El número de tecnologías cognitivas que podrían llegar a reducir la necesidad de mano de obra humana está aumentando rápidamente. Sin embargo, vincular estas soluciones a las necesidades empresariales de una organización exige una profunda comprensión de sus capacidades.
¿Cuán inteligentes son las máquinas inteligentes?
Business Review (Núm. 258) · Estrategia · Julio 2016
Management & Innovation (Núm. 7) · Estrategia · Julio 2018
Si la cultura popular es un fiel indicador de lo que piensa la gente, entonces da la sensación de que, de repente, todo el mundo se ha dado cuenta de la amenaza de las máquinas inteligentes. Varias películas recientes muestran robots con la temible capacidad de superar el pensamiento humano y manipularnos.
En la literatura económica también ha habido un incremento repentino del temor a unos niveles elevados de desempleo a medida que el software ha ido aumentando su capacidad de toma de decisiones. Sin embargo, los directivos con quienes hablamos no prevén que las máquinas vaya a sustituir a los trabajadores del conocimiento en un futuro cercano, sino que, en lugar de ello, prevén que la tecnología computacional añadirá mejoras al trabajo humano. Ante un conjunto de oportunidades cada vez mayor y en rápida evolución, su desafío consiste en determinar qué formas deberían adoptar estas mejoras. Teniendo en cuenta los tipos de trabajo que los directivos supervisan, ¿qué tecnologías cognitivas deberían aplicar ya, monitorizar atentamente o ayudar a desarrollar?
A modo de ayuda, hemos desarrollado un sencillo esquema que traza las tecnologías cognitivas a lo largo de dos dimensiones.
En primer lugar, el esquema advierte que estas herramientas difieren en su grado de autonomía a la hora de aplicar su inteligencia. En el nivel más bajo, se limitan a responder a las consultas e instrucciones humanas; en el nivel más alto (todavía teórico), las herramientas formulan sus propios objetivos.
En segundo lugar, el esquema refleja el tipo de tareas para las que se están usando las máquinas inteligentes, pasando del análisis numérico convencional a la realización de tareas digitales y físicas en el mundo real.
La gran cantidad de inputs y de tipos de datos de las tareas del mundo real hace que resulte más complejo para las máquinas llevarlas a cabo. Al juntar estas dos dimensiones, creamos una matriz donde podemos poner todas las numerosas tecnologías que componen lo que se conoce como "máquinas inteligentes". Más importante aún, esto ayuda a clarificar los límites actuales de la inteligencia de las máquinas y los próximos desafíos que los innovadores tecnológicos están intentando superar. Dependiendo del tipo de tarea cuya ejecución quiere rediseñar el directivo, este marco revela las diferentes formas en que dicha tarea podría realizarse autónomamente y los...
Julia Kirby
·
Editora y escritora. Autora, junto a Davenport, del libro Only Humans Need Apply: Winners and Losers in the Age of Smart Machines (HarperCollins).
Thomas H. Davenport
·
President’s Distinguished Professor of Information Technology and Management en el Babson College, profesor visitante en la Saïd Business School de Oxford y miembro de la MIT Initiative on the Digital Economy. Coautor de Working With AI: Real Stories of Human-Machine Collaboration (MIT Press, 2022)