4 de las peores formas de usar la IA


Únase a Transform 2021 del 12 al 16 de julio. Regístrese para el evento de IA del año.


A medida que la pandemia acelera nuestra transformación digital, las empresas confían aún más en la automatización y, en particular, en la inteligencia artificial. Dos tercios de los directores ejecutivos encuestados por una gran empresa de consultoría el año pasado dijeron que utilizarán la IA con más frecuencia que antes para crear nuevos modelos de fuerza laboral. Un número aún mayor está planificando la digitalización de procesos, interacciones con clientes, modelos comerciales y fuentes de ingresos. Esta tremenda aceleración y reubicación seguramente conducirá a interrupciones masivas, dejando a las empresas, y en algunos casos incluso a las infraestructuras críticas, vulnerables a pérdidas a medida que las decisiones críticas se transmiten a la IA.

Como tecnólogo que ha construido plataformas y trabajado en las principales industrias donde la IA se usa ampliamente (como FinTech y atención médica), he visto de primera mano lo que sale mal cuando algunas de las empresas más grandes del mundo dejan que su IA haga su inteligencia. Basado en la exageración que rodea a la IA, parece que cualquier cosa puede mejorarse mediante el uso de algoritmos sofisticados que examinan masas de datos. Desde la optimización de la atención al cliente hasta la invención de nuevos perfumes y el entrenamiento de equipos de fútbol, ​​la IA parece ser un proveedor imparable de ventajas competitivas. Prácticamente todo lo que tienen que hacer los ejecutivos de la empresa es dejarlo ir y almorzar (preparado por un chef robot de inteligencia artificial). mientras observa cómo aumentan las ganancias de su empresa.

Desafortunadamente, vemos un mundo completamente diferente en lo que respecta a la ejecución, desde expectativas mal administradas hasta errores y errores extremadamente costosos. Con demasiada frecuencia, la IA no es la luz brillante para un futuro corporativo brillante, sino el ciego que conduce a los ciegos por el camino equivocado hasta que alguien se cae por un precipicio. Muchos de los responsables de la exageración en el mundo de la inteligencia artificial nunca han escrito una línea de código, y mucho menos han utilizado la inteligencia artificial en la producción. Incluso pocos desarrolladores tienen el incentivo de darle una dosis de realidad. Me complace compartir algunos de los defectos prácticos de la inteligencia artificial según mi propia experiencia y brindar una idea de lo que los tomadores de decisiones deben tener en cuenta.

Estas son algunas de las peores formas de usar la inteligencia artificial, como lo demuestran los fondos de cobertura, los bancos de inversión de Wall Street y las empresas de Fortune 100 hasta las nuevas empresas:

1.Toma decisiones basadas en datos incorrectos

La IA es excelente para encontrar patrones en grandes conjuntos de datos y predecir de manera eficiente resultados basados ​​en estos patrones y encontrar alfa no correlacionados (patrones ocultos en el conjunto de datos). Sin embargo, surgen problemas importantes cuando los datos incorrectos (o información atípica) se arrastran al conjunto de datos. En un ejemplo famoso, hubo un golpe militar en Tailandia a fines de la década de 2000, y el algoritmo detrás de un gran fondo interpretó ese golpe militar como un evento de mercado que acortó muchas acciones asiáticas y rápidamente perdió un valor en dólares de nueve dígitos.

Trabajé con un pequeño fondo de cobertura enfocado en el sector TMT (tecnología, medios, telecomunicaciones). Los fundadores procedían de una gran empresa financiera y trajeron consigo algunos programadores que habían trabajado en sistemas comerciales para REITS y el sector energético. Su objetivo era desarrollar un motor de análisis que los operadores de este nuevo fondo de cobertura centrado en TMT puedan usar para señalar ciertos eventos clave. El problema era que sus desarrolladores habían copiado y fusionado dos motores construidos para REITS y comercio de energía y estaban tratando de incorporar indicadores técnicos más relevantes para el sector TMT en este híbrido. Me llamaron al forense después de que se construyó porque el motor estaba dando resultados esporádicos e inconsistentes, y nos tomó un tiempo darnos cuenta de que los fundadores creían que su equipo había construido un nuevo motor diseñado específicamente para TMT que en realidad se construyó a partir de repuestos. . Aunque los tres sectores tienen indicadores técnicos similares, como la volatilidad implícita o el promedio móvil de 52 semanas, la IA es sensible y detallada y cada motor debe ajustarse.

