Las soluciones de machine learning y deep learning ya se han establecido como herramientas de negocio que las organizaciones emplean para mejorar la experiencia del cliente, incrementar el retorno de la inversión y obtener una ventaja competitiva en las operaciones comerciales, entre otras. Ambos modelos de inteligencia artificial parten de algoritmos complejos a los que, en demasiadas ocasiones, concedimos más poder del que realmente tienen. Hablamos del papel de los algoritmos en la resolución de problemas empresariales.
La euforia por el machine learning y el deep learning en el mundo del business es cada vez mayor. Una investigación realizada por MarketsandMarkets vaticina que, en 2022, el mercado de machine learning habrá crecido en un 44,1% en 6 años; pasando de los 1.030 millones de dólares en 2016 a los 8.810 millones de dólares en 2022. El mismo estudio apunta que la generación de datos y los avances tecnológicos ya se sitúan entre los principales factores que impulsan el mercado. Asimismo, las tecnologías de machine learning como Azure Machine Learning tienen cada vez más presencia en las empresas.
Descubre la diferencia entre machine learning y deep learning en esta publicación: '¿Cuál es la diferencia entre machine learning y el deep learning?'
Ambas son tecnologías de inteligencia artificial que parten de algoritmos matemáticos complejos que logran que, a partir de los datos, las máquinas aprendan de una forma similar a la que lo hacemos los humanos. Los algoritmos son usados para una infinidad de operaciones y actividades de negocio de múltiples naturalezas.
Hoy en día, el algoritmo está prácticamente en todas partes y el afán por desarrollar o aplicar un algoritmo mejor que el de la competencia está tan propagado como el ansia por descifrar todos los secretos del nuevo algoritmo de Instagram.
Según Google, que de algoritmos sabe bastante, un algoritmo es un "conjunto ordenado de operaciones sistemáticas que permite hacer un cálculo y hallar la solución a un problema." A la práctica, un algoritmo no es más que una fórmula matemática o el conjunto de varias fórmulas matemáticas aplicadas a herramientas tecnológicas para que hagan exactamente aquello que queremos que hagan.
Eduardo Peña, profesor de la Facultad de Informática de la Universidad Complutense de Madrid, lo explica de esta manera: “En definitiva, el trabajo de los programadores informáticos consiste en traducir los problemas del mundo a un lenguaje que una máquina pueda entender".
En el entorno empresarial los algoritmos son usados constantemente para la optimización de operaciones y funcionalidades. Parten de los datos y dependen, más de lo que pueda parecer, de la mente humana. Los científicos e ingenieros de datos desarrollan algoritmos con la intención de resolver problemas y perfeccionar operaciones llevadas a cabo por máquinas, herramientas tecnológicas, plataformas, etc. Sin embargo, en muchas ocasiones, por muy prodigioso que sea el algoritmo, los problemas empresariales no son resueltos o no se logran los resultados esperados.
Pero, ¿por qué?
Empecemos por el principio. A pesar de ser representado como tal en el imaginario colectivo, un algoritmo no es una especie de varita mágica con superpoderes ni un ente maléfico programado para introducirse en nuestro cerebro y revelar todos nuestros secretos. Ciertamente, los algoritmos son capaces de resolver problemas complejos y de hacer cosas que en otras épocas hubieran parecido extraordinarias, pero no lo hacen por si solos.
Siguiendo con el ejemplo de las matemáticas y como ya hemos mencionado, el algoritmo solo es la fórmula. Para resolver un problema matemático, el primer paso es entender el problema y, a continuación, deducir qué fórmula se debería aplicar. Aplicar la fórmula incorrecta, evidentemente, no va a resolver el problema. Esto no significa que la fórmula sea incorrecta —la fórmula, por si misma, es correcta—, simplemente no está bien aplicada.
Lo mismo pasa con los algoritmos. Vincent Warmerdam, cofundador de PyData y especialista en algoritmos y machine learning, se refiere a esta problemática y habla de su experiencia aplicando algoritmos para la resolución de problemas empresariales en la charla 'The profession of solving (the wrong problem)'. En ella, Warmerdam expresa el problema de la aplicación de algoritmos mediante varias historias personales que le sirvieron para darse cuenta de que, efectivamente, el algoritmo no es la solución. Lo que realmente resuelve los problemas empresariales es todo aquello que rodea al algoritmo: las bases de datos, la calidad de los datos (data quality), el análisis de datos, el A/B testing, el planteamiento del problema y, lo más importante, "la inteligencia natural", tal y como él la llama.
