Doxa 2100

La IA piensa de forma diferente a las personas. Por eso es importante.

Por Broma Felin y Matthias Holweg

IA generativa

Harvard Business Review

#Doxa #IA #generativa #patrones #tendencia #decisión #datos #líder #crecimiento #innovación #resonancia #herramienta #ideas #eficaz #estratégica #limites #resultado

Resumen. La IA generativa no es el oráculo estratégico que muchos afirman que es. Como cualquier otra forma de IA, es un espejo que refleja patrones, tendencias y decisiones del pasado. No puede abrir nuevos caminos de manera confiable ni generar soluciones verdaderamente novedosas, dado que se basa en datos preexistentes y probabilidades aprendidas. Pero hay tres formas en que los líderes pueden aprovechar la IA generativa para respaldar la toma de decisiones con visión de futuro que guíe a las organizaciones hacia el crecimiento y la innovación: como caja de resonancia, para explorar escenarios y como herramienta de generación de ideas. Para emplear eficazmente cualquier IA en la toma de decisiones estratégicas, es de vital importancia que los gerentes y líderes comprendan las limitaciones inherentes a la forma en que genera resultados.

La inteligencia artificial (IA) ha surgido como una fuerza transformadora que está reconfigurando los panoramas empresariales en todas las industrias. Si bien la IA generativa representa el último avance en este ámbito de la innovación tecnológica, se distingue por desafiar fundamentalmente los paradigmas tradicionales de toma de decisiones estratégicas. A diferencia de sus predecesoras, esta tecnología ofrece capacidades sin precedentes en el procesamiento del lenguaje y la generación de contenido, lo que permite a las organizaciones sintetizar información compleja, generar conocimientos matizados y acelerar la toma de decisiones con una precisión y una profundidad notables.

Sin embargo, esta visión encierra un error fundamental: la IA generativa no es el oráculo estratégico que muchos afirman que es. Como cualquier otra IA, es un espejo que refleja patrones, tendencias y decisiones del pasado. Para emplear eficazmente cualquier IA en la toma de decisiones estratégicas, es de vital importancia que los gerentes y líderes comprendan las limitaciones inherentes a la forma en que genera resultados.

Las limitaciones

La IA es excepcional en el reconocimiento de patrones establecidos y la optimización de procesos basados ​​en datos históricos. Es en este aspecto donde ha dejado su huella en las decisiones empresariales. Puede respaldar las decisiones crediticias al predecir los riesgos de impago con un alto grado de precisión; prevenir averías en las máquinas al iniciar el mantenimiento de los equipos antes de que se produzcan fallas; optimizar las decisiones de la cadena de suministro al adaptarse rápidamente a las circunstancias cambiantes; y resumir el contenido de los documentos con facilidad. La IA generativa agrega más capacidades a esta lista creciente: estudios recientes, por ejemplo, muestran que la IA ya puede generar y evaluar planes de negocios a un nivel equivalente al de los humanos.

En vista de los avances de la IA, algunos de sus defensores más destacados (entre ellos el difunto Daniel Kahneman) han llegado a afirmar que, siempre que sea posible, los seres humanos deberían ser reemplazados por algoritmos . Sin embargo, esta lógica tiene un fallo: por muy capaz que sea la IA, no puede abrir nuevos caminos ni generar soluciones verdaderamente novedosas, dado que se basa en datos preexistentes y probabilidades aprendidas.

Esto también se aplica a la IA generativa. Su resultado se basa en correlaciones aprendidas de datos anteriores. En esencia, su respuesta a cualquier indicación dada es una predicción basada en patrones estocásticos que la IA ha visto en sus datos de entrenamiento. Con una gran cantidad de datos con los que entrenar, esto funciona notablemente bien. Pero esto también da lugar a problemas bien documentados, como alucinaciones , inestabilidad de las indicaciones y problemas de corte de conocimiento . 

