Toda moneda tiene dos caras: una buena y una mala. Y para el responsable general de IBM Cloud, Watson y Plataforma en la Nube de IBM, David Farrell, con la tecnología pasa lo mismo. Que el resultado sea uno u otro, solo depende de nosotros. Así que, aunque reconoce que la inteligencia artificial (IA) puede usarse para hacer el mal, cree que una ética sólida permitirá que la humanidad se beneficie de ella al máximo.

El argumento principal del discurso de Farrell, que fue uno de los ponentes del reciente congreso DES2018 celebrado en Madrid (España), es que las máquinas no han venido a reemplazarnos sino a darnos apoyo para que seamos más eficaces y productivos. Aunque admite que las personas deben preparase para el impacto que la IA tendrá sobre el trabajo, y empezar a formarse en las nuevas habilidades que se demandan.

Cada año, MIT Technology Review elabora una lista con las 10 tecnologías que más impacto podrían tener en la sociedad. En la de este año figura la inteligencia artificial en la nube. ¿Qué está haciendo IBM en este sector actualmente?

Nosotros empezamos a trabajar en inteligencia artificial hace más de 20 años. Teníamos un sistema llamado DeepBlue que ganó a Gary Kasparov al ajedrez [ver Kasparov admite que Deep Blue no hizo trampas al ajedrez 20 años después]. Desde entonces, nos hemos centrado en hacer avanzar a este sistema y en comercializarlo.

Puede que todo esto parezca nuevo, pero llevamos años trabajando y ya tenemos miles de clientes de un montón de industrias y sectores que usan Watson, que es nuestra extensión de la inteligencia artificial [ver ¿Quién es Watson y qué queda de él después de ganar 'Jeopardy'?].

Pero en concreto, me refiero a los servicios de inteligencia artificial en la nube y a su capacidad para democratizar la tecnología para que llegue a empresas más pequeñas. ¿Puede una empresa pequeña acceder a Watson fácilmente?

Bueno, Watson nació en la nube y ofrecemos sus servicios a través de ella. La mayoría de nuestros clientes son empresas pequeñas a las que ofrecemos un abanico de API para el reconocimiento de imágenes, servicios de conversación… Hemos llevado todas estas API al mercado a través de una plataforma de pago por uso. Así que a los clientes les resulta muy fácil conectarlas a sus aplicaciones.

Lo realmente importante sobre Watson, y la IA en general, es lo fácil que a las pequeñas empresas les resulta conectarse a él. En cuestión de días, pueden conectar una API a sus aplicaciones y empezar a aprovecharse de ella. Esa es la gran historia.

¿Pueden los clientes personalizar los algoritmos?

Sí. Bueno, Watson se puede entrenar. Este es un punto muy importante. El núcleo de Waston está en las matemáticas, en las ciencias. El sistema ingiere enormes cantidades de datos y establece inferencias y conclusiones. La diferencia de Watson frente a otros sistemas es que está construido para los negocios.

Esa es la diferencia con lo que Amazon está haciendo con Alexa o Google con sus dispositivos de consumo. Alexa es un buscador basado en la voz para el consumidor. Es un producto muy atractivo, pero no es lo que buscamos para los negocios. Los negocios buscan cosas distintas. Buscan el poder del big data que tiene Waston, porque puede leer lo que hay en internet y recordarlo fácilmente.

Pero Watson también puede trabajar con pequeñas cantidades de datos. Puede aprender a identificar rápidamente un vehículo con solo ver dos o tres imágenes. Esto es muy importante para los negocios, porque muchas veces solo tienen pequeñas cantidades de datos y quieren poder entrenar a Watson para saber qué valor se esconde detrás de ellos. Y a Watson esto se le da muy bien. No solo consume big data, Watson aprende de las personas.

Entonces, ¿diría que Watson ya está preparado para añadir valor a cualquier tipo de compañía de cualquier tamaño y de cualquier sector? Por ejemplo, ¿podría aportar valor a una pequeña empresa local de comestibles que no vende por internet?

