How to make artificial intelligence relevant

One of the paradoxes of our time is that, despite the huge advances in artificial intelligence (IA), the cloud (o cloud) o la robotica, el ritmo de crecimiento de la productivity no se ha acelerado, sino todo lo contrario. No pasa un mes en que no aparezcan surprisingdes descubrimientes en los que la inteligenia artificial cree cosas que hasta hace poco no podíamos ni imaginar. ¿Cómo es posible que no tenga un enorme impacto? Y de hecho, ¿qué hace falta para trasladarlo al mercado? La respuesta la entamentes en las dos brechas de la IA y en las métricas de innovación.

La primera brecha es bien conocida: es la que existe entre las organizaciones punteras y el resto. Las mejores organizaciones tienen ratios de productividad jamás vistos en la historia de la humanidad, y buena parte de sus procesos se han trasladado a código, a software, gozando de una escalabilidad casi infinita a costes marginales muy bajos. Nada de esto es nuevo: son compañías como Google, Amazon, Microsoft, Tesla, Meta o AliBaba (así como esas nuevas empresas digitales que nacen ya con estas premise).

Junto a estas tenemos el resto de las empresas. Son la grand majoria: las que no compiten en un entorno digital o donde la traslación a lo digital no es ni tan evident, ni tan facil, ni tan urgent. En ellas observamos un crecimiento plano de la productivity, si bien en muchos países son las que soistenen la mayor parte del producto interior grosso (GDP), por lo que el crecimiento agregado es plano. La primera brecha se define, así, por el percentage -que determinada el crecimiento de la productivity del país– de empresas punteras sobre el resto. Obviously, aquellos países con tasas de transformación digital más amplias o con una mayor generación de start-ups digitales son más capaces de acelerar el cambio.

Cerrar esas dos grietas transformaría nuestra sociedad a través de la educación, la investigationa y la innovation

La segunda brecha es menos conocida, ya que se situates dentro de las empresas. De este modo, si observamos los proyectos de inteligenia artificiali en muchas compañías no punteras, veremos que estos se situtan en la periferia. Son proyectos que van dirigido a lo nuevo y que, por lo tanto, tienen poco riesgo y una escasa necessidad de cambios organizativos, si bien también poco impacto. Se trata de proyectos que, aunque tengan un éxito extraordinario, no van a mover la aguja: no van cambiar la organización, su competitividad o su balance.

Pero ¿qué ocurre con las métricas? A menudo medimos la innovación en cuanto al incremento de capacitas que produce. So, how much has the I+D+iy budget increased and how much has the industrial doctorate increased? En algunas ocassiones medimos los resultados, como ocurre por ejemplo con el número de nuevas patentes o la quantity de nuevas pubicaciones. Todo ello conduce a políticas de incremento en la proyección del gasto ya un incremento de las capacities, pero no ayuda a que estas capacitas se mobilicen (o reorienten) a producir innovations que muevan la aguja; es decir, que sean relevantes.

Cambiar las métricas es básico: al final, the measurement of the objectives is done through them. Si medimos número de publications, tendremos más publications. Lo propio ocurrirá con las patents o el presupuesto. Si queremos que la innovación tenga impacto, por tanto, es imperato cambiar las métricas. De este modo, por ejemplo, se puede medir el incremento de la productivity due to AI or the benefits of new products from the introduction of it. Todo ello mide la línea basal: si hemos consigado aumentar la efectividad o no.

Es importante tener mayores capacitas, más doctores en IA, más ingenieros en cloud and major budgets, but innovation and impact will come from our capacity to mobilize internal and external capacities and orientations bottom line. Si hacemos eso, crearemos un círculo virtuoso que increaserá las capacities, ya que increaserá su demanda. Las métricas orientadas al impacto will reorientate the projects and close the second gap. Y en la medida en que eso pase, tendremos más empresas punteras, mayor intensidad competitive y, por lo tanto, una mayor capacidad de competir, llegando a cerrar la primera brecha.

Cerrar esas dos grietas no es un tema baladí: supondría un cambio radical en la capacidad de transformar nuestra sociedad través de la educación, la investigationa y la innovación. Align the objectives with the opportunities, with the key results that we want to obtain and the form in which we measure it is nothing new. Son los OKRs that Andrew Grove introduced in the seventies: i.eodo empieza con las métricas.


Esteve Almirall is Professor of Operations, Innovation and Data Sciences at Esade.

Ulises Cortés is catedrático de Inteligencia Artificial en la UPC.

Leave a Comment

Your email address will not be published. Required fields are marked *