Las organizaciones que luchan por integrar soluciones de Inteligencia Artificial (IA) en sus negocios no están ni por mucho menos solas.
Una investigación conjunta entre MIT Sloan Management Review USA y The Boston Consulting Group, revela que pocas organizaciones entienden lo que se requiere para adoptar realmente a la IA.
Una investigación conjunta entre MIT Sloan Management Review USA y The Boston Consulting Group, revela que pocas organizaciones entienden lo que se requiere para adoptar realmente a la IA.
Category
📚
AprendizajeTranscripción
00:00Gracias, es un gran honor estar aquí y un privilegio poder compartir nuestra investigación sobre la adopción corporativa de la Inteligencia Artificial con ustedes hoy.
00:08Primero, un poco de contexto.
00:10Cualquier revolución tecnológica necesita al menos dos cosas.
00:14Tecnología con el potencial de radicalmente mejorar el estado de la arte.
00:18Dos, gente que pueda tomar ese potencial y convertirlo en realidad.
00:22Para lo que muchos llaman la revolución de la Inteligencia Artificial,
00:26¿cuál es la línea de corriente para que estas tecnologías se vean?
00:30¿De dónde van a venir?
00:32¿Y cuán rápido van a revolucionar la industria?
00:35Si van a hacerlo.
00:37Muchas instituciones serán responsables.
00:40Gobiernos, universidades, industria, asociaciones.
00:44Pero vamos a enfocarnos por un momento en las empresas.
00:47Ahora hay más de 2.000 empresas artificiales en el mundo.
00:52En 2011, 282 millones de dólares se invirtieron en las empresas artificiales.
00:58En 2016, ese número fue de 5 billones de dólares.
01:02Un aumento de 18 veces en 6 años.
01:05El capital corporativo es un gran jugador.
01:08Muchas grandes empresas tienen fondos de inversión que invierten en la Inteligencia Artificial.
01:12Amazon, Baidu, Bloomberg, Google, Microsoft, Salesforce, Samsung y Toyota.
01:18Estas 8 empresas publicamente anunciaron fondos de Inteligencia Artificial con cerca de 1 billón de dólares en capital.
01:25Si agregas a Baidu el fondo de Apollo, que se centra en las empresas de tecnología automovilística,
01:31es de más de 2 billones de dólares.
01:33Eso es solo de 2 empresas.
01:35Y estos son solo algunos de los fondos anunciados.
01:38Y, por supuesto, muchas empresas están haciendo grandes inversiones en Inteligencia Artificial sin tener un fondo dedicado a ello.
01:43Alibaba anunció en octubre que está invirtiendo 15 billones de dólares
01:47en una variedad de tecnologías relacionadas con la Inteligencia Artificial.
01:50Otras empresas simplemente invierten en desarrollar Inteligencia Artificial dentro de las paredes de su propia empresa.
01:55McKinsey estima que los totales de inversiones corporativas en Inteligencia Artificial en 2016
02:00fueron entre 26 y 39 billones de dólares.
02:04Eso es encima de las inversiones en años anteriores.
02:07Entonces, ¿a dónde van todas estas inversiones?
02:10De nuevo, considera las empresas.
02:13¿Dónde crees que hay más empresas de Inteligencia Artificial?
02:16¿Estos dos países?
02:19Canadá y Israel.
02:22Si te hubieras imaginado a los Estados Unidos, te hubieras equivocado.
02:27Mientras que los Estados Unidos tiene más empresas de Inteligencia Artificial que cualquier otra empresa en cualquier otro país,
02:32muchas otras están en China, Canadá y Israel.
02:36¿Por qué?
02:38China ahora tiene una política nacional para convertirse en un líder global en las tecnologías de Inteligencia Artificial en 2030,
02:43lo que significa grandes inversiones por el gobierno y el negocio en este sector.
02:48Política, inversiones, universidades, expertos corporativos,
02:52y enormes cantidades de datos que son accesibles a muchas organizaciones,
02:57todos apoyan el desarrollo de la Inteligencia Artificial en China.
