Michael Wu de PROS: aunque tenemos grandes datos, nunca hay suficientes datos

Cuando se trata de inteligencia artificial, aprendizaje automático y big data, realmente no hay una persona de la que me guste aprender y conversar que el Dr. Michael Wu, reconocido experto de la industria y estratega jefe de inteligencia artificial para PROS, un proveedor de soluciones SaaS que optimiza las experiencias de compra y venta. Y recientemente tuve una excelente conversación en vivo con él y mi coanfitrión de CRM Playaz, Paul Greenberg, donde profundizamos en dónde estamos con AI y cómo está ayudando a las empresas a superar los últimos 18 meses.

A continuación se muestra una transcripción editada de una parte de nuestra conversación que toca el papel de la ética y la inclusión a medida que más interacciones comerciales y transacciones se vuelven digitales, proporcionando a la IA los datos que anhela para predecir y recomendarnos cosas. Para escuchar la conversación completa, haga clic en el reproductor de SoundCloud incorporado.

Paul Greenberg: ¿Cómo se debe integrar la estrategia de IA en la estrategia comercial más amplia?

Michael Wu: Sí, creo que este es realmente un problema importante en la industria. Quiero decir, no hay duda de que la IA será una parte muy dominante de nuestra vida en el futuro. Ya sea en los negocios en el trabajo o simplemente en nuestra vida diaria, estará ahí, será parte de ello. Creo que lo que impide que muchos negocios se unan es, diría, si lo miras, hay aplicaciones de consumo de IA y también hay aplicaciones comerciales de IA. Para los consumidores, automatiza las tareas diarias como, por ejemplo, podría automatizar las rutinas de su hogar utilizando hogares inteligentes y todo eso. Quiero decir, si comete un error, es un inconveniente menor, diría yo. Quiero decir, si le preguntas algo a Siri, no te entendí, simplemente reformúlalo. Es un pequeño inconveniente, pierdes unos minutos de tiempo y no es gran cosa. Entonces, los riesgos y los costos de una decisión equivocada en la IA son pequeños.

Pero ese no es el caso en los negocios. Quiero decir, negocios, cuando tomas una decisión equivocada en IA, podría perder millones de dólares y, diría, una crisis de relaciones públicas. Podría ser una pérdida de montones y montones de clientes que nunca volverán a usted. Ese riesgo del costo de una decisión equivocada es mucho mayor en el entorno empresarial, por lo tanto, las empresas son reacias a saltar a la IA. Y gran parte de la razón es porque, bueno, quiero decir, en realidad no es el componente técnico de la IA. Mucho tiene que ver con el componente no técnico, por ejemplo, el diseño, la adopción. Si compra tecnología de inteligencia artificial y si la gente no la usa porque no confía en ella porque le tiene miedo, nadie obtendrá ningún beneficio.

Quiero decir, si tienes IA pero no puedes explicarla para que la gente no confíe en ella, entonces también tienes otro problema. Quiero decir, hay muchos, diría, estos problemas no técnicos, por ejemplo, en torno a la experiencia del usuario, la adopción, legal y de diseño. Entonces, diría que estos son problemas relacionados con esta tecnología de inteligencia artificial que deben abordarse para hacer avanzar a toda esta industria.

Tendencias de las pequeñas empresas: ¿Puede hablar sobre cómo las personas deberían considerar la IA en términos de mejorar aspectos como la logística, el cumplimiento y los pedidos? Creo que eso tiene un impacto descomunal e incluso cada vez mayor en la experiencia del cliente, incluso si no se siente como lo más directo para la experiencia del cliente.