Asegúrese de que su IA haga recomendaciones basadas en datos relevantes.

2. Cuando no entrena su IA correctamente

Puede alimentar su motor de inteligencia artificial con los datos correctos y hacer que escuche las respuestas correctas, pero hasta que no se pruebe en la naturaleza, no sabe qué va a hacer. Apresurarse para asumir más responsabilidades de las que están dispuestos a asumir es como enviar a un niño al mundo real: ninguno producirá buenos resultados.

Un cliente de un fondo de cobertura estaba interesado en la IA para el comercio cuantitativo. Habían contratado a un equipo externo para crear un modelo de prueba de concepto de un motor de inteligencia artificial, y mi equipo luego brindó servicios de consultoría para ese POC. Para construir un buen motor de IA para generar alfa (es decir, aumentar el ROI de las inversiones), necesita un gran conjunto de datos históricos que sea homogéneo. En el sector financiero, los registros de datos están estructurados en un formato de serie temporal y ofrecen puntos de datos con niveles de granularidad muy diferentes. En general, cuantos más puntos de datos haya en un conjunto de datos, mejor podrá detectar el motor los resultados futuros. Estos puntos de datos ayudan a un motor bien diseñado a identificar correlaciones de datos no lineales para facilitar las predicciones. Recomendamos que el cliente le dé al motor de IA más tiempo para procesar su conjunto de datos con el fin de hacerlo más homogéneo y no seguir las señales de precios actuales. Desafortunadamente no, y el POC estaba sobreajustado y tan finamente ajustado al conjunto de datos específico que no funcionó con datos nuevos e invisibles. En otras palabras, fue inútil con datos de mercado en vivo.

Dele tiempo a su IA para procesar y aprender nueva información.

3. Ignorar la responsabilidad humana en la toma de decisiones.

No importa para qué programes tu IA, no compartirá tus objetivos humanos ni sufrirá sus consecuencias. Así que hemos visto ejemplos tempranos de IA guiando a los primeros usuarios de GPS a un río o borrando información crítica para «minimizar» las diferencias en un conjunto de datos.

He visto más de una startup basada en la suposición de que los algoritmos de IA pueden aprender modelos de aprobación de préstamos y reemplazar al aprobador de préstamos al otorgar / denegar crédito. Sin embargo, si se le niega un préstamo, la ley federal requiere que un prestamista le diga por qué tomó esa decisión. El software no toma decisiones reales (solo identifica patrones) y no es responsable de las decisiones. La gente es. Con la ley federal que permite que las personas sean responsables de tomar decisiones crediticias, muchas de estas nuevas empresas quemaron fondos de capital de riesgo y luego no pudieron lanzarlos legalmente a los clientes porque la IA que desarrollaron estaba intrínsecamente sesgada. Cuando se negó a pedir prestado, nadie pudo explicar adecuadamente por qué se produjo la negativa.

Asegúrese de que las personas sean responsables de las consecuencias humanas.

4. Sobrestimar los datos

Algunos datos simplemente no se pueden usar para crear algo útil. Uno de nuestros clientes que no utilizó la IA fue una popular plataforma de diagnóstico médico con su propio lago de datos y una amplia gama de conjuntos de datos. La empresa propietaria había adquirido otra plataforma con su propio conjunto de registros aislados. Los ejecutivos querían echar un vistazo al desorden de los registros desconectados y necesitaban ayuda para atraer a los posibles clientes. El problema era que estos registros describían varios problemas / perfiles médicos y no era posible encontrar denominadores comunes de valor real. A pesar de toda la información recopilada, trabajar con los datos de este cliente fue como tener piezas de Lego que en realidad no estaban conectadas. El hecho de que sean iguales en muchos sentidos no significa que se puedan convertir en un castillo. Después de consultar con el cliente, recomendamos no realizar el proyecto.

