Cuando se piensa en inteligencia artificial lo más común es imaginarse un mundo ultramoderno dominado por máquinas: robots con apariencia humana que toman el control de las actividades cotidianas y construyen un nuevo orden social. Pero la realidad es muy diferente.
Jenifer María Campos Silva / 3 de noviembre de 2020
La inteligencia artificial forma parte ya de la cotidianidad. Su presencia explica las sugerencias para completar frases en motores de búsqueda en internet o nombres de direcciones en Google Maps o Wazeh; también la posibilidad de etiquetar amigos en las fotos de las redes sociales, recibir recomendaciones de compra en Amazon o sacar provecho de la corrección automática de la ortografía en los editores de texto. Se habla incluso de hogares «inteligentes», donde el encendido de las luces, por ejemplo, está automatizado.
Inteligencia artificial: una breve introducción
La expresión «inteligencia artificial» fue acuñada por el informático John McCarthy, quien la empleó en una conferencia impartida en la Universidad Dartmouth en 1956 (NG España, 2019). McCarthy fue, además, la primera persona que atisbó la posibilidad de vender aplicaciones computacionales como servicios: todo un visionario.
La inteligencia artificial es un campo científico cuyo objetivo principal consiste en «lograr que una máquina tenga una inteligencia de tipo general similar a la humana» (López de Mántaras, 2018). Se distinguen dos grandes modalidades: 1) inteligencia general o inteligencia artificial fuerte, en la cual la computadora es una mente humana y no una simulación, y 2) inteligencia específica o inteligencia artificial débil, en la cual la computadora puede llegar a ser mejor que la mente humana, pero solo en tareas específicas.
La microsegmentación requiere conocimientos técnicos para integrar la huella digital y los aspectos demográficos en el análisis de datos
Los hallazgos más importantes se han conseguido en el desarrollo de sistemas de inteligencia artificial débil: simulaciones de la función cognitiva humana que permiten automatizar procesos y simplificar la vida en muchas situaciones. Acaso el ejemplo más famoso es Siri, de Apple, un asistente personal con «personalidad propia». Siri es capaz de responder numerosas preguntas, incluso con humor y sarcasmo. Pero tiene algunas limitaciones y no está exento de interpretar erróneamente las preguntas, como consecuencia de los lineamientos y restricciones de su programación original.
Una historia similar es la del conocido programa AlphaGo, diseñado por Google. Configurado para desarrollar estrategias en el juego de mesa Go, AlphaGo ha mostrado ser mejor que un ser humano, tras vencer al campeón mundial Lee Sedol. No obstante, su configuración le impide jugar ajedrez, porque el programa no puede aprender estas reglas y elaborar estrategias a partir de ellas. De allí que una de las ventajas de las personas ante las máquinas es su capacidad para practicar distintos juegos. Las inteligencias artificiales débiles son eficaces en la actividad para la que fueron diseñadas, pero inútiles en otras tareas.
El objetivo central de la inteligencia artificial como campo científico es crear un computador dotado del código de programación adecuado para desarrollar conductas inteligentes de tipo general (López de Mántaras, 2018). Con este propósito se han ensayado diferentes modelos que intentan explicar cómo funciona la inteligencia humana para replicarla en un computador. Uno de ellos es el modelo simbólico: «un modelo top-down que se basa en el razonamiento lógico y la búsqueda heurística como pilares para la resolución de problemas, sin que el sistema inteligente necesite formar parte de un cuerpo ni estar situado en un entorno real» (López de Mántaras, 2018). Ahora bien, como se sabe, más del setenta por ciento de la comunicación humana es no verbal, y mucha información del mundo exterior es captada por los sentidos (vista, tacto, olfato, audición, gusto). Sin la presencia de un cuerpo físico para interactuar con el medio ambiente, el modelo simbólico es incapaz de asemejarse lo suficiente a la inteligencia humana.
El sistema conexionista es lo opuesto al modelo simbólico. Consiste en una inteligencia nacida de la interacción de actividades distribuidas entre múltiples unidades, que procesan información de forma paralela (López de Mántaras, 2018). Este modelo se inspira en las redes neuronales e intenta imitarlas mediante conexiones entre las distintas unidades (neuronas). Sin embargo, el sistema conexionista también resulta insuficiente, porque las redes neuronales artificiales no tienen la misma complejidad de las humanas. Hay interacciones y «decisiones» que ocurren no solo en las neuronas, sino también en las dendritas. Los sistemas computacionales no reproducen aún este mecanismo.