Pensemos en pedirle a una IA generativa que establezca la dirección estratégica de una empresa. Por defecto, replicará lo que ha visto en sus datos de entrenamiento y repetirá las características bien establecidas que ha aprendido. Este efecto también se puede ver experimentalmente. Si se entrena a los sistemas de IA generativa de forma recursiva sobre su propio resultado, su predicción colapsará en unas pocas generaciones. La razón es que reforzará las predicciones desde el centro de las respectivas distribuciones que ha aprendido, hasta el punto en que su resultado se vuelve completamente absurdo. Aún más preocupante es que, si se añade prosa adicional que es obviamente irrelevante para el mensaje original, su predicción se degradará considerablemente, ya que no puede discernir qué información del mensaje es realmente relevante.

Los sistemas de IA pueden ser muy fluidos, pero no son capaces de comprender el contexto ni de razonar. Sus conocimientos se basan únicamente en correlaciones. Como comentamos en un artículo reciente , los humanos tenemos una ventaja clave: podemos desarrollar intuiciones o teorías novedosas y ponerlas a prueba en el mundo real. Esto es de importancia crucial para la toma de decisiones estratégicas. Las mejores estrategias suelen “ir contra la corriente” de la sabiduría convencional. Empresas como Amazon, Southwest Airlines, Spotify, Tesla o Airbnb tuvieron éxito desafiando (no reforzando) los patrones establecidos en sus respectivos mercados. Una IA puede repetir lo que ha funcionado en el pasado basándose en sus datos de entrenamiento, pero no tiene forma de mirar hacia el futuro. Para ofrecer un ejemplo histórico, si a un sistema de IA hipotético de la época de los hermanos Wright se le hubiera preguntado sobre la plausibilidad del vuelo humano con un aparato más pesado que el aire, simplemente habría reflejado el consenso científico de la época que consideraba que esa forma de vuelo era imposible. El razonamiento y la resolución de problemas con visión de futuro de los hermanos Wright les permitieron hacer realidad lo impredecible.

Si bien la IA tiene sus límites, los seres humanos pueden aprovecharla de maneras muy útiles. Al utilizar la capacidad computacional de la IA para mejorar el criterio humano, en lugar de reemplazarlo, las organizaciones pueden aprovechar sus fortalezas y, al mismo tiempo, seguir confiando en la intuición, la creatividad y el razonamiento causal humanos para innovar y liderar en territorios inexplorados. Hemos identificado tres formas en las que los líderes pueden aprovechar la IA generativa de manera eficaz para respaldar la toma de decisiones con visión de futuro que guíe a las organizaciones hacia el crecimiento y la innovación.

1. Como caja de resonancia

Una característica clave de la IA generativa es su capacidad de producir contenido detallado en respuesta a instrucciones simples o indicaciones . Las indicaciones pueden diseñarse para que la IA adopte diferentes personajes, como segmentos de clientes, lo que permite el uso de la IA como caja de resonancia para las ideas. Se puede incitar a una IA a responder consultas desde varios ángulos o puntos de vista, sin estar limitada por el alcance o el dinero. Lo que antes requería grupos de discusión de clientes costosos y prolongados y proyectos de consultoría ahora se puede investigar mediante indicaciones deliberadas. El sistema de IA se convierte, en efecto, en un nuevo miembro del equipo, capaz de asesorar sobre las respuestas probables a preguntas dadas. Al alterar deliberadamente las indicaciones y los personajes, es posible utilizar la IA para generar una amplia gama de respuestas o resultados probables, de una manera que antes implicaba un tiempo y un costo considerables.

Pero debido a las limitaciones inherentes a la forma en que la IA genera contenido, los líderes deberían usar sus conocimientos como base para cuestionar las prácticas establecidas en lugar de validarlas a ciegas. La IA puede ser una caja de resonancia estratégica para explorar, cuestionar y expandir, pero no debe convertirse en una cámara de resonancia que confirme lo que ya se sabe.