Un desarrollador de bienes raíces quería que diseñáramos IA para comprender mejor las decisiones de construcción. Si pudiéramos recopilar suficientes datos de los listados de bienes raíces, podríamos ejecutar un análisis que informara sus decisiones sobre el diseño de sus nuevos desarrollos. El cliente esperaba que la información de la IA les dijera qué diseño sería el más óptimo en función de la ubicación del edificio. Por ejemplo, ¿el edificio debería tener un apartamento grande por piso o dividir el piso en tres apartamentos de un dormitorio? ¿Debería ser un edificio de uso mixto con comerciales en la parte inferior y alquiler de apartamentos? Después de recopilar datos de listados de bienes raíces de diferentes estados, trabajar en el análisis del conjunto de datos e interactuar con expertos en la materia, quedó claro que un algoritmo uniforme no funcionaría porque el mercado de bienes raíces está altamente localizado. La propiedad inmobiliaria en Midtown Manhattan East es ligeramente diferente de Midtown West, y Brooklyn es diferente de Queens, por no hablar del estado de Nueva York como un récord general. El gran número de conjuntos de datos era demasiado pequeño de forma independiente para producir un algoritmo de clasificación significativo, y el proyecto no se llevó a cabo.

En estos casos, las empresas reducen sus pérdidas, pero muchas otras siguen invirtiendo dinero en IA y profundizando en detalles que nunca están relacionados con sus objetivos.

Antes de construir un motor de IA, asegúrese de tener las piezas correctas.

¿Que hacemos ahora?

La IA puede ser el futuro de este mundo empresarial digital acelerado, pero en este momento gran parte de ella sigue siendo un mundo de exageraciones. Las organizaciones deberían considerar la IA, pero con una visión y comprensión en profundidad de lo que realmente está haciendo. Y deben desarrollar una perspectiva adecuada para cualquier iniciativa relacionada. Los tomadores de decisiones deben comprender la realidad de la IA, su potencial y los desafíos que plantea. Tenga una estrategia clara para cada proyecto potencial de IA teniendo en cuenta los datos disponibles, los cronogramas, los costos y las expectativas. Por lo general, los proyectos de inteligencia artificial exitosos brindan resultados a largo plazo en lugar de beneficios inmediatos.

En esencia, la IA es simplemente una inferencia; Puede ayudar a analizar grandes detalles, pero solo las personas pueden comprender el panorama general. Entendemos que nuestras decisiones como humanos tienen consecuencias (comerciales, legales, éticas), y darle a la IA rasgos humanos falsos es ocultar el hecho de que no piensa como nosotros. Los humanos pueden cometer más «errores» que la IA, pero también tenemos más poder para detectarlos. Así que mire la «inteligencia artificial», pero cuando piense en cómo usarla, asegúrese de que su propia inteligencia aún lidere el camino.

Ahmad Alokush es el fundador de la boutique de tecnología Ahmadeus, que asesora a ejecutivos, directores y administradores de fondos de nivel C sobre cómo las nuevas tecnologías pueden afectar su posición en el mercado y su rentabilidad general. También se ha desempeñado como experto en litigios relacionados con la tecnología.

VentureBeat

La misión de VentureBeat es ser una plaza de la ciudad digital para que los responsables de la toma de decisiones tecnológicas obtengan conocimientos sobre la tecnología y las transacciones transformadoras. Nuestro sitio web proporciona información importante sobre tecnologías y estrategias de datos para ayudarlo a administrar su negocio. Te invitamos a convertirte en miembro de nuestra comunidad y acceder a:

  • información actual sobre los temas de su interés
  • nuestros boletines
  • contenido privado de líderes de opinión y acceso con descuento a nuestros valiosos eventos, como Transformar 2021: Aprende más
  • Funciones de red y más

conviértete en miembro

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *