El avance de la Inteligencia Artificial

El crecimiento de esta tecnología, que se acelera, madura, se vuelve más accesible y fácil de implementar según Guillermo Treister (IBM).

A partir de una investigación de mercado encargada por IBM, cuya información saliente revela que la adopción de la Inteligencia Artificial (IA) creció de forma constante en todo el mundo, desde Neurona BA dialogamos con Guillermo Treister, Ejecutivo de Ventas de Aplicaciones de Inteligencia Artificial Watson para América Latina en IBM, quien confirmó que en Argentina, la adopción de IA es impulsada por los avances que la hacen más accesible para las empresas (44%), así como la necesidad de reducir costos y automatizar procesos clave (44%). Una entrevista que avanza sobre los mitos en IA, las mejoras que propone y los talentos, entre otras temáticas.

¿Qué se propone, desde la empresa, para propiciar la adopción de IA?

Las empresas están tomando distintos caminos en la adopción de la inteligencia artificial (IA) en sus procesos. Y en este sentido es vital atacar a los principales inhibidores que existen sobre el tema, y que hoy están representados por la falta de conocimiento y la falta de herramientas que sean más sencillas de adoptar. Hay un mito, con respecto a la IA, de que es una caja negra que no se puede controlar, que no permite saber la información que entrega como resultado y apreciaciones de ese tipo. Por ello, nuestro trabajo con empresas y organizaciones tiene que ver con desmitificar eso, mostrar su valor y demostrar que, al final, hay algo tangible que lo sustenta, porque por detrás hay mucha matemática y estadística. Y como queremos romper esa barrera, trabajamos en que cada día sea más fácil de usar.

¿Cómo lo logran?

Hoy casi todo lo que se puede hacer en base a IA con IBM es en línea low code no code applications. Quien quiera aplicar IA en su organización no tiene que saber codificar sino saber qué proceso quiere mejorar u optimizar, y que tenga una gran escalabilidad, que no dependa de que se tenga que contratar, de la noche a la mañana, a un “ejército” de empleados que aumente, por ejemplo, en un 50% la fuerza de trabajo. Lo primero es encontrar un proceso, y al hacerlo tangible, es nuestra responsabilidad trabajar en conjunto para bajar la aprensión a la aplicación de IA y las dificultades que pudieran tenerse o percibirse. En mi caso particular, en Latinoamérica buscamos acortar esa brecha de implementación.

¿Se tiene conciencia de la transformación que significa un asertivo uso de la IA?

Lo primero que viene a la cabeza de la gente que no sabe sobre IA es Skynet, una IA capaz de controlar un arsenal militar con independencia de los humanos. O sea, más que la conciencia de la transformación es el miedo en primer término. Y después, ciencia ficción, en el sentido de que no se sabe qué hace esa IA, que podría hacer algo, pero no se sabe si se podrá controlar. Esos son algunos mitos que nos toca matar y aterrizar. Creo que el segundo está muy presente en Latinoamérica. En Argentina es la típica frase: “eso es para el primer mundo, Estados Unidos, Europa; acá es distinto, nos tenemos que arreglar con menos recursos”.  Y, la verdad es que no es así, sobran los ejemplos. Hoy uno de los grandes avances que tiene la tecnología de IA en general, y en particular la de IBM, es la capacidad de entendimiento de lenguaje natural. Cuesta bastante romper el paradigma respecto de lo que estaba antes, pero hay que tener en cuenta que cuando se hace una máquina que hable, se la va programando de acuerdo con una serie de condiciones.

¿Cómo explicás el entendimiento del lenguaje natural de las máquinas?

Hoy lo que una máquina puede hacer en IA es entender que si se le pregunta si está lloviendo o cómo va a estar el clima hoy, la intención en ambas preguntas es la misma. Quien pregunta quiere saber acerca del clima y no es que la máquina tenga una respuesta prefijada, sino que como la IA habla lenguaje natural, entiende español, entiende lo que se le va a decir. Entonces, como la máquina entiende la pregunta, entregar la respuesta es bastante fácil, no es el problema. Un ejemplo de esto es un trabajo que estamos haciendo, relevante a nivel mundial, con una de las telefónicas más importantes de Brasil. Implementamos IA, en nuestro caso es IBM Watson quien contesta el teléfono, que entiende, hoy, el 97% de las preguntas que le hacen, inclusive con casos de llamados que tienen mucho ruido de fondo y si se le pregunta algo específico, deriva a un agente humano. Este tipo de contestaciones a preguntas básicas de información, puede ser aplicado, por ejemplo, por entes gubernamentales

¿Algún otro ejemplo que puedas compartir?

