Els problemes empresarials no es resolen (només) amb algoritmes

Les solucions de machine learning i deep learning ja són eines essencials de negoci que les organitzacions utilitzen per millorar l'experiència del client, incrementar el retorn de la inversió i obtenir un avantatge competitiu en les operacions comercials, entre d'altres. Ambdós models d'intel·ligència artificial es basen en algoritmes complexos als quals, en massa ocasions, concedim més poder del que realment tenen. Parlem del paper dels algoritmes en la resolució de problemes empresarials.

el papel del algoritmo en la resolución de problemas y toma de decisiones empresariales machine learning e inteligencia artificial

L'eufòria pel machine learning i el deep learning en el món del business, cada vegada és major. Una investigació realitzada per MarketsandMarkets preveu que, el 2022, el mercat de machine learning haurà crescut en un 44,1% en 6 anys; passant dels 1.030 milions de dòlars el 2016, als 8.810 milions de dòlars el 2022. El mateix estudi apunta que la generació de dades i els avanços tecnològics ja se situen entre els principals factors que impulsen el mercat. Així mateix, les tecnologies de machine learning, com Azure Machine Learning, tenen cada vegada més presència en les empreses. 

Descobreix la diferència entre machine learning i deep learning en aquest article: 'Quina diferència hi ha entre machine learning i deep learning?'

Ambdues són tecnologies d'intel·ligència artificial que parteixen d'algoritmes matemàtics complexos que aconsegueixen que, a partir de les dades, les màquines aprenguin d'una manera similar a la que ho fem els humans. Els algoritmes són utilitzats per una infinitat d'operacions i activitats de negoci de múltiples naturaleses. 

Avui en dia, l'algoritme està pràcticament a tot arreu i l'afany per desenvolupar o aplicar un algoritme millor que el de la competència està tan propagat com l'ànsia per desxifrar tots els secrets del nou algoritme d'Instagram.

 
Què és un algoritme?

Segons Google, que d'algoritmes en sap bastant, un algoritme és un "conjunt ordenat d'operacions sistemàtiques que permet fer un càlcul i trobar la solució a un problema." A la pràctica, un algoritme no és més que una fórmula matemàtica o el conjunt de múltiples fórmules matemàtiques aplicades a eines tecnològiques per tal que facin exactament allò que volem que facin.

Eduardo Peña, professor de la Facultat d'Informàtica de la Universitat Complutense de Madrid, ho explica d'aquesta manera: “En definitiva, la feina dels programadors informàtics consisteix a traduir els problemes del món a un llenguatge que una màquina pugui entendre." 

 

L'algoritme no és la solució: La història de Vincent Warmerdam

En l'entorn empresarial els algoritmes són utilitzats constantment per a l'optimització d'operacions i funcionalitats. Parteixen de les dades i depenen, més del que pugui semblar, de la ment humana. Els científics i enginyers de dades desenvolupen algoritmes amb la intenció de resoldre problemes i perfeccionar operacions dutes a terme per màquines, eines tecnològiques, plataformes, etc. No obstant això, en moltes ocasions, per molt prodigiós que sigui l'algoritme, els problemes empresarials no són resolts o no s'aconsegueixen els resultats esperats

Però, per què?

Comencem pel principi. Tot i ser representat com a tal en l'imaginari col·lectiu, un algoritme no és una espècie de vareta màgica amb superpoders, ni un ésser malèfic programat per a introduir-se al nostre cervell i revelar tots els nostres secrets. Certament, els algoritmes són capaços de resoldre problemes complexos i de fer coses que  en altres èpoques haguessin semblat extraordinàries, però no ho fan per si sols.
 
Seguint amb l'exemple de les matemàtiques i com ja hem mencionat, l'algoritme només és la fórmula. Per a resoldre un problema matemàtic el primer pas és entendre'l i, a continuació, identificar quina fórmula cal aplicar. Aplicar la fórmula incorrecta, evidentment, no resoldrà el problema. Això no vol dir que la fórmula sigui incorrecta —la fórmula, per si sola, és correcta—, simplement no està ben aplicada.
 
Quelcom similar passa amb els algoritmes. Vincent Warmerdam, cofundador de PyData i especialista en algoritmes i machine learning, es refereix a aquesta problemàtica i parla de la seva experiència aplicant algoritmes per a la resolució de problemes empresarials en el discurs 'The profession of solving (the wrong problem)'. Warmerdam expressa el problema de l'aplicació d'algoritmes mitjançant diverses històries personals que li van servir per adonar-se què, efectivament, l'algoritme no és la solució. El que realment resol els problemes empresarials és tot allò que envolta l'algoritme: les bases de dades, la qualitat de les dades (data quality), l'anàlisi de dades, l'A/B testing, el plantejament del problema i, el més important, la "intel·ligència natural", tal com ell l'anomena.
 
