¿Qué tan razonable es tu Inteligencia Artificial?: MIT Sloan

0

En un mundo donde las palabras de moda van y vienen, conceptos como el de IA han sido utilizados en tecnologías, productos y servicios que no necesariamente corresponden a este sistema

Dentro del pastel analítico general, la Inteligencia Artificial (IA) es una parte esencial, basada en sistemas que observan, analizan y aprenden, para el desempeño de las empresas en la actualidad.

Sin embargo, si bien la definición puede ser sencilla, es importante identificar que no todos los procesos tecnológicos implementados pueden denominarse como IA, pues confundir las técnicas avanzadas de análisis e informática a menudo puede generar desorden.

Por ello, existen tres puntos que detallan las falacias más comunes que los líderes deben comprender:

Que un sistema trabaje con base en algoritmos y estadísticas avanzadas no lo hace IA

Estos algoritmos se codifican con modelos estadísticos estándar, como correlación o regresión, que son muy buenos para identificar líneas de tendencia en datos bien definidos que ofrecen predicciones de estados futuros, basados en un conjunto de estados pasados.

En cambio, la IA trabaja con datos que no están estructurados, bien definidos o solamente sean datos numéricos.

Que un sistema sea capaz de responder preguntas no lo vuelve IA

Existen muchas tecnologías, como los agentes de conversación, que tienen la capacidad de responder las preguntas que se les plantean.

Sin embargo, la mayoría de estos sistemas no tienen la capacidad de colocar la pregunta en contexto ni aprenden de la precisión de las respuestas pasadas.

Que un sistema se anuncie como IA no es garantía

Muchas compañías emergentes (startups), vendedores y proveedores de “análisis”, pueden ser buenos en métodos estadísticos avanzados, pero no pueden construir modelos de aprendizaje a partir de datos estructurados y no estructurados, especialmente cuando se trata de grandes volúmenes de datos, necesarios para construir modelos útiles.