas de crédito e hipotecas? ¿Qué pasaría si el propietario de una pequeña empresa tuviera un panel de control de sus actividades comerciales, incluidas las proyecciones de efectivo y las perspectivas de ventas y tendencias de costos que les ayudaron a tejer una imagen de principio a fin de la salud financiera de su empresa? ¿Qué pasaría si este panel les ayudara a comprender todas las opciones de crédito para las que calificaron hoy y qué acciones podrían tomar para mejorar su calificación crediticia con el tiempo? Y aún mejor, ¿qué pasaría si el tablero de instrumentos, que reúne el poder predictivo del aprendizaje automático acumulado a partir de los datos de miles de propietarios de negocios en industrias similares, podría ayudar a un propietario de negocios a evitar tendencias peligrosas o peligros?
Además, a medida que las máquinas aprenden a identificar quién es más probable que incumplan sus préstamos, el riesgo de discriminación y exclusión se vuelve significativo. Lo más preocupante es la idea de que estas decisiones serán tomadas por una "caja negra"; nadie sabría exactamente qué atributos de datos estaba usando la máquina para hacer recomendaciones o decisiones. Una máquina puede identificar un factor de riesgo que correlaciona fuertemente con la raza, el género o las características de otras clases protegidas y, a menos que las reglas explícitas lo impidan, lo incluyen como un factor de precios. En términos más generales, los algoritmos sofisticados que funcionan excepcionalmente bien en algunas dimensiones estrechas, pero que carecen de intuición y conocimiento de la situación podrían crear problemas graves.
Los modelos de caja negra pueden ser incomprensibles, pero eso no significa que no puedan ser auditados. Tanto las empresas como los reguladores deberán desarrollar nuevos métodos para desenredar el funcionamiento interno de los algoritmos del futuro. Incluso si se desarrolla una automatización que sea capaz de detectar discriminación y otros malos resultados, parece probable que la supervisión humana aún sea necesaria, tanto dentro de las empresas como por parte de los reguladores.
El uso de big data y algoritmos traerá nuevos productos y servicios, pero también traerá algunas preocupaciones nuevas. Aún no está claro qué impacto tendrán los cambios que anticipamos de la tecnología en el acceso al capital para los mercados tradicionalmente desatendidos. En el pasado, las mujeres y las minorías han luchado para encontrar prestamistas dispuestos. La esperanza es que con mercados más eficientes y nuevas fuentes de datos, los prestatarios más solventes de los segmentos subatendidos del mercado obtendrán préstamos. Sin embargo, los algoritmos de "caja negra", donde las fórmulas no están abiertas para revisión, podrían llevar a más discriminación, no menos.
Una forma de adelantarse a estas preocupaciones es recopilar los datos reales sobre el acceso al capital en el mercado de las pequeñas empresas. Las métricas más relevantes serían los datos de originación de préstamos por tamaño de préstamo y por tipo de propietario de pequeña empresa. La Sección 1071 de la Ley Dodd-Frank, la ley que requiere esta recopilación de datos, se aprobó después de la crisis financiera, pero aún no se ha implementado. Puede haber más innovación si hay una manera de seguir los resultados del mercado. La recopilación de esta información y su uso para identificar y corregir las brechas en el mercado es un elemento fundamental de un mercado de crédito para pequeñas empresas altamente funcional, y solo se volverá más esencial a medida que la inteligencia artificial se convierta en una parte integral de las decisiones de préstamo.
Adaptado de Fintech, Small Business & American Dream (Palgrave Macmillan, marzo de 2019)
Karen Mills es investigadora principal de Harvard Business School y Harvard Kennedy School, centrada en la competitividad, el espíritu empresarial y la innovación. Fue miembro del Gabinete del Presidente Obama, que se desempeñó como Administrador de la Administración de Pequeños Negocios de los Estados Unidos de 2009 a 2013.