03:00Canadá puede dar la clave a varios pioneros de la Inteligencia Artificial.
03:04Yoshua Bengio, de la Universidad de Montreal,
03:09es considerado por algunos como el dios del aprendizaje de máquinas.
03:13Hay muchos dioses del aprendizaje de máquinas.
03:15Él es considerado uno de ellos.
03:17Geoff Hinton, quien enseñó a Bengio,
03:19gestiona el equipo de cerebro de Google en Toronto
03:24y es una figura gigante en el campo de la Inteligencia Artificial.
03:27Muchas grandes empresas tecnológicas como Microsoft, Google, Facebook y Samsung
03:31están abriendo laboratorios de Inteligencia Artificial en Canadá
03:34para trabajar con estos profesores,
03:36sus estudiantes de graduación y las empresas.
03:40Para Israel, este maravilloso slide del analista Daniel Singer
03:44muestra muchas de las empresas de Inteligencia Artificial en Israel.
03:47Con su populación educada,
03:49infraestructura innovadora fuerte,
03:51experiencia profunda en la defensa y la seguridad cibernética,
03:54Israel tiene más empresas de Inteligencia Artificial que China.
03:59Pero el flujo de capital financiero en la industria de Inteligencia Artificial
04:03y la posibilidad de convertirse en la próxima empresa de unicornios
04:06tienen varios efectos en la alocación y el precio de los talentos de Inteligencia Artificial escasos.
04:14Globalmente, se estima que solo 10.000 personas
04:18pueden hacer las técnicas más avanzadas con Inteligencia Artificial
04:21y demuestra que demuestran lo que pueden hacer los profesores.
04:28Esto está causando un deslizamiento del cerebro en algunas universidades.
04:30Uber contrató a 40 personas del departamento de Inteligencia Artificial de Carnegie Mellon.
04:34Esto está causando una inflación en el salario.
04:36La gente pensaba que los científicos de datos eran sexy,
04:39pero la compensación de las siete figuras
04:41no es desconocida para los expertos de Inteligencia Artificial.
04:46El salario medio de DeepMind,
04:48una análisis mostró,
04:50es de 345.000 dólares.
04:52Eso es DeepMind de Google.
04:54Se centra el talento de Inteligencia Artificial actual
04:57en intereses comerciales existentes.
05:00Quiero volver a esto,
05:01pero los efectos a largo plazo de esto son desconocidos.
05:06La idea es que,
05:07mientras que muchos algoritmos de Inteligencia Artificial son oficiales,
05:10y se puede comprar sistemas de Inteligencia Artificial oficiales,
05:13muchas aplicaciones de Inteligencia Artificial requieren más datos
05:16que muchas empresas,
05:18especialmente las pequeñas y medias empresas.
05:21Esto es especialmente cierto en situaciones
05:23en las que la acuración o la relación
05:25debe estar en los altos porcentajes del 90% para ser efectiva.
05:29Los sistemas de Inteligencia Artificial,
05:31por sí mismos,
05:32son, en muchos,
05:33aunque no en todos los contextos,
05:34soluciones incompletas.
05:36Como ya mencioné,
05:38el talento de Inteligencia Artificial está concentrado,
05:40el desarrollo de talento de Inteligencia Artificial de alta calidad
05:43no está cumpliendo con la demanda,
05:44y hay un gran espacio de talento
05:46entre los que tienen Inteligencia Artificial y los que no.
05:49Entonces, debido a este contexto,
05:52¿qué esperaríamos
05:54de lo que realmente está sucediendo con la adopción de Inteligencia Artificial
05:56en el paisaje corporativo?
05:58MIT-SMR,
06:00junto con el grupo de consultorios de Boston,
06:02empezaron a explorar esta pregunta
06:03antes de este año.
06:06Acabamos de completar nuestro primer año de investigación
06:08en un programa de investigación de múltiples años.
06:12Observamos a 3.000 gestores de negocios
06:14de empresas en 21 industrias
06:16y 112 países.
06:19La mayoría de estos gestores
06:20eran de nivel director o más.
