Los cuatro desafíos que enfrentan los líderes de IA
Los equipos de expertos en IA y sus productos están por todas partes. Se trata de un cambio radical que requiere competencias de liderazgo con carácter holístico.
El diseño de soluciones basadas en la inteligencia artificial (IA) ha revolucionado una gran variedad de sectores industriales. Al emular las capacidades de predicción, clasificación y resolución de problemas a través de datos obtenidos de seres humanos, ha incrementado de manera exponencial el nivel de automatización en campos como la medicina, la movilidad y la manufactura, ámbitos en los que las máquinas pueden realizar con más rapidez las mismas tareas que las personas. Ya hemos visto las primeras versiones de vehículos sin conductor, chatbots de atención al cliente, inversores virtuales e incluso servicios automáticos de escritura y apoyo al aprendizaje.
Todo apunta a que la IA no tardará demasiado en incluirse en aquellas tareas realizadas hasta ahora solo por personas. Para muchos, esto es una fuente de preocupación, pues se dice que, en el mundo del trabajo de los próximos años, las máquinas van a reemplazar progresivamente a los seres humanos.
Al mismo tiempo, resulta bastante irónico que, precisamente por esta razón, la IA requiera nuevas competencias que ni la tecnología ni los líderes de perfil tradicional poseen. El futuro traerá consigo la colaboración entre la IA y los seres humanos, todo con el fin de sacar el máximo partido a las capacidades de estos equipos.
Por lo general, ser un líder implica contar con habilidades sociales e interpersonales de las que carecen las máquinas. Es poco probable que lleguemos a ver a robots, por dar algunos ejemplos, entrenar a algún equipo de la NBA, aparecer como CEO en la lista Fortune 500 o liderar un pelotón de soldados. En términos generales, la IA no sirve para tomar la clase de decisiones lógicas y holísticas que permiten organizar y motivar a los miembros de un equipo para que cumplan un objetivo común y den lo mejor de sí mismos. En ese sentido, los mejores expertos en IA se encuentran con sus propios desafíos.
Estos son los cuatro mayores obstáculos a los que se enfrenta los líderes vinculados a la inteligencia artificial:
1. Empezar «desde abajo»
Históricamente, los profesionales de la tecnología han contribuido al desarrollo de su empresa durante siete o diez años (o incluso más) antes de ascender a otros cargos de mayor responsabilidad.
Hoy en día, la cosa ha cambiado.
Por un lado, los millennials y los miembros de la generación Z no se contentan con estar en el banquillo. Si creen que tienen más aptitudes o conocimientos que sus superiores, exigen más responsabilidades y se marchan si no las consiguen. Normalmente, tienen razón en que aportan mucho talento y capacidades.
La cuestión es que el mundo de la tecnología se encuentra en un proceso de cambio tan acelerado que muchos profesionales veteranos o de media carrera no pueden adaptarse a él. Mientras que estos empleados solo trabajan con lo que ahora se considera tecnología «clásica», la gente más joven adquiere con gran rapidez, ya desde el colegio, una cantidad enorme de conocimientos estrechamente vinculados a la inteligencia artificial.
Por otra parte, las personas que dirigen los equipos de profesionales de IA suelen ser bastante inexpertos en el ámbito empresarial. Aunque cuentan con los conocimientos técnicos necesarios para alcanzar el éxito, carecen de las ventajas que aporta la experiencia de años dedicados a observar las mejores estrategias de liderazgo en las organizaciones.
Considéralo una prueba de fuego (o pon cualquier otra metáfora). No estar a la altura perjudicará gravemente a los líderes de IA y sus empresas irán directas al fracaso.
2. Equipos multidisciplinares
Por naturaleza, las soluciones de IA necesitan equipos compuestos por personas con competencias muy diferentes. Es razonable que un líder emergente dirija un equipo de profesionales con conocimientos tecnológicos parecidos a los suyos, pero algo muy distinto es que tenga la capacidad de coordinar a científicos de datos, expertos en machine learning, informáticos, ingenieros sociales, etc.
Construir algo tan grande y complejo como un transbordador espacial requiere combinar el trabajo de ingenieros eléctricos, mecánicos y de control, pero incluso en algo tan específico los equipos de IA tienden a ser mucho más multidisciplinares.
Estas diez normas para implementar un sistema de IA en una compañía subrayan la importancia de tener equipos multidisciplinares con aptitudes complementarias:
- Entender las necesidades de los que usan la IA.