Michael Wu: Bueno, creo que tiene una relación directa con la experiencia del cliente porque, quiero decir, déjame hacerte una pregunta simple. ¿Qué crees que es la experiencia del cliente? Porque, para mí, las experiencias de los clientes se pueden ver, se pueden entender en términos muy, muy simples. Es la diferencia entre lo que ofrece la empresa y lo que espera el cliente. Si la empresa ofrece más de lo que espera el cliente, entonces es una buena experiencia. Es una experiencia placentera. Si la empresa entrega menos de lo que el cliente espera, entonces tiene un cliente decepcionado. Es realmente simple si lo miras de esa manera. Entonces, quiero decir, creo que la expectativa del cliente es la pieza en la que debemos centrarnos porque esa es la pieza que realmente cambia de manera muy dramática.

Paul Greenberg: Correcto.

Michael Wu: Todo ahora en la era posterior a la pandemia, todo se está volviendo digital y las cosas se vuelven más transparentes. La gente puede ver a todos los demás proveedores en línea. Entonces, en realidad, es muy fácil para los clientes cambiar su experiencia. Por ejemplo, si ve una oferta para usted, puede tener una experiencia de cliente, pero en el momento en que voy y veo a otro proveedor que ofrece lo mismo por, digamos, un 10% menos, inmediatamente cambia su experiencia de cliente. Esta transparencia hace que la experiencia del cliente sea realmente desafiante porque las expectativas del cliente pueden fluctuar y estar muy influenciadas por el entorno. Incluso cuando te despiertas en un mal día cuando está lloviendo o algo así, podrías tener una peor experiencia como cliente. Entonces, para mantenerse al día con esto, diría que las expectativas de los clientes cambian constantemente, necesita algo como yo diría: "Puedo ayudarlo en línea".

Creo que en el mundo tradicional, cuando en realidad estás tratando con un humano, los humanos son muy buenos para medir las expectativas de los clientes. Si estoy hablando contigo, viéndote cara a cara, tu lenguaje corporal me dice algo sobre si estás contento o no con lo que te estoy ofreciendo o algo así. Pero cuando está hablando con una máquina cuando está en línea, cuando los clientes no están comprometidos con una persona real, entonces se vuelve realmente desafiante medir cuáles son las expectativas del cliente. Asique como haces eso? Quiero decir, para hacer eso, necesita una transmisión en vivo en tiempo real, diría, datos contextuales ambientales en los que se encuentra el cliente, o en qué canal está entrando, en qué región está, todos estos otros datos contextuales sobre este cliente, entonces ayudarás a la IA a comprender al cliente del otro lado. Pero lo más importante que hay que reconocer en esta era es que, aunque tenemos grandes datos, nunca hay suficientes datos.

Creo que hay grandes datos en su totalidad, pero cada vez que tratamos con un solo cliente o un solo contacto, los datos disponibles para ayudarlo a tomar esa decisión se reducen drásticamente. Hay muchos datos por ahí. Muchos de ellos son realmente útiles en algunos contextos, pero en este contexto particular en este momento y estoy tratando con este cliente en este momento, los datos relevantes que lo ayudarán a decidir qué hacer en realidad son bastante pequeños. Entonces, la clave es identificar esos datos. La segunda cosa es, cuando dices que existen estos nuevos canales por los que llega esta información, la IA, una de las bellezas de esto es la capacidad de aprender. Entonces, AI tiene un componente interno que se llama aprendizaje automático que les permite aprender realmente de los datos. Entonces, eso le permite adaptarse. Cuando tienes aprendizaje, puedes adaptarte. Entonces, esto es en realidad lo mismo que cómo funciona un ser humano. Cuando vea esta nueva transmisión, digamos, TikTok, primero diga: "Ignorémosla".

Pero después de un tiempo, ves TikTok, TikTok, TikTok, y luego dices: “Oh, está bien. Tal vez debería prestar atención a eso. Aprendes, ves que hay más información con más frecuencia, por lo que se vuelve cada vez más relevante. Entonces deberías cambiar tu modelo de cómo funciona este mundo y poner más peso en este canal en particular que en tu otro canal tradicional al que no habías estado prestando atención. Entonces, esta es exactamente la misma forma en que operaría la IA. En primer lugar, diría que le da muy poca importancia a este nuevo canal, pero a medida que aparece cada vez con más frecuencia, básicamente revisará su algoritmo para comenzar a darle más y más importancia a este canal si resulta ser relevante. Tal vez si es muy fuerte, muy ruidoso, pero en realidad no es relevante, entonces mantendría la espera o el impacto que ese canal tiene todavía en un nivel bastante bajo. Creo que es un proceso de aprendizaje y el aprendizaje está realmente habilitado en estos sistemas de IA a través del aprendizaje automático.