Espíritu emprendedor
Harvard Business Review
En una mañana de jueves a las 5:30 AM, Alex tomó un sorbo de su café con leche y sus codos sobre el mostrador de servicio. Cada día a esta hora, la luz del sol a través de la ventana delantera cubría su cafetería y ella disfrutó de unos momentos de paz y tranquilidad antes de que comenzara la hora de la mañana. Con 30 minutos de sobra antes de acorralar a sus baristas para su charla matutina (y un trago de café expreso), abrió su iPad y levantó su asistente más valioso: el panel de control de su pequeña empresa. En segundos, el asesor de suministros de Alex revisó sus cuentas, historiales de ventas y gastos, pronósticos del clima local, información de eventos y datos de turismo pasados, y le dijo que necesitaría cinco nuevos juegos de filtros y 1,000 vasos de plástico para la próxima semana. Los ordenó a Amazon con un solo toque.
Alex también sabía que la tienda necesitaba una nueva máquina de espresso, pero ella la había estado posponiendo por más de un mes. Con los ahorros en su cuenta, podría pedir la nueva máquina ahora o hacer un pago del préstamo a plazo que había sacado hace dos años para iniciar el negocio. Si continuaba posponiendo un reemplazo, la máquina podría romperse en cualquier momento, y el espresso fue el segundo producto más vendido en el menú (después del café helado). Por otro lado, casi había terminado de pagar su préstamo, y postergar un mes más agregaría interés.
Alex le pidió consejo a su robo-consejero. "Usted puede hacer ambas cosas", informó. "Dadas las ventas esperadas para el mes, parece que podrá usar sus ahorros para pagar el préstamo y poner la máquina de café expreso en su tarjeta de crédito, que tiene un crédito disponible de $ 3,500. Cuando el pago con tarjeta de crédito vence en 30 días, tendrá el efectivo para pagarlo, según las proyecciones de ventas actuales ”. Con un solo toque, Alex compró la máquina de café expreso. Después de la conversación matinal con su personal, ella abrió las puertas para el día, confiada en hacia dónde se dirigía su pequeña empresa.
Al final del día, cuando Alex se estaba cerrando, su robot le recordó que era el 1 de junio y que pronto se pagarían los impuestos trimestrales. Por un momento se preocupó de haber pasado por alto sus pagos de impuestos al comprar la nueva máquina de espresso, pero luego el robot dijo: "No te preocupes". Sus pagos de impuestos estimados ya se han contabilizado en sus proyecciones de efectivo para junio ”. Finalmente, con unos pocos toques y tragos más, se estableció la nómina del viernes, se hicieron deducciones de atención médica de los cheques de pago de sus empleados y los impuestos estaban listos para archivar.
La historia de Alex es ficticia, pero apunta hacia el potencial de la tecnología y específicamente de la inteligencia artificial para ayudar a los empresarios y mejorar las pequeñas empresas que manejan. No se equivoquen: estas tecnologías ya están cambiando de negocio y, hasta ahora, parecen proporcionar una ventaja a las grandes empresas. La pregunta es si pueden diseñarse y adoptarse para ayudar a las pequeñas empresas, no solo a las empresas gigantes, y en ese frente tengo esperanzas.
A medida que la tecnología abre las puertas a grandes cantidades de datos, surgen oportunidades para crear nuevas perspectivas sobre la salud y las perspectivas de una pequeña empresa. La información obtenida a partir de estos datos tiene el potencial de resolver dos problemas de definición que han enfrentado los prestamistas y prestatarios en el sector: la heterogeneidad: el hecho de que todas las pequeñas empresas son diferentes, lo que dificulta la extrapolación de un ejemplo a otro, y la opacidad de la información, la De hecho, es difícil saber qué está pasando realmente dentro de una pequeña empresa.
Desde el punto de vista de un prestamista, cuanto más pequeño es el negocio, más difícil es saber si el negocio es realmente rentable y cuáles podrían ser sus perspectivas. Muchos propietarios de pequeñas empresas no tienen un gran sentido de su flujo de efectivo, las ventas que podrían realizar, cuándo pagarán los clientes o qué necesidades de efectivo podrían tener en función de la temporada o de un nuevo contrato. Las pequeñas empresas tienen un búfer de efectivo bajo, por lo que un error de cálculo, un retraso en el pago o incluso un rápido crecimiento podrían causar una crisis de efectivo potencialmente mortal.