- Desarrollar una visión estratégica y una hoja de ruta claras para el sistema de IA.
- Fomentar las relaciones internas y externas del equipo de IA para fortalecerlo.
- Formar un equipo multidisciplinar y variado con competencias complementarias.
- Ampliar las capacidades del equipo a medida que evoluciona el mercado laboral.
- Demostrar una capacidad básica para la IA y, después, iterar.
- Identificar parámetros que se puedan medir.
- Verificar subcomponentes individuales y validar sistemas integrales de IA.
- Proteger el sistema de IA tanto físicamente como frente a ciberataques.
- Tener en cuenta los principios éticos de la IA.
El equipo, en conjunto, debe entender bien las necesidades del usuario/cliente. Debe empezar por ahí para definir los tipos de datos, técnicas de machine learning y necesidades en materia de informática que hacen falta para poder implementar el sistema de IA.
Esto lleva a que los líderes de estos equipos analicen el producto o servicio que ofrecen o desarrollan desde la perspectiva del sistema. En vez de centrarse en, por ejemplo, machine learning o data science, es posible que los líderes emergentes de la IA quieran examinar su trabajo desde una perspectiva más holística. Hay muchas formas de aprender acerca de los pormenores de los algoritmos y data science, pero no es tan fácil encontrar oportunidades para asimilar todos los sistemas integrales de IA y los desafíos que enfrentan sus líderes.
3. Retención del talento
Antes he dicho que los empleados más jóvenes dejarán un trabajo sin pensarlo si perciben que su aportación a la empresa es un desperdicio.
En absoluto se trata de una amenaza vacía.
El sector tecnológico tiene la tasa de rotación de trabajadores más alta de todos, con cerca un 13 % de dimisiones anuales. Hay incluso más oportunidades disponibles para empleados más especializados y con competencias más demandadas, incluidas las necesarias para contribuir de manera eficiente a los equipos de IA.
Que la tasa de rotación sea elevada puede obstaculizar el camino al éxito de los equipos de expertos en IA, sobre todo, cuando pierden a miembros valiosos en mitad de un proyecto importante. Motivar a estos profesionales con tanto talento a quedarse en sus puestos es uno de los mayores desafíos para este tipo de líderes.
4. Ética
Si diriges una empresa de automóviles, resulta bastante evidente cómo beneficiará tu producto a la sociedad: ayudará a la gente a desplazarse desde el punto A al punto B. Estas compañías siempre se esfuerzan por hacer que sus vehículos sean más seguros y modernos y, por supuesto, cada vez se producen más vehículos eléctricos y sin conductor (ahí está otra vez la IA, ¡está por todas partes!). Pero, sobre todo, un vehículo es un producto consolidado con beneficios consolidados.
En el caso de la IA, esto solo se aplica en parte.
En muchos sentidos, el sector tecnológico trata de predecir el impacto que tendrá la IA en la sociedad. Pero, además de las preocupaciones que ya he comentado, a mucha gente le inquietan los problemas de los vídeos deepfake o el uso del reconocimiento facial en temas de vigilancia, entre otras aplicaciones de la IA.
Muchos quieren trabajar en proyectos que vayan a resolver los problemas de la sociedad (o que al menos no creen problemas nuevos). Depende de los líderes llevar a sus empleados en una dirección que les haga sentirse orgullosos de lo que hacen.
Son desafíos enormes, pero se pueden superar. En mi clase, en MIT Professional Education, se aprende cuáles son los factores clave desde la perspectiva de la arquitectura de un sistema de IA integral. El programa aborda retos importantes que se plantean a la hora de desarrollar productos o servicios de IA. Como colofón, elaboramos un plan estratégico que sirve de guía para construir sistemas de IA.
Si los líderes de IA enfrentan y superan estos obstáculos desde el principio, tendrán acceso a todo su potencial.
Fuente: Machine Design
David R. Martinez
Co-instructor del programa de MIT Professional Education Engineering Leadership in the Age of AI. Es también associate head de la Division Cyber Security and Information Sciences de MIT Lincoln Laboratory. Su trabajo se centra en guiar a su organización por un camino de estrategia e innovación en las áreas de la inteligencia artificial orientada a la ciberseguridad, los sistemas ciberresilientes, el análisis de big data y el uso seguro de cloud computing.