El relato de Warmerdam parte de un recuerdo de cuando iba al instituto. El profesor pidió a los alumnos que aplicaran la estadística a través de una base de datos real. Por aquel entonces, Warmerdam trabajaba en un teatro en el que se estaba valorando una posible ampliación del local. A Warmerdam se le ocurrió pedirle a su superior las cifras de crecimiento de asistencia anual del teatro y, rápidamente, descubrió que el crecimiento de asistencia no había dejado de disminuir año tras año. Vincent llegó a una conclusión muy clara: el teatro no debería tirar adelante el proyecto de ampliación, ya que la asistencia baja más y más progresivamente cada año que pasa. El descubrimiento de Warmerdam asombró a su profesor, quien le recompensó con un 10. Su superior en el trabajo también quedó impresionado y le felicitó por su descubrimiento. Problema resuelto, ¿no?
Pasadas unas semanas, Warmerdam siguió trabajando en el teatro y, durante su jornada laboral, se percató del calor que hacía en la sala debido a que estaba llena a rebosar. Todos los asientos estaban ocupados e incluso había gente de pie. Al día siguiente, el panorama era el mismo y Warmerdam observó como, cada día de esa semana, la sala tenía el aforo completo.
Entonces se dio cuenta. No había resuelto el problema. Había aplicado la fórmula equivocada. El crecimiento de asistencia del teatro no dejaba de disminuir año tras año porque no había más espacio y, por tanto, no cabían más personas. Durante los primeros años de actividad, el crecimiento fue en auge hasta que se logró llenar la sala prácticamente a diario y el espacio empezó a quedarse pequeño. A partir de ahí, la asistencia al teatro dejó de crecer. No porque la gente dejara ir, sino porque no había más espacio. Warmerdam no había planteado bien el problema, había aplicado la fórmula incorrecta y, por tanto, no había resuelto el problema, a pesar de las felicitaciones de sus superiores.
Tras ese primer encuentro con el algoritmo, Warmerdam siguió insistiendo y logró construir una exitosa carrera profesional trabajando como experto en machine learning y algoritmos. Su larga experiencia en el campo, le ha servido para confirmar que lo mismo que le pasó a él en el instituto con la estadística, pasa en el mundo empresarial con los algoritmos.
Warmerdam está convencido de que los algoritmos no solucionan problemas y que, de hecho, por muy bueno que sea un algoritmo, si mal aplicado, puede agravar el problema. Lo más preocupante es que él mismo, en más ocasiones de las que le gustaría admitir, ha celebrado con sus compañeros la resolución de un problema empresarial tras el desarrollo de un algoritmo para, días o semanas después, acabarse dando cuenta de que el problema no se había resuelto en absoluto y que estaban celebrando una falsa victoria que ellos mismos habían proclamado.
He ahí el problema del algoritmo. El mundo está empeñado en creer que un algoritmo es capaz de resolverlo todo. El mismo Vincent parafrasea a varios de sus compañeros de trabajo quienes, ante cualquier problema, lo primero que dicen es algo parecido a esto: "¿Necesitas resolver esto? ¡Vamos a crear un superalgoritmo!" Algo parecido a esto inmediatamente después de saber que un cliente necesita solucionar cualquier problemática. Sin ni siquiera entender el problema, analizar los datos o asegurarse de su veracidad.
Otro ejemplo de fracaso provocado por la fe ciega en el algoritmo es el del famoso incidente bursátil llamado 'Flash Crack'. El 6 de mayo de 2010 los algoritmos bursátiles produjeron un desplome de la bolsa 1.000 puntos —prácticamente el 9% de las acciones— sin razón aparente. Al cabo de unos minutos todo volvió a la normalidad y los puntos volvieron a alcanzar su estado natural. Sin embargo, a día de hoy, nadie puede explicar por qué sucedió o qué es lo que pasó. Los propios creadores del algoritmo fueron incapaces de determinar por qué el algoritmo había hecho tal cosa; cosa que demostró que, realmente, ninguno de ellos entendía el proceso completo ni lo que había tras el algoritmo, confirmando las sospechas de Warmerdam de que la inteligencia artificial es incapaz de ser inteligente sin la inteligencia natural o, en otros términos, la inteligencia humana.
En este sentido, si bien el machine learning, el deep learning y los algoritmos han supuesto un avance descomunal en el mundo de los negocios, es fundamental que los empresarios y los científicos e ingenieros de datos tomen consciencia de que los algoritmos, por si solos, no resuelven problemas. Aplicar fórmulas correctas al problema equivocado puede culminar en una falsa sensación de victoria que, a la larga, siempre termina en derrota.