06:22Más de la mitad eran de fuera de los Estados Unidos.
06:25La mayoría de los gestores
06:26eran suscriptores de MIT-SMR.
06:29También entrevistamos a más de dos doce
06:31líderes de pensamiento y practicantes
06:34en este espacio.
06:36Para el estudio,
06:38usamos la definición de Inteligencia Artificial
06:39de la sección de inglés de Oxford.
06:42En gran parte, porque nuestro equipo de investigación
06:45no podía agregarse a una definición propietaria.
06:48Esta definición
06:49tiene problemas, por supuesto.
06:50No voy a leerla, pero...
06:51Algunos sistemas de inteligencia artificial
06:53son capaces de hacer tareas
06:54que los humanos no pueden hacer,
06:56como encontrar actividad fraudulenta
06:57en billones de recortes de transacciones.
06:59Así que, incluso esto
07:01tiene problemas.
07:03Pero esa es la única definición
07:04que agregamos a ese estudio.
07:08Uno de los resultados claves del reporte
07:10es que la adopción de la inteligencia artificial
07:12está en un estado inicio.
07:13Aún así,
07:1460 años después de que la inteligencia artificial
07:16fuese apoyada por el pionero de la inteligencia artificial,
07:18John McCullough.
07:19La realidad es
07:21que la mayoría de las empresas
07:22aún no han empezado.
07:2554% de ellos
07:26no tienen planes
07:28para adoptar la inteligencia artificial
07:29o tienen planes,
07:30pero aún no los han implementado.
07:32Solo 23%
07:33han llegado al punto
07:34en el que están usando la inteligencia artificial
07:35en los pilotes.
07:37Sólo 1 en 5
07:38han integrado
07:40la inteligencia artificial
07:41en algunos procesos y ofrecimientos.
07:44Sólo 1 en 20
07:45han integrado
07:46la inteligencia artificial
07:47en algunos procesos y ofrecimientos.
07:48Sólo 1 en 20
07:49han hecho eso extensivamente.
07:52Sólo 1 en 7
07:53de los respondientes del estudio
07:54han concluido
07:55que la inteligencia artificial
07:56está teniendo un gran efecto
07:57en sus organizaciones,
07:58ofrecimientos y procesos
07:59hoy en día.
08:01Así que
08:02escucharán muchas
08:03buenas anécdotas
08:04sobre los éxitos de la inteligencia artificial
08:05y estas son reales
08:06y son plenas,
08:08pero tenemos que tener cuidado
08:09de no generalizar
08:10demasiado
08:11de estos ejemplos.
08:12Hay un verdadero obstáculo
08:13en el camino
08:14de la adopción
08:15de inteligencia artificial
08:16y de la adopción
08:17de la inteligencia artificial.
08:18Algunos de estos
08:19son tecnológicos,
08:20algunos de estos
08:21involucran a la gente.
08:23Un problema
08:24es que todavía hay
08:25un nivel de maturidad
08:26bastante bajo
08:27en términos
08:28de la comprensión
08:29del gestor
08:30de lo que puede ser hecho
08:31con la aprendizaje de máquinas.
08:33Hablamos con
08:34Jacob Spalstra,
08:35que es director
08:36de Ciencia de Data
08:37en Microsoft.
08:39Nos dijo
08:40que un error que
08:41a menudo vemos
08:42es que las organizaciones
08:43no tienen los datos históricos
08:44necesarios
08:45para hacer
08:46las predicciones.
08:47Por ejemplo,
08:48nos llevarán a construir
08:49una solución de mantenimiento
08:50predictiva
08:51y luego descubriremos
08:52que hay muy pocos,
08:53si alguna,
08:54errores registrados.
08:56Se espera que la inteligencia artificial
08:57predique cuándo
08:58habrá un error,
08:59incluso si no hay
09:00ejemplos
09:01de los que aprender.
09:03Así que no hay cantidad
09:04de sofisticación
09:05algorítmica
09:06que compensará
09:07por la falta
09:08de datos.
