Estrategia de Implementación de Sistemas que Utilizan IA y su Impacto (2023)

Publicido originalmente in TechRxiv el 31 de octubre del 2023

DOI: 10.36227/techrxiv.24312889.v1

31 de octubre del 2023

Resumen: La Inteligencia Artificial (IA) ha surgido como una fuerza impulsora en la cuarta revolución industrial, automatizando tareas laborales y transformando varios sectores económicos. Aunque presenta oportunidades significativas para mejorar la eficiencia y la precisión, su implementación requiere una estrategia sólida y la gestión de desafíos éticos, como el sesgo algorítmico. La IA está revolucionando la ingeniería al optimizar diseños, identificar problemas de mantenimiento y mejorar la calidad del producto. Además, fomenta la toma de decisiones basada en datos y la innovación empresarial. Sin embargo, es esencial equilibrar su adopción con el desarrollo de habilidades humanas y consideraciones éticas para mantener una ventaja competitiva en un mundo en constante cambio.

Primer A. Autor, Ing. Spomenka Ubavkic de Angelov, MSIE, Apec University , Secundo B. Autor, Angelina Angelov, CLM, MBA

I. INTRODUCCIÓN

La Inteligencia Artificial (IA) está cada vez más presente en todos los sectores de la economía y la sociedad, y se anticipa que será una fuerza motriz detrás de la cuarta revolución industrial. Según el Foro Económico Mundial, casi la mitad de todos los trabajos podrían ser automatizados en un futuro cercano, mientras que el 60% de todos los trabajos tienen al menos algunas tareas que podrían ser automatizadas. Sin embargo, las nuevas tecnologías crearán empleos novedosos, y la participación de la fuerza laboral en el desarrollo, adopción e implementación de la IA puede llevar a sistemas más prácticos, innovadores y efectivos, resultando en un mejor equilibrio entre el trabajo y la vida personal.

II. Impacto en la Ingeniería

La Inteligencia Artificial ha estado en desarrollo desde la década de 1950, con sus formas más comunes siendo algoritmos y aprendizaje automático. Los avances recientes, impulsados por la disponibilidad de grandes cantidades de datos y el desarrollo de algoritmos de aprendizaje profundo, han permitido que los sistemas de IA puedan ver, escuchar, leer y analizar a gran escala, abriendo nuevas aplicaciones. La IA se utiliza ampliamente en casi todas las operaciones empresariales, y su adopción por parte de las organizaciones puede mejorar la eficiencia, la precisión y la rentabilidad. En recursos humanos, la IA se usa para automatizar procesos de selección, personalizar la integración de empleados, proporcionar cursos de formación específicos, apoyar el monitoreo de cumplimiento y evaluar el sentimiento de los empleados para predecir riesgos futuros potenciales. En finanzas, la IA se utiliza para monitorear el rendimiento organizacional, apoyar el comercio electrónico y tomar decisiones de financiamiento o crédito de manera más rigurosa mediante análisis de datos y modelos de predictibilidad. En el desarrollo empresarial, las decisiones de marketing y los servicios al cliente, la IA se utiliza para ofrecer ofertas personalizadas basadas en las preferencias del cliente.

El impacto en la ingeniería es enorme; está transformando cómo los ingenieros diseñan, analizan y optimizan sistemas. La IA puede ayudar a los ingenieros a optimizar diseños generando automáticamente miles de opciones diferentes y evaluándolas según criterios específicos, reduciendo significativamente el tiempo necesario para llegar al diseño óptimo y mejorar su rendimiento. La IA también se puede utilizar para analizar datos de sensores de máquinas y equipos, identificando posibles problemas antes de que ocurran, conocido como mantenimiento predictivo, lo que también puede ayudar a reducir significativamente los costos de mantenimiento. El proceso de monitoreo de los procesos de fabricación y la detección de defectos en tiempo real utilizando IA puede mejorar la calidad del producto y reducir la necesidad de retiradas o correcciones.

Las técnicas de inteligencia artificial pueden aplicarse a cualquier tipo de ingeniería u otros problemas. Ha sido definida como "la tarea de ingenierar una tecnología del pensamiento" por Tennant en 1986. Sin embargo, se ha descubierto que esta tecnología es más útil en problemas caracterizados por grandes cantidades de datos, a veces mal estructurados y a menudo incompletos. Dichos problemas son tradicionalmente abordados por expertos que, a través de un largo período de educación enfocada y experiencia comprometida, han adquirido una capacidad de memoria estructurada que puede utilizarse en el proceso deductivo.