Durante la pandemia tuvimos un ejemplo acerca de cómo la escalabilidad fue la oportunidad de hacer algo que, si no se hacía con IA, no se hacía. En 2020 todas las instituciones de salud estuvieron desbordadas con el tema de la vacunación.  En Estados Unidos trabajamos en conjunto con una cadena farmacéutica que repartía las vacunas allí y el hecho generó un gran movimiento de información, ya que se esperaba recibir 600 millones de llamados de personas que querían saber dónde vacunarse, cuándo, dónde, qué contraindicaciones tenía la inoculación y mucho más. Con esas cifras no había forma de que operadores humanos pudieran responder, con información actualizada, uniforme y confiable a semejante demanda. Entonces con las llamadas relativas al COVID pudieron hacer que casi el 70% de las llamadas las tomara Watson y no tuvieran que pasar a un humano.

¿Es trazable la implementación de IA?

Hoy está en boga el tema de la trazabilidad de estos modelos. Nosotros hablamos de trustworthy, una IA que sea confiable desde el punto de vista de la trazabilidad. Es decir, saber que si la IA toma una decisión, que se sepa de dónde viene esa información para saber por qué tomó esa decisión, y la pueda justificar. Y esto se conecta con otro concepto que está de moda, y es el famoso sesgo Por ejemplo, cómo saber si una máquina de IA tuvo en cuenta información real o sesgada para tomar la decisión de pre aprobar un crédito por el banco. La preocupación de los CEOs por aplicar IA, es a partir de saber si esa IA no está sesgada y es confiable para ponerla al servicio de la gente. Tiene que haber una trazabilidad, que muestre que hay un gobierno detrás de eso, que toda respuesta entregada puede ser trazable, medible y auditable.

¿Cómo es la relación entre talento e IA?

Creo que la brecha se está acortando. Por un lado, las herramientas que nos permiten implementar la IA se tienen que volver más sencillas, y lo están haciendo. Por otro lado, la curva de entrenamiento debe ser más chica para que la forma de entenderlo y adoptarlo sea más sencilla y en eso los vendors tenemos una gran responsabilidad en esta especie de “evangelización”. Hubo mucha evolución en los últimos 10 años, ya no hace falta un PHD en Matemática para poder trabajar en IA, por así decirlo. Hacemos mucha capacitación, trabajamos con iniciativas escolares (colegios, institutos, universidades) para acercar este tipo de tecnologías, propiciar el desarrollo de profesionales especializados y achicar esa barrera del conocimiento. Se habla mucho de los científicos de datos y la verdad es que hay muy pocos, por eso tratamos de acortar esa brecha.

¿Acortar la brecha y ampliar los cambios positivos en otras disciplinas?

Sí, claro. De hecho, algo que me encanta es ver los cambios positivos que podemos hacer en la vida de la gente. Por ejemplo, en la detección precoz de la diabetes ocular, que se descubre con un examen de retina, no sería necesario que en primera instancia intervenga un oftalmólogo especialista, sino que el primer procedimiento podría hacerlo cualquier médico. Luego la imagen se analizaría a través de IA, y esta tomaría la decisión -no experta del especialista oftalmólogo- de descartar los casos obvios, que suelen representar el 90% de los casos. Entonces, gracias a la IA se ahorra el 90% de los tiempos de oftalmólogos en el sistema público, y cuánta más gente se puede atender y efectuar la detección temprana de diabetes ocular, que puede tener mejor calidad de vida de tantas personas. En las áreas de salud e investigación la IA tiene un área gigante para expandirse e impactar positivamente.

PERFIL

Guillermo Treister es argentino, nacido en CABA, aunque hace más de 30 años que vive en Chile, donde también estudió Ingeniería en Computación. No obstante, a pesar de que hace tanto tiempo que vive en el país trasandino, asegura que sólo es hincha de River, “tengo una pasión muy arraigada por el fútbol y mi equipo”. Desde chico le gustó la matemática tal vez incentivado por su madre, profesora de esa materia en la secundaria, y la tecnología no le fue extraña nunca, ya que a sus 5 años ya había computadora en su casa, jugaba con el Atari y la Commodore y su hermano, que estudió un doctorado en Astronomía, ya hacía sus primeros programas. “Escuché de programación al mismo tiempo en que aprendí a escribir, así que interactuar con una máquina y ver el resultado se dio muy natural en mi vida”, sintetiza sobre su relación con la tecnología y sus primeros pasos.

Lleva más de 15 años trabajando en el mundo de la analítica y es un apasionado del tema, no solo desde el punto de vista técnico o académico, sino en cuanto a su aplicabilidad. Y tal vez por esa razón agregó a su formación un posgrado en Administración de Negocios. “Lo que más me gusta es tener conversaciones con personas para hacerles tangible el conocimiento de la inteligencia artificial, llevar los argumentos a algo que se pueda entender y se descubra el potencial que esta disciplina puede tener para generar un impacto positivo, en la vida, o en otras ciencias”, concluye.