2. Explorar escenarios

Cuando se enfrenta a un conjunto específico de opciones estratégicas, un sistema de IA generativa puede ayudar a definir cuáles podrían ser los resultados potenciales de cada una. Ordenarle que adopte un escenario determinado permite una investigación estructurada de escenarios hipotéticos. Los escenarios podrían ser escenarios predictivos típicos que utilizan el conocimiento actual para estimar situaciones futuras probables. Dado el conocimiento integral incorporado en los datos de entrenamiento de la IA generativa, también pueden incluir escenarios exploratorios que utilizan tendencias del presente para estimar la continuación plausible de estas tendencias en el futuro y escenarios normativos que esbozan una visión particular del futuro y las formas de llegar a él.

Sin embargo, en lugar de considerar la IA como una autoridad definitiva, los responsables de la toma de decisiones deberían tratar sus resultados como perspectivas provisorias que les permitan identificar patrones emergentes que desafíen el pensamiento convencional y buscar lo que podría faltar o estar mal representado.

Dado que los sistemas de IA generativa funcionan mejor en tareas más pequeñas y estrechamente definidas, al explorar preguntas complejas (del tipo que son inherentes a la creación de una estrategia), es mejor dividir los escenarios de interés en componentes más pequeños y generar respuestas para cada aspecto, antes de combinarlos en una sola solución.

3. Como herramienta de ideación

La creación de nuevos contenidos (texto, imágenes, vídeos y sonido) se ha convertido en el sello distintivo de la revolución de la IA generativa. La IA tiene dos ventajas en este sentido: puede generar contenidos rápidamente y a bajo coste, y puede combinar modalidades, como el uso de indicaciones de texto para generar imágenes o vídeos. Esta capacidad única la convierte en una gran herramienta para filtrar nuevas ideas y apoyar el proceso de desarrollo de productos . En esencia, las herramientas de IA generativa ofrecen la capacidad de ser un tablero de dibujo digital que trasciende todas las modalidades: texto, imágenes, vídeo y sonido.

Un punto que hay que recordar es que la IA puede generar contenido a un ritmo elevado. Sin embargo, la capacidad humana para examinar este contenido es limitada. Por lo tanto, más no siempre es mejor. En lugar de generar un conjunto recurrente de resultados aleatorios, es mejor ser directivo y elegir aspectos específicos de las vías a explorar. De manera similar al proceso de identificación de posibles compuestos activos en el descubrimiento de fármacos, el truco es comenzar con un amplio conjunto de opciones y luego reducirlo rápidamente eliminando las moléculas candidatas.

Avanzando: posicionando la IA como complemento estratégico

Para que la IA generativa sea una parte valiosa de la toma de decisiones y la estrategia con visión de futuro, los altos directivos deben verla como un complemento poderoso de la cognición humana. Es muy adecuada para proporcionar información basada en patrones y generar nuevos contenidos. Sin embargo, independientemente de lo capaz que sea la IA en el futuro, las fortalezas humanas (especialmente en el razonamiento causal y la toma de decisiones con visión de futuro) seguirán siendo esenciales para sortear la incertidumbre e inventar el futuro. El mecanismo subyacente de cualquier sistema de IA es la predicción, que le permite destacarse en la identificación de tendencias pasadas o existentes. Sin embargo, en última instancia, depende de los humanos imaginar direcciones completamente nuevas y establecer objetivos estratégicos que estén más allá de los límites de los datos conocidos.

Lea más sobre la IA generativa

Teppo Felin es profesor titular de Estrategia y Emprendimiento Douglas D. Anderson en la Huntsman School of Business de la Universidad Estatal de Utah y miembro asociado de la Saïd Business School de la Universidad de Oxford.

Matthias Holweg es profesor de Gestión de Operaciones de American Standard Companies y director del Programa de Inteligencia Artificial de Oxford en la Saïd Business School de la Universidad de Oxford