La computación evolutiva intenta crear «nuevas generaciones de programas modificados, cuyas soluciones son mejores que las de los programas de las generaciones anteriores» (López de Mántaras, 2018). La computación evolutiva se inspira en los principios de la evolución propuestos por Charles Darwin. Cada vez que se presenta un problema se brindan al computador todas las posibles soluciones, y se le programa a fin de optimizar la respuesta. La información suministrada inicialmente es tan buena como el conocimiento actual del problema ―por lo tanto, limitada― y ejerce gran influencia en la decisión final.
Los modelos propuestos para el perfeccionamiento de una inteligencia artificial general han sido insuficientes, entre otras razones porque hasta los momentos ha sido imposible imitar la complejidad del cerebro humano. Quizá lo más difícil ha sido reproducir el denominado «sentido común»: un conocimiento adquirido mediante la combinación de experiencia y percepción. Una inteligencia artificial general de carácter exitoso debe ser capaz de percibir y representar el mundo mediante el lenguaje, razonar y ejecutar acciones que afectan al entorno y derivar aprendizajes de interacciones sociales y procesos autorreflexivos.
En su intento de simular las particularidades del cerebro la inteligencia artificial ha logrado superar a la mente humana en algunos aspectos. Uno de ellos es el procesamiento, sin colapso, de una cantidad ingente y creciente de datos. De allí que los adelantos más visibles en materia de inteligencia artificial se encuentren en el campo de la inteligencia artificial débil, que arrojan verdaderas potencialidades comerciales y pueden ser transadas como soluciones tecnológicas o paquetes de servicios.
Los sistemas de computación requieren información para crear y proponer respuestas a distintos problemas. El suministro de información puede ser intencional o no. En internet muchos sistemas de inteligencia artificial débil se nutren de información de los usuarios sin que ellos se percaten. Cada vez que las personas se conectan dejan un rastro ―similar al rastro de migajas dejado por Hansel y Gretel en el camino a la casa de la bruja― de los sitios que visitan, los mensajes que envían por redes sociales o las compras que efectúan.
La huella digital del consumidor
«La huella digital es el rastro que dejamos al navegar por internet, es la suma de lo que nosotros publicamos en internet, lo que compartimos, y lo que publican otros sobre nosotros» (Magzter, 2018). Esta información ―que incluso puede estar disponible para terceros distintos a los dueños de las páginas visitadas― se vende y se emplea con fines comerciales o políticos, como fue el caso de los comicios presidenciales de Estados Unidos de 2016. La estrategia ganadora de los asesores electorales de Donald Trump consistió en una segmentación de votantes basada en sus perfiles e interacciones en redes sociales.
Tales «rastros» permiten configurar una imagen digital de la persona; una imagen que resume quién es, cuáles valores y hábitos moldean sus conductas, cuáles son sus preferencias ideológicas y de consumo, y con quiénes interactúa. De acuerdo con un estudio publicado por Computerworld (2020), 57 por ciento de las personas quieren tener el control de la información que comparten. Están conscientes de su importancia y de las implicaciones éticas de su uso, con fines de persuasión comercial e ideológica.
El objetivo de rastrear la huella digital de los consumidores va más allá de saber quiénes son; se desea precisar qué hacen y cuándo lo hacen
Para el sector comercial la información digital de los internautas posee mucho valor, porque al integrarla con macrodatos (big data) es posible elaborar perfiles de consumidores, herramientas ideales para anticipar la oferta de los servicios y productos más deseados. El objetivo de rastrear la huella digital de los consumidores va más allá de saber quiénes son; se desea precisar también qué hacen y cuándo lo hacen. Concentrarse en las acciones reales que llevan a cabo las personas en línea constituye un cambio de paradigma.
Una tendencia irreversible surgida en el «mundo de internet» afecta el concepto tradicional de cliente: «los clientes han dejado de ser receptores de información para dar el salto hacia un perfil mucho más activo, crítico y generador de valor» (Agencias de Comunicación, s.f.). De hecho, «la explotación de datos personales es percibida como factor de crecimiento económico» (Magzter, 2018). Tal es el modelo de negocio del grupo GAFA (Google, Apple, Facebook, Amazon): mediante sus plataformas tienen acceso a grandes cantidades de información de usuarios; información que emplean en sus sistemas, cruzan con otras plataformas y se benefician del intercambio de bases de datos.
Los perfiles de consumidores se construían tradicionalmente a partir de la segmentación de características sociodemográficas. De este modo surgían unos segmentos de consumidores extremadamente generales, que no siempre se correspondían con las necesidades verdaderas. Esto sigue siendo cierto para las industrias de consumo masivo, que usan la huella digital como un amplificador de los sistemas usuales, no como el centro de la atención.