Sí, absolutamente. Watson puede aprender de cualquier industria, en cualquier vocabulario, cualquier proceso. Nosotros ofrecemos los modelos de entrenamiento para que alguien, por ejemplo, el servicio de atención al cliente de un banco, pueda entrenar a Waston con las preguntas que se suelen hacer y las respuestas que se pueden dar.

Normalmente tomamos casos de uso comunes, como el del call center, con los que entrenamos a Watson y creamos un paquete de servicios. Son soluciones entrenadas para empresas y sectores específicos que los clientes pueden adquirir. Pero no están obligados a usar todas las API ni todas las soluciones. Solo queremos que adquieran aquellas que les den valor de verdad.

¿IBM asesora a las empresas sobre qué paquetes deben comprar o cómo deben trabajar?

El modelo de compromiso en el sector de la IA es diferente. Antes, los clientes decían qué necesitaban y los vendedores de IBM ofrecían sus productos y soluciones. Ahora, trabajamos con desing thinking en lo que llamamos 'sesiones de garaje', que duran un día o dos. Usamos esa metodología para averiguar qué quiere conseguir y cuáles son sus necesidades. El objetivo es descubrir cómo podríamos usar la IA para que el cliente pueda mejorar sus servicios.

Normalmente trabajamos con él para crear un MVP [producto mínimo viable], eso suele durar un par de semanas hasta que lo pasamos a producción. Antes, ese proceso duraba meses y el cliente tenía adquirir un montón de tecnología y pagar por muchos servicios. Ahora, trabajamos un par de días en conjunto con el cliente y crecemos con él.

Antes comentó que Waston está listo para ayudar a cualquier empresa, pero el consenso general actual sobre la IA es que le falta sentido común para entender el mundo de verdad. ¿Qué opina sobre esto?

El objetivo de la IA es asistir a la gente para hacer su trabajo y tomar mejores decisiones. Ahora mismo, a la IA se le da muy bien asumir tareas que requieren una gran cantidad de datos e ingerirlos para buscar relaciones y acelerar las tareas de bajo nivel para hacerlas aún más sencillas.  En un call center, el 80% de las llamadas plantea las mismas preguntas. Puedes entrenar a una IA para identificar y responder a esas preguntas. Pero la IA no está lista para entender las dinámicas humanas. El nivel de sofisticación y comprensión de un humano frente al de una IA están lejísimos.

¿Entonces el gran reto de la IA es que comprenda el lenguaje tal y como nosotros lo expresamos?

El procesamiento del lenguaje natural ya es bastante bueno. Lo difícil son las inferencias profundas, el sentido que un humano da a una frase, como tú y yo estamos hablando ahora mismo. No tenemos ninguna máquina capaz de intuir qué pregunta me vas a hacer a continuación. La intuición es muy difícil de replicar a través de la IA.

Luego están todas las cosas físicas humanas que las máquinas tampoco pueden hacer, como el sentido del tacto, el del olfato, el oído... El lenguaje es un sentido muy estrecho. No es fácil de hacer, pero solo tiene una dimensión, al igual que la visualización.

Aquí en DES2018 hemos mostrado un dron que sobrevuela una ciudad para identificar procesos industriales, patrones de tráfico… El dron funciona con Watson, toma decisiones y da consejos a los servicios de emergencia y a los de mantenimiento para que sepan cómo está el tráfico o avisar de que una máquina concreta necesita mantenimiento.

¿Y qué pasa si estas tecnologías, como el dron que menciona, dan una información incorrecta? ¿Si interpretan mal lo que ven y toman una mala decisión?

Nuestra filosofía es que la IA está para apoyar a los humanos para que tomen mejores decisiones. Watson puede hacer una recomendación basada en los datos, como ya está haciendo ahora mismo para curar el cáncer a partir de datos oncológicos. Ese es uno de nuestros primeros casos de uso. Hay 10.000 nuevas investigaciones oncológicas publicadas cada año. Nadie puede absorber toda esa información si además estás tratando a un paciente. Hay muchos puntos de datos distintos, y Watson puede ayudar a los médicos a absorberlos. Pero es el médico el que toma la decisión. En sector industrial pasa lo mismo, y también en los call centers. Watson prepara la información de forma que el humano pueda tomar la mejor decisión asistida.