El proceso de razonamiento en la mayoría de las disciplinas de resolución de problemas puede resolverse en un conjunto de reglas mediante las cuales grandes cantidades de datos pueden ser utilizados para resolver problemas o alcanzar objetivos. Por ejemplo, el estudio de factibilidad tiene componentes como "informe de ingeniería," "desglose de costos," y "diseño estructural." Una de las características más importantes de los sistemas es su capacidad para tomar decisiones razonadas sobre un curso de acción, selección de objetos o camino de razonamiento. Y una de las metodologías más exitosas en la inteligencia artificial es el uso de reglas para controlar el proceso de razonamiento y dirigir la adquisición de información del modelo de dominio. A medida que las tecnologías de IA continúan avanzando, el potencial para la innovación en ingeniería es ilimitado.

III. ESTRATEGIA DE INTELIGENCIA ARTIFICIAL (IA)

Una estrategia de Inteligencia Artificial (IA) es un plan que describe cómo una organización puede utilizar la inteligencia artificial (IA) para apoyar su estrategia corporativa general. Esto incluye aprovechar los datos disponibles en toda la organización para permitir un análisis y toma de decisiones más rápidos, así como identificar áreas específicas donde la IA puede ser utilizada para mejorar la eficiencia, la precisión y la rentabilidad.

Además, una estrategia para implementar la Inteligencia Artificial puede ayudar a las organizaciones a mantenerse competitivas en un entorno en constante evolución. Con la creciente disponibilidad de herramientas impulsadas por IA, las organizaciones que no adopten esta tecnología corren el riesgo de quedarse atrás en comparación con competidores que pueden ofrecer productos y servicios mejores y más eficientes.

Con respecto a la implementación de una estrategia de IA, uno de los primeros pasos es asegurarse de que las organizaciones alineen sus decisiones dentro de la estrategia general de transformación digital de la empresa. Fomentar una cultura de innovación y cambio dentro de la empresa es necesario para incorporar con éxito la IA en las operaciones. Además, preparar a la organización para el futuro definiendo su estado deseado a largo plazo y estableciendo objetivos estratégicos para áreas específicas es crucial.

Una vez que la dirección esté comprometida, el siguiente paso es establecer prioridades. Para desarrollar sus planes de IA, las organizaciones deben avanzar con pequeños pasos, construyendo gradualmente capacidad y conocimiento.

El siguiente paso es identificar los resultados específicos que las organizaciones desean lograr mediante el análisis de sus datos disponibles o la adquisición de datos de terceros. El objetivo es determinar qué datos son necesarios para alcanzar estos resultados. El acceso a datos relevantes y precisos es fundamental para el éxito de cualquier implementación de IA.

Debemos recordar que la implementación de la IA es un proceso de transformación empresarial que requerirá que nuestros equipos adopten y se adapten al cambio. Todos los cambios pueden ser un proceso desafiante. El desarrollo organizacional se ha convertido en un diferenciador clave para las organizaciones exitosas. A través del cambio y en respuesta al cambio, las organizaciones aprenden y crecen. Implementar programas de formación y mejora de habilidades puede garantizar que todos los involucrados afectados por el uso de la IA se adapten a las nuevas aplicaciones. Invertir en educación y comunicación para abordar las preocupaciones que puedan surgir interna y externamente puede reducir la ansiedad y aumentar el éxito. La persona que lidera la implementación de la IA debe desarrollar las habilidades técnicas, de ciencia de datos y de gestión de proyectos necesarias para la IA.

Es esencial monitorear el proceso de implementación de la IA y el progreso hacia la estabilización, asegurando que el equipo se enfoque en los beneficios clave de la IA en ese proceso o área. Dependiendo del estado actual del área o proceso donde se desea implementar la IA, el gasto y el impacto definirán si el cambio es estratégico o transformacional. Los cambios estratégicos se enfocan en necesidades específicas con un marco de tiempo razonable para el cambio, a menudo concentrándose en mejorar las operaciones. El cambio transformacional ocurre rápidamente con pocas oportunidades de volver a la forma en que era antes, y podría implicar una reestructuración más amplia en toda la organización.

