No trabajamos en IA sin un propósito, las empresas tampoco deberían: Google

IDC estima que el gasto mundial en sistemas de inteligencia artificial (AI) alcanzará los 35,800 millones de dólares en 2019, un aumento del 44% sobre el monto gastado en 2018.

En materia de IA “hay muchas cosas sucediendo en este momento”. Andrew Moore, quien dirige los esfuerzos en ese sentido en Google Cloud, consideró que, en ese mar de posibilidades, la clave es buscar problemas reales que resolver con esta tecnología para darle un uso útil, en lugar de solo desarrollar sin un propósito.

“No se debe cometer el error de trabajar en algo y después ver qué problema puede resolver. Se debe trabajar a partir del problema, identificando primero de qué se trata y, después, viendo cómo podemos utilizar inteligencia artificial para darle solución”, dijo.

En entrevista con Expansión, Moore consideró que las empresas deben informarse, antes de tomar decisiones.

Lee también: Con Anthos, Google Cloud espera más de un triple crecimiento anual en LATAM

En algunos casos, detalló, existen riesgos latentes de los que Google se siente responsable de “educar a los clientes”. “Por ejemplo, no hemos lanzado reconocimiento facial como un producto, porque sabemos que la idea de que la publicidad reconozca a la persona puede llevar a un desastre”, explicó.

Google lo resuelve poniendo a disposición de sus clientes herramientas como una suite de materiales educativos “para advertirles sobre cosas como estas”.

Además, les recomienda que, cuando se toma la decisión de utilizar AI en una empresa, sus diferentes áreas estén presentes, no solo los tomadores de decisiones o el equipo de IT, pues pueden llevar diferentes perspectivas a la mesa. “Es la mejor manera de consigan un producto que realmente les sea útil”, agregó.

Eso es al exterior. Al interior, Google mantiene el equilibrio entre desarrollar soluciones tanto disruptivas como útiles con inteligencia artificial al escuchar tanto las necesidades de sus clientes como a su base de expertos e investigadores. “Esto es excelente, porque nos permite abordar problemas específicos con claridad”, comentó.

Ejemplo de ello son los tres lanzamientos sobre inteligencia artificial que Google Cloud hizo durante su conferencia anual Next, relacionados con problemas comunes entre las compañías actualmente: el análisis de documentos; la administración de múltiples puntos de contacto de servicio al cliente, como chatbots, teléfono y correo electrónico; así como la previsión de la demanda del inventario, en el caso de los minoristas.

Esto es lo nuevo:

Inteligencia artificial que comprende documentos

La mayoría de las compañías manejan grandes cantidades de información y trasladarla a una base de datos digital o a una solución de nube para acceder a ella fácilmente, extraer datos específicos y/o analizarlos, puede implicar muchas horas de trabajo si hace de manera manual.

Para solucionarlo, Google presentó Document Understanding AI, una plataforma que se encarga de clasificar, extraer y alimentar las bases de datos.

Además, se alió con firmas como Iron Mountain, Box, DocuSign, Egnyte, Taulia, UiPath y Accenture para ofrecer funciones como identificar campos en formularios, pasajes de texto, tablas y gráficos, como así como la concordancia de palabras clave del cliente.

Inteligencia artificial para centros de contacto

Contact Center IA es una solución de inteligencia artificial que utiliza esta tecnología para habilitar agentes virtuales, que se encargan de manejar las consultas más sencillas, y mejorar las respuestas de los agentes tradicionales, que se encargan de las preguntas más complejas, al ofrecerles información en tiempo real sobre la conversación en pantalla.

“Lo interesante aquí es que no estamos creando un software de centro de contacto. Estamos inyectando esto en el software que la gente ya está utilizando al trabajar de la mano de firmas como Genesys, Cisco, o Avaya”, dijo Rajen Sheth, gerente de productos de Google.

Inteligencia artificial para minoristas

Google lanzó en Next tres soluciones de inteligencia artificial enfocadas especialmente a los minoristas, divididas en dos grupos: el primera para predecir la demanda se productos y el segunda para recomendar los mismos a los consumidores.

AutoML Tables es una herramienta que aprende de los datos de la empresa para hacer predicciones útiles que pueden ayudarle a optimizar su catálogo de productos y comprender mejor a sus clientes.

Recommendations IA le permite a los retailers ofrecer recomendaciones de compras personalizadas, lo que le permite incrementar sus ventas al tiempo que mejora la experiencia de sus clientes.

Vision Product Search, que se integra a las aplicaciones de los retailers, permite a sus clientes capturar la imagen del objeto que buscan y se encarga de encontrar similares en el catálogo del minorista.

En Next pudimos ver los pilotos de algunas tiendas relevantes en Estados Unidos, como Target o Ikea, utilizando estas tecnologías, sin embargo, la mayoría aún no están disponibles en sucursales. Moore dijo a Expansión que este tipo de soluciones pueden tardar de seis meses a tres años en llegar al público general.

“Hay muchas cosas muy ‘cool’ que puedes hacer con inteligencia artificial. Hoy el reto es encontrar las que pueden dar soluciones a problemas actuales reales para hacer de esta tecnología algo realmente útil”, concluyó Andrew Moore.

IDC prevé que el gasto en sistemas de AI se duplique “con creces” en 2019, con un total de 79,200 millones de dólares.