Entonces, ¿diría que la IA nunca debe tomar la decisión final?

Sí, absolutamente. El humano debe tomar la decisión final. La máquina solo está ahí para que la decisión sea más obvia.

Hay un punto ético en todo esto. Creemos en tres principios éticos sobre la IA. El primero es que su objetivo debe ser apoyar a los humanos, no reemplazarlos. El segundo es la de la transparencia, necesitamos saber cómo está entrenado el algoritmo para entender cómo funciona, y quién lo ha entrenado. Nunca debería ser un secreto que un humano está interactuando con una inteligencia artificial. El tercer principio tiene que ver con las capacidades. Cualquier tipo de IA cambiará la naturaleza del trabajo, pero eso tiene que trasladar a los humanos a tareas de más nivel y valor para que dejen de hacer tareas de bajo nivel.

Pero el ejemplo que ha mencionado del call center precisamente se basa en automatizar las tareas de los trabajadores humanos.

Bueno, no hay duda de que la inteligencia artificial está transformando la naturaleza del trabajo. Muchas tecnologías previas ya lo hicieron, como el automóvil. La gente dejó de fabricar carruajes de caballos y empezó a fabricar coches. Ahora hay más gente trabajando en la industria del automóvil que la que jamás hubo fabricando carruajes.

Y lo mismo pasa con la IA. Uno de los últimos informes de la Unión Europea centrado en el impacto de la inteligencia artificial en el mercado laboral concluye que, aunque la IA disrumpa el mercado laboral al principio, finalmente también creará oportunidades económicas y aumentará la productividad. Y cuando haces crecer la economía, creas empleo.

Hay un impacto en el trabajo y en el tipo de trabajo, sí. Pero el impacto neto es que la IA hace crecer la economía y el número de empleos. El punto importante es el de las capacidades. ¿Cómo formamos a la gente para que haga tareas de más nivel?

IBM está muy involucrada en lo que llamamos new collar jobs. La gente no tiene que ir a la universidad ni ser científico para trabajar en inteligencia artificial. Estamos colaborando con universidades y colegios para enseñarles la ciencia de la IA y habilidades de desarrollo, sobre todo en zonas de pocos recursos. Ahora mismo falta mucho talento en inteligencia artificial.

En Francia, nuestra CEO estuvo con el presidente Macron en la conferencia Tech for Good donde anunció la creación inmediata de 1.400 empleos relacionados con la IA en el país. Esto es lo que está pasando ahora mismo en el mundo. Hay mucha creación de empleos distintos.

¿Y qué le diría a la gente que está asustada por los robots asesinos?

[Risas] Bueno estamos muy, muy lejos de eso. Vuelve a ser un tema de ética. Cada tecnología se puede usar para el bien o para el mal. Eso es un hecho. Pasa lo mismo con la tecnología nuclear, que se usó para crear bombas, pero también la radiología para curar el cáncer. Y con nosotros pasa lo mismo. Los humanos somos buenos y malos, depende de lo que decidamos hacer con la tecnología.

La IA no supone una amenaza mayor que cualquier otra tecnología. Por eso es importante que mantengamos la ética basada en cuál es su objetivo, quién la construye y cómo funciona.

Entonces, ¿cree que sí sería posible que en el futuro la IA se alce para dominar a la humanidad?

[Risas] ¡No! ¡Para nada! Todo lo contrario. Nosotros diseñamos los algoritmos. Es algo mucho más seguro que lo que hay ahora mismo en internet. Tenemos malos actores influyendo en las elecciones, millones de ciberataques... Estas son amenazas mucho más profundas para la seguridad. La IA es una ciencia mucho más manejable y mucho más transparente. Al final, son simples matemáticas, y las matemáticas son comprensibles.