V. SUPERANDO DESAFÍOS: LIDERAZGO, COMUNICACIÓN Y ÉTICA

Es esencial monitorear el proceso de implementación de la IA y el progreso hacia la estabilización, asegurando que el equipo se enfoque en los beneficios clave que aporta la IA en ese proceso o área. Dependiendo del estado actual del área o proceso donde se pretenda implementar la inteligencia artificial, el gasto y el impacto determinarán si el cambio es estratégico o transformacional. Los cambios estratégicos se enfocan en necesidades específicas con un marco de tiempo razonable para el cambio, a menudo dirigidos a mejorar las operaciones. El cambio transformacional ocurre rápidamente, con pocas oportunidades de volver a la forma en que las cosas eran antes; esto podría, por ejemplo, implicar una reestructuración más amplia en toda la organización. Es fundamental asegurarse de que las personas adecuadas lideren el proceso de implementación de la IA y que los equipos de recursos humanos y marketing interno trabajen estrechamente para garantizar una comunicación efectiva y oportuna sobre el valor potencial de la implementación de la IA dentro de las organizaciones.

La resistencia al cambio es otro desafío que las organizaciones enfrentan al adoptar la IA. En el artículo de Harvard Business Review, "La deshumanización es una característica del trabajo gig, no un error", se afirma que la razón del fracaso en la implementación exitosa de la IA en las operaciones comerciales no es la falta de recursos adecuados, sino la falta de alineación y comprensión en toda la organización. Desarrollar una cultura basada en datos y visualizar los datos a través de paneles de control y mecanismos de informes regulares puede ayudar a superar este desafío.

El uso de la inteligencia artificial (IA) en los procesos de toma de decisiones ha generado preocupaciones sobre el sesgo y la responsabilidad ética. Según Cheng, Varshney y Liu, uno de los elementos de la pirámide de Responsabilidad Social de la IA es la Responsabilidad Ética, que implica la obligación de prevenir el daño y hacer lo que es correcto y justo. Los algoritmos de IA son creados por humanos y, por lo tanto, pueden reforzar las desigualdades existentes. Para mitigar estos riesgos, los equipos de desarrollo de IA deben ser más diversos, y las organizaciones deben adoptar prácticas de contratación que promuevan la equidad y la inclusión.

V. Conclusión

Si bien la IA puede mejorar la eficiencia y la precisión, no puede reemplazar la importancia de las habilidades interpersonales y el juicio humano. Las organizaciones deben invertir en desarrollar estas habilidades en sus empleados para asegurar que la IA se utilice de manera efectiva y ética.

En conclusión, la IA ha proporcionado a las organizaciones las herramientas para mejorar la eficiencia, la precisión y la rentabilidad. Sin embargo, es crucial equilibrar la promoción del desarrollo y adopción de la IA con los posibles riesgos de subutilización, mal uso y abuso. Al hacerlo, las organizaciones pueden obtener una ventaja competitiva en un entorno empresarial en constante evolución.

El futuro es ahora.

Referencias

[1] Winstanley, G. (1991). Artificial Intelligence in Engineering. Information Technology Research Institute Brighton Polytechnic.

[2] Jess Whittlestone, Kai Arulkumaran and Matthew Crosby (2021). The Societal Implications of Deep Reinforcement Learning. Journal of Artificial Intelligence Research, volume 70. Recuperado de https://www.jair.orgDOI: https://doi.org/10.1613/jair.1.12360

[3] World Economic Forum. (2022). Empowering AI Leadership: AI C-Suite Toolkit.

[4] Hyacinth, B. S. (2020). Leading the Workforce of the Future: Inspiring a Mindset of Passion, Innovation, and Growth.

[5] Eric M. Anicich. (2022). Dehumanization Is a Feature of Gig Work, Not a Bug. Harvard Business Review, volumen(número), páginas. https://hbr.org/2022/06/dehumanization-is-a-feature-of-gig-work-not-a-bug

[6] Rana Tallal Javed, Osama Nasir,Melania Borit, Loïs Vanhée, y otros. (2022). Get out of the BAG! Silos in AI Ethics Education: Unsupervised Topic Modeling Analysis of Global AI Curricula. Journal of Artificial Intelligence Research, volume 70. Recuperado de https://www.jair.orgDOI: https://doi.org/10.1613/jair.1.13550

The original article can be found here:

Spomenka Ubavkic de Angelov y Angelina Angelov