El relat de Warmerdam comença amb un record de quan anava a l'institut. El professor va demanar als alumnes que apliquessin l'estadística a través d'una base de dades real. En aquella època Warmerdam treballava en un teatre, el cap del qual estava valorant una possible ampliació del local. A Warmerdam se li va ocórrer demanar al seu superior les xifres de creixement d'assistència anuals del teatre i, ràpidament, va descobrir que el creixement d'assistència no havia deixat de disminuir any rere any. Vincent va arribar a una conclusió molt clara: no era convenient que el teatre tirés endavant el projecte d'ampliació, ja que l'assistència baixava més i més cada. El descobriment de Warmerdam va sorprendre el seu professor, qui el va recompensar amb un 10. El seu cap a la feina també va quedar impressionat i el va felicitar per la seva troballa. Problema resolt, oi?
 
Unes setmanes més tard, Warmerdam va seguir treballant al teatre i, durant la seva jornada laboral, es va adonar de la calor que feia a la sala quan estava plena. Tots els seients estaven ocupats i inclús hi havia gent dreta. L'endemà, la situació era la mateixa i Warmerdarm va observar com, cada dia d'aquella setmana, la sala tenia l'aforament complet. 
 
Llavors se'n va adonar. No havia resolt el problema. Havia aplicat la fórmula equivocada. El creixement d'assistència del teatre no deixava de disminuir any rere any perquè no hi havia més espai i, per tant, no hi cabien més persones. Durant els primers anys d'activitat, el creixement va ser progressiu fins que es va arribar a omplir la sala pràcticament cada dia i l'espai va començar a quedar-se petit. A partir d'aquell moment, l'assistència al teatre va deixar de créixer. No perquè la gent no hi anés, sinó perquè no hi havia més espai. Warmerdam no havia plantejat bé el problema, havia aplicat la fórmula incorrecta i, per tant, el problema no estava resolt tot i les felicitacions dels seus superiors. 
 
Després de la seva primera trobada amb l'algoritme, Warmerdam va seguir insistint i va aconseguir construir una exitosa carrera professional treballant com a expert en machine learning i algoritmes. La seva llarga experiència en el sector li ha servit per confirmar que el mateix que li va passar a ell a l'institut amb l'estadística, passa al món empresarial amb els algoritmes.

 

El problema de l'algoritme

Warmerdam està convençut que els algoritmes no solucionen problemes i que, de fet, per molt bo que sigui un algoritme, si mal aplicat, pot agreujar un problema. El més preocupant de tot és que ell mateix, en més ocasions de les que li agradaria admetre, ha celebrat amb els seus companys la resolució d'un problema empresarial a través d'un algoritme per, dies o setmanes després, acabar descobrint que el problema no s'havia resolt en absolut i que estaven celebrant una falsa victòria que ells mateixos havien proclamat.

Aquest és precisament el gran problema de l'algoritme. El món està obstinat a creure que un algoritme és capaç de resoldre-ho tot. El mateix Vincent parafraseja a diversos els seus companys de feina qui, davant qualsevol problema, el primer que diuen és quelcom similar a això: "Necessites resoldre això? Crearem un superalgoritme!" Quelcom similar a això immediatament després de saber que un client necessita solucionar una problemàtica. Sense ni tan sols entendre el problema, analitzar les dades o assegurar-se de la seva fiabilitat. 

Un altre exemple de fracàs provocat per la fe cega en l'algoritme és el del famós incident borsari anomenat 'Flash Crack'. El 6 de maig de 2010 els algoritmes borsaris van produir una caiguda de la borsa de 1.000 punts pràcticament el 9% de les accions— sense motiu aparent. Passats uns minuts tot va tornar a la normalitat i els punts van tornar al seu estat natural. Tot i això, encara avui, ningú pot explicar per què va passar el que va passar. Els mateixos creadors de l'algoritme van ser incapaços de determinar per què l'algoritme havia fet el que havia fet; cosa que va demostrar que, realment, cap d'ells entenia el procés complet ni sabia què hi havia darrere l'algoritme, confirmant les sospites de Warmerdam sobre que la intel·ligència artificial és incapaç de ser intel·ligent sense la intel·ligència natural o,  en altres paraules, la intel·ligència humana. 

En aquest sentit, si bé el machine learning, el deep learning i els algoritmes han suposat un avenç descomunal en el món dels negocis, és fonamental que els empresaris, científics i enginyers de dades prenguin consciència que els algoritmes, per si sols, no resolen problemes. Aplicar fórmules correctes al problema equivocat pot culminar en una falsa sensació de victòria que, a la llarga, sempre acaba en derrota.

DEIXA EL TU COMENTARI