09:09Pero incluso si
09:10tienes los algoritmos
09:11y tienes los datos,
09:12necesitas unir
09:13los datos
09:14de una manera estratégica.
09:15Hablamos con
09:16un vicepresidente
09:17ejecutivo
09:18de Wells Fargo
09:19y nos dijo
09:20sobre todos los
09:21diferentes usos potenciales
09:22de la inteligencia artificial
09:23que su organización tiene.
09:24Pero aún no están
09:25capaces de explotar
09:26ese potencial
09:27porque los datos
09:28están fragmentados
09:29en su organización
09:30como en muchas
09:31organizaciones grandes.
09:34Para él,
09:35el problema principal
09:36para la gran
09:37empresa
09:38es unir los datos
09:39de una manera estratégica.
09:44Pero incluso eso
09:45no es suficiente.
09:46Incluso si tienes
09:47los algoritmos
09:48y tienes los datos
09:49y se unen
09:50de la manera correcta,
09:51aún necesitas
09:52entrenar
09:53los algoritmos.
09:54Hablamos con
09:55el CIO
09:56de una gran
09:57empresa farmacéutica
09:58y nos dijo
09:59que los proveedores
10:00de inteligencia artificial
10:01nos proporcionan
10:02a niños muy jóvenes
10:03algoritmos
10:04sin entrenamiento
10:05y nos requieren
10:06darles muchas
10:07informaciones
10:08para que los
10:09aprendan.
10:10La cantidad
10:11de esfuerzo
10:12que nos dijo
10:13el CIO
10:14de la empresa
10:15de inteligencia
10:16artificial
10:17a los 12
10:18o 21 años
10:19aún no parece
10:20valiente.
10:21Nosotros creemos,
10:22dijo,
10:23que el jugo
10:24no vale
10:25la pena.
10:26Y un
10:27consultor
10:28de BCG
10:29que he oído
10:30hablar
10:31recientemente
10:32ataca
10:33los porcentajes
10:34al esfuerzo
10:35y el tiempo
10:36que toma
10:37hacer cada uno
10:38de estos pasos.
10:39Desarrollar
10:40los algoritmos,
10:41unir los datos
10:42y el tiempo
10:43que toma
10:44hacer cada uno
10:45de estos pasos.
10:46Así que
10:47muchos
10:48compañías
10:49aún necesitan
10:50entender
10:51las bases
10:52de la inteligencia artificial.
10:53No solo
10:54hacerlo,
10:55sino entender
10:56lo que
10:57necesita
10:58hacerlo.
10:59Menos de la mitad
11:00de los
11:01respondientes
11:02del surveyor
11:03acuerdaron
11:04que sus
11:05compañías
11:06entienden
11:07los procesos
11:08necesarios
11:09para entrenar
11:10algoritmos
11:11y que
11:12son 12 veces
11:13más probables
11:14de entender
11:15los procesos
11:16necesarios
11:17para entrenar
11:18algoritmos.
11:1910 veces
11:20más probables
11:21de entender
11:22los costos
11:23de desarrollo
11:24de productos
11:25y servicios
11:26basados
11:27en la inteligencia
11:28artificial
11:29que
11:30los que
11:31aún no
11:32han
11:33adoptado
11:34la inteligencia
11:35artificial.
11:36Parte
11:37de la razón
11:38de esta
11:39discrepancia
11:40es que la inteligencia
11:41artificial
11:42y la inteligencia
11:43artificial
11:44están
11:45caminando
11:46a muy
11:47diferentes
11:48velocidades
11:49para adoptar
11:50la inteligencia
11:51artificial
11:52incluso
11:53dentro
11:54de una
11:55industria.
11:56Vimos
11:57grandes diferencias
11:58entre los niveles
11:59de adopción
12:00de los
12:01grandes jugadores
12:02en la
12:03industria
12:04de la
12:05seguridad.
12:06Pero
12:07en todas las
12:08industrias
12:09se ven
12:10como
12:11mencioné
12:12pocos efectos
12:13de la
12:14inteligencia
12:15artificial
12:16en su
12:17negocio
12:18hoy.