Al integrar la información de la huella digital con la inteligencia artificial se pueden detectar patrones de forma automática y a una gran velocidad. A medida que aumentan la información disponible y la capacidad de análisis, los procesos de segmentación son cada vez más minuciosos. De hecho se habla de «microsegmentación»: una herramienta que permite definir grupos de consumidores con características específicas y lograr grados de diferenciación entre consumidores imposibles de alcanzar con las características sociodemográficas.
Las experiencias que tiene cada persona cuando está «en línea» son parte integral de su vida. A medida que la frontera entre lo real y lo virtual se desdibuja, surge una nueva forma de entender y caracterizar al ser humano. De allí que la huella digital de los usuarios, al nutrirse de bases de datos de terceros y combinarse con modelos detallados de desarrollo de perfiles, aportan más información de una persona que cualquier otro medio tradicional (Herrera, 2018). Tal diferenciación se logra al poner el foco en la experiencia del cliente, no en el producto o el precio (Zueras, 2020).
Esta nueva manera de pensar tiene, sin duda, un gran impacto en los nuevos servicios de «personalización». Lo importante ahora no es pertenecer a un grupo y mezclarse con sus integrantes; lo que importa es ser único y, por lo tanto, los servicios y productos deben ser personalizados para cada consumidor. Un estudio de opinión reciente arroja que al «39 por ciento le agrada que se analicen sus datos para optimizar los servicios que reciben, haciéndolos más personalizados» (Computerworld, 2020).
El centro de poder en los negocios ya no está en manos de la industria, sino en manos del consumidor, quien decide cómo, cuándo y dónde quiere el producto o servicio (Zueras, 2020). Este cambio afecta, sin lugar a dudas, la tarea del departamento de mercadeo. Ahora necesita encontrar los mejores modelos para definir los segmentos de consumidores en el cruce de la información demográfica con la información de la huella digital (Herrera, 2018).
Los retos
La microsegmentación requiere de los profesionales de mercadeo conocimientos técnicos que permitan integrar la huella digital y los aspectos demográficos en el análisis de datos. Zueras (2020) llevó a cabo entrevistas con especialistas en mercadeo y encontró que 73 por ciento reconocían necesitar capacitación para manejar las nuevas tecnologías.
Otro reto se relaciona con los limitados logros de la inteligencia artificial. La mayoría de los modelos están en desarrollo y presentan dificultades para su implementación. Son como cajas negras, cuyos usuarios desconocen cómo se llega a los resultados y, en consecuencia, no pueden validarlos.
Trabajar con la huella digital de los consumidores tiene, también, implicaciones éticas. En la mayoría de los casos, las personas no están conscientes de la cantidad de información que comparten, ni llevan un registro de su entrega. De igual manera, se desconocen los distintos usos que se dan a los datos. Por lo tanto, resulta imperativo clarificar las políticas de información en línea, a fin de normar su generación, transmisión y uso.
Referencias
- Agencias de Comunicación (sin fecha): «La huella del consumidor 2.0: activo, conectado y protagonista». https://www.agenciasdecomunicacion.org/actualidad/la-huella-del-consumidor-2-0-activo-conectado-y-protagonista.html
- Computerworld (2020): «Consumidor digital: ocho pistas para entenderlo». http://computerworld.com.ec/actualidad/tendencias/118-consumidor-digital-8-pistas.html
- Herrera, C. (2018): «Marketing uno a uno: a la hora de encontrar al cliente, la huella digital pisa fuerte». La Nación, 28 de febrero. https://www.lanacion.com.ar/economia/marketing-uno-a-uno-a-la-hora-de-encontrar-al-cliente-ideal-la-huella-digital-pisa-fuerte-nid2112642
- López de Mántaras, R. (2018): «El futuro de la IA: hacia inteligencias artificiales realmente inteligentes». OpenMind BBVA. https://www.bbvaopenmind.com/articulos/el-futuro-de-la-ia-hacia-inteligencias-artificiales-realmente-inteligentes/
- Magzter (2018): «Huella digital y E-reputación». Mundo Ejecutivo. https://www.magzter.com/es/article/Business/Mundo-Ejecutivo/Huella-Digital-Y-E-Reputacion
- NG España (2019): «Breve historia visual de la inteligencia artificial». National Geographic España, 5 de agosto. https://www.nationalgeographic.com.es/ciencia/breve-historia-visual-inteligencia-artificial_14419/7
- Zueras, D. (2020): «Estos son los retos del marketing en Centroamérica en 2020». Revista E&N. 3 de marzo. https://www.estrategiaynegocios.net/lasclavesdeldia/1361228-330/especial-en-estos-son-los-retos-del-marketing-en-centroam%C3%A9rica-en-2020
Jenifer María Campos Silva, profesora del IESA.