Pero, ¿qué pasaría si la tecnología tuviera el poder de hacer que el propietario de una pequeña empresa fuera mucho más sabio con respecto a su flujo de efectivo y también a un prestamista? ¿Qué pasaría si los nuevos productos y servicios de préstamos facilitaran la predicción rápida y precisa de la solvencia crediticia de una pequeña empresa, al igual que el puntaje crediticio personal de un consumidor ayuda a los bancos a predecir la solvencia crediticia para préstamos personales, tarjetas de crédito e hipotecas? ¿Qué pasaría si el propietario de una pequeña empresa tuviera un panel de control de sus actividades comerciales, incluidas las proyecciones de efectivo y las perspectivas de ventas y tendencias de costos que les ayudaron a tejer una imagen de principio a fin de la salud financiera de su empresa? ¿Qué pasaría si este panel les ayudara a comprender todas las opciones de crédito para las que calificaron hoy y qué acciones podrían tomar para mejorar su calificación crediticia con el tiempo? Y aún mejor, ¿qué pasaría si el tablero de instrumentos, que reúne el poder predictivo del aprendizaje automático acumulado a partir de los datos de miles de propietarios de negocios en industrias similares, podría ayudar a un propietario de negocios a evitar tendencias peligrosas o peligros?
Además, a medida que las máquinas aprenden a identificar quién es más probable que incumplan sus préstamos, el riesgo de discriminación y exclusión se vuelve significativo. Lo más preocupante es la idea de que estas decisiones serán tomadas por una "caja negra"; nadie sabría exactamente qué atributos de datos estaba usando la máquina para hacer recomendaciones o decisiones. Una máquina puede identificar un factor de riesgo que correlaciona fuertemente con la raza, el género o las características de otras clases protegidas y, a menos que las reglas explícitas lo impidan, lo incluyen como un factor de precios. En términos más generales, los algoritmos sofisticados que funcionan excepcionalmente bien en algunas dimensiones estrechas, pero que carecen de intuición y conocimiento de la situación podrían crear problemas graves.
Los modelos de caja negra pueden ser incomprensibles, pero eso no significa que no puedan ser auditados. Tanto las empresas como los reguladores deberán desarrollar nuevos métodos para desenredar el funcionamiento interno de los algoritmos del futuro. Incluso si se desarrolla una automatización que sea capaz de detectar discriminación y otros malos resultados, parece probable que la supervisión humana aún sea necesaria, tanto dentro de las empresas como por parte de los reguladores.
El uso de big data y algoritmos traerá nuevos productos y servicios, pero también traerá algunas preocupaciones nuevas. Aún no está claro qué impacto tendrán los cambios que anticipamos de la tecnología en el acceso al capital para los mercados tradicionalmente desatendidos. En el pasado, las mujeres y las minorías han luchado para encontrar prestamistas dispuestos. La esperanza es que con mercados más eficientes y nuevas fuentes de datos, los prestatarios más solventes de los segmentos subatendidos del mercado obtendrán préstamos. Sin embargo, los algoritmos de "caja negra", donde las fórmulas no están abiertas para revisión, podrían llevar a más discriminación, no menos.
Una forma de adelantarse a estas preocupaciones es recopilar los datos reales sobre el acceso al capital en el mercado de las pequeñas empresas. Las métricas más relevantes serían los datos de originación de préstamos por tamaño de préstamo y por tipo de propietario de pequeña empresa. La Sección 1071 de la Ley Dodd-Frank, la ley que requiere esta recopilación de datos, se aprobó después de la crisis financiera, pero aún no se ha implementado. Puede haber más innovación si hay una manera de seguir los resultados del mercado. La recopilación de esta información y su uso para identificar y corregir las brechas en el mercado es un elemento fundamental de un mercado de crédito para pequeñas empresas altamente funcional, y solo se volverá más esencial a medida que la inteligencia artificial se convierta en una parte integral de las decisiones de préstamo.
Adaptado de Fintech, Small Business & American Dream (Palgrave Macmillan, marzo de 2019)
Karen Mills es investigadora principal de Harvard Business School y Harvard Kennedy School, centrada en la competitividad, el espíritu empresarial y la innovación. Fue miembro del Gabinete del Presidente Obama, que se desempeñó como Administrador de la Administración de Pequeños Negocios de los Estados Unidos de 2009 a 2013.
No hay comentarios:
Publicar un comentario