12:19Eso es
12:20representado
12:21por la
12:22clúster
12:23en la
12:24parte
12:25izquierda
12:26de la
12:27pantalla.
12:28Pero
12:29los respondientes
12:30esperan que
12:31en cinco
12:32años
12:33la
12:34inteligencia
12:35artificial
12:36tendrá
12:37un
12:38gran
12:39efecto
12:40en las
12:41ofertas
12:42y los
12:43procesos
12:44comparados
12:45con los
12:46que
12:47hoy
12:48ven
12:49grandes
12:50efectos
12:51de la
12:52inteligencia
12:53artificial.
12:54En el
12:55reporte
12:56hablamos
12:57de dónde
12:58se
12:59encuentran
13:00estos
13:01efectos
13:02y lo
13:03hacemos
13:04por la
13:05actividad
13:06funcional
13:07de la
13:08inteligencia
13:09artificial.
13:10En el
13:11reporte
13:12hablamos
13:13de dónde
13:14se encuentran
13:15estos efectos
13:16y lo
13:17hacemos
13:18por la
13:19actividad
13:20funcional.
13:21En el
13:22reporte
13:23hablamos
13:24de dónde
13:25se encuentran
13:26estos
13:27efectos
13:28y lo
13:29hacemos
13:30por la
13:31actividad
13:32funcional.
13:33En el
13:34reporte
13:35hablamos
13:36de dónde
13:37se encuentran
13:38estos
13:39efectos
13:40y lo
13:41hacemos
13:42por la
13:43actividad
13:44funcional.
13:45En el
13:46reporte
13:47hablamos
13:48de dónde
13:49se
13:50encuentran
13:51estos
13:52efectos
13:53y lo
13:54hacemos
13:55por la
13:56actividad
13:57funcional.
13:58En el
13:59reporte
14:00hablamos
14:01de dónde
14:02se
14:03encuentran
14:04estos
14:05efectos
14:06y lo
14:07hacemos
14:08por la
14:09actividad
14:10funcional.
14:11En el
14:12reporte
14:13hablamos
14:14de dónde
14:15se
14:16encuentran
14:17estos
14:18efectos
14:19y lo
14:20hacemos
14:21por la
14:22actividad
14:23funcional.
14:24En el
14:25reporte
14:26hablamos
14:27de dónde
14:28se
14:29encuentran
14:30estos
14:31efectos
14:32y lo
14:33hacemos
14:34por la
14:35actividad
14:36funcional.
14:37En el
14:38reporte
14:39hablamos
14:40de dónde
14:41se
14:42encuentran
14:43estos
14:44efectos
14:45y lo
14:46hacemos
14:47por la
14:48actividad
14:49funcional.
14:50En el
14:51reporte
14:52hablamos
14:53de dónde
14:54se
14:55encuentran
14:56estos
14:57efectos
14:58y lo
14:59hacemos
15:00por la
15:01actividad
15:02funcional.
15:03En el
15:04reporte
15:05hablamos
15:06de dónde
15:07se
15:08encuentran
15:09estos
15:10efectos
15:11y lo
15:12hacemos
15:13por la
15:14actividad
15:15funcional.
15:16En el
15:17reporte
15:18hablamos
15:19de dónde
15:20se
15:21encuentran
15:22estos
15:23efectos
15:24y lo
15:25hacemos
15:26por la
15:27actividad
15:28funcional.
15:29En el
15:30reporte
15:31hablamos
15:32de dónde
15:33se
15:34encuentran
15:35estos
15:36efectos
15:37y lo
15:38hacemos
15:39por la
15:40actividad
15:41funcional.
15:42En el
15:43reporte
15:44hablamos
15:45de dónde
15:46se
15:47encuentran
15:48estos
15:49efectos
15:50y lo
15:51hacemos
15:52por la
15:53actividad
15:54funcional.
15:55En el
15:56reporte
15:57hablamos
15:58de dónde
15:59se
16:00encuentran
16:01estos
16:02efectos
16:03y lo
16:04hacemos
16:05por la
16:06actividad
16:07funcional.