Tendencias de las pequeñas empresas: ¿Cómo impacta eso en el uso ético de la IA? ¿Estamos viendo alguna convergencia o divergencia? ¿Más datos, menos ética? ¿O es más datos, más ética? ¿Tienen alguna relación? Porque me parece que cuantos más datos encontramos, más tentador es usar estas cosas de cualquier manera que fuera el viejo Malcolm X, "por cualquier medio necesario". Pero, ¿la ética detrás de la IA está mejorando a medida que obtenemos más datos sobre esto?

Michael Wu: Creo que ciertamente hay más conciencia al respecto. Creo que en este momento hay, diría, equidad, transparencia. La gente habla de este tema de la caja negra. Esta IA, no sabemos cómo está tomando decisiones y todo. Por lo tanto, es un desafío, pero en realidad está motivando a más y más personas a prestar atención a esta área de ética, justicia y responsabilidad. Así que todos estos grandes datos adicionales que estamos usando, diría yo, son muy tentadores. Pero creo que debe haber una fuerza opuesta para desafiar igualmente a estos científicos de datos. Creo que tiene que haber esta, diría yo, tensión saludable entre los dos grupos. No es que los científicos de IA deban dictar todo. El avance no debe impulsarlo todo. No todo se trata de avance, pero tampoco se trata de regulación. Quiero decir, creo que los dos grupos deben tener este tipo de tensión saludable para plantear problemas que nos preocupan.

Y si no planteas el problema, los científicos no lo resolverán. "Funciona. ¿Por qué abordo este problema?”. Entonces, si plantea ese problema, más y más científicos se darán cuenta y dirán: "Está bien, ese es un problema desafiante que debo abordar para hacerlo mejor, mejor para la humanidad, mejor para todos". Es por eso que esa tensión saludable necesita estar ahí. Y creo que en este momento, para responder a su pregunta, sí, están sacando a relucir más y más de estos. Creo que ahora mismo hay más preguntas que soluciones, pero el péndulo oscilará. Porque, anteriormente, todo era avance de la IA, por lo que todo son péndulos por un lado. Y ahora que la gente es consciente del poder de la IA, toda esta ética. Yo mismo soy casi la mitad de un ético para decir: “Oye, no puedes simplemente mirar el uso de IA para lo que quieras. Debe observar el uso ético de sus datos para no marginar a ningún grupo ni nada”.

En realidad, hay muchas voces de ese lado ahora, y eso genera mucha preocupación. Todavía no tenemos una solución, pero creo que ahora más y más personas están prestando atención para abordar esos problemas.

Tendencias de las pequeñas empresas: Bueno, la ética en sí misma o quien sea que esté programando la IA, tienes que seguir su conjunto de ética y no todos los conjuntos de ética son iguales, así que sé que va a ser difícil. Y la otra cosa que creo también es el conjunto o la población de personas que realmente crean la ciencia de datos, está cerca de ser un grupo homogéneo de personas. No es muy variado. No es muy diverso. Es casi como si no solo necesita una IA ética, necesita una IA inclusiva para que sea un poco más representativa, y creo que eso es lo que más puede faltar, el conjunto de personas que lo están haciendo.

Me alegra mucho oírte decir que está cambiando, porque había ese gran Netflix cuando hablamos sobre el reconocimiento facial y la IA no podía detectar a una mujer negra de otra cosa, y parte de ese razonamiento se debió a que la gente que estaban creando la IA no se parecía a la mujer negra que estaba tratando de detectar. Y esa ha sido una de esas cosas que ha sido un ingrediente faltante para esto.