16:08En el
16:09reporte
16:10hablamos
16:11de dónde
16:12se
16:13encuentran
16:14estos
16:15efectos
16:16y lo
16:17hacemos
16:18por la
16:19actividad
16:20funcional.
16:21En el
16:22reporte
16:23hablamos
16:24de dónde
16:25se
16:26encuentran
16:27estos
16:28efectos
16:29y lo
16:30hacemos
16:31por la
16:32actividad
16:33funcional.
16:34En el
16:35reporte
16:36hablamos
16:37de dónde
16:38se
16:39encuentran
16:40estos
16:41efectos
16:42y lo
16:43hacemos
16:44por la
16:45actividad
16:46funcional.
16:47En el
16:48reporte
16:49hablamos
16:50de dónde
16:51se
16:52encuentran
16:53estos
16:54efectos
16:55y lo
16:56hacemos
16:57por la
16:58actividad
16:59funcional.
17:00En el
17:01reporte
17:02hablamos
17:03de dónde
17:04se
17:05encuentran
17:06estos
17:07efectos
17:08y lo
17:09hacemos
17:10por la
17:11actividad
17:12funcional.
17:13En el
17:14reporte
17:15hablamos
17:16de dónde
17:17se
17:18encuentran
17:19estos
17:20efectos
17:21y lo
17:22hacemos
17:23por la
17:24actividad
17:25funcional.
17:26En el
17:27reporte
17:28hablamos
17:29de dónde
17:30se
17:31encuentran
17:32estos
17:33efectos
17:34y lo
17:35hacemos
17:36por la
17:37actividad
17:38funcional.
17:39En el
17:40reporte
17:41hablamos
17:42de dónde
17:43se
17:44encuentran
17:45estos
17:46efectos
17:47y lo
17:48hacemos
17:49por la
17:50actividad
17:51funcional.
17:52En el
17:53reporte
17:54hablamos
17:55de dónde
17:56se
17:57encuentran
17:58estos
17:59efectos
18:00y lo
18:01hacemos
18:02por la
18:03actividad
18:04funcional.
18:05En el
18:06reporte
18:07hablamos
18:08de dónde
18:09se
18:10encontran
18:11estos
18:12efectos
18:13y lo
18:14hacemos
18:15por la
18:16actividad
18:17funcional.
18:18En el
18:19reporte
18:20hablamos
18:21de dónde
18:22se
18:23encuentran
18:24estos
18:25efectos
18:26Creo que todos tenemos experiencia con imágenes capturadas.
18:29Tenemos un robot que puede decir que no es un robot y engañar al sistema.
18:34Literalmente tengo nervios sobre lo que está viendo
18:37y que viene más temprano de lo que pensaba.
18:41Pero hay una gran pregunta de tiempo.
18:43¿No es una locura pensar que el mayor impacto de la inteligencia en la industria
18:48ocurrirá cuando la inteligencia sea usada para aumentar la descubierta científica?
18:54Ayudar a los mentes más brillantes en la ciencia y la matemática
18:57a resolver los problemas intractables de hoy.
19:00Los problemas de los milenios en la matemática,
19:02la teoría de la gran unificación en la física.
19:05No tengo ni idea de qué nuevas industrias podrían ser creadas con la inteligencia.
19:09O cuándo.
19:11La inteligencia está siendo más y más usada por los científicos para la ciencia
19:19y los sistemas de inteligencia están mejorando en tomar las SAT.
19:23Sí, hay programas que están intentando que la inteligencia tome las SAT
19:26y obtenga los 800.
19:29Están en los 500 en este momento.
19:31Pero más asociaciones entre el campo de la inteligencia y las ciencias
19:34ayudarían a acelerar la creación de nuevas industrias.
19:38Espero que la nueva generación de expertos de la inteligencia
19:41persigan las aplicaciones comerciales,
19:43pero no a los costes de apoyar la investigación básica.
19:47Si no, nuevas industrias no podrían aparecer
19:51antes de que el desastre laboral
19:53cause un nuevo tipo de revolución.
19:56Gracias.