Puede que, si se compara con Google, Apple o la última start-up rompedora, IBM no resulte el gigante tecnológico más atractivo. Pero existe desde 1911, así que debe estar haciendo algo bien.

Su secreto es el departamento de investigación, compuesto por 3.000 investigadores distribuidos en 12 ubicaciones. La compañía confía en ellos para mantenerse al día con las últimas tendencias en tecnologías emergentes. Desde hace décadas, IBM lleva a cabo un proceso anual para crear y adaptar sus áreas de negocio a los nuevos horizontes.

Pero este proceso tiene sus carencias. En su apogeo, IBM fue un poderoso centro de investigación de inteligencia artificial (IA), responsable de importantes avances como el de enseñar a un ordenador a jugar a las damas y ganar al mejor jugador de ajedrez del mundo. Ahora ese tipo de titulares se los llevan algunos recién llegados al sector como OpenAI y DeepMind. Mientras tanto, IBM ha perdido parte de su buena reputación por no haber cumplido su promesa con el proyecto Watson.

Pero la compañía se prepara para volver a estar en lo más alto, especialmente desde hace dos años, cuando logró un acuerdo con el MIT (EE. UU.) para compartir investigadores y dirección IP. En la reciente conferencia EmTech Next de MIT Technology Review sobre el futuro de los negocios, la vicepresidenta de Colaboraciones en Tecnologías Emergentes, Sophie Vandebroek, compartió su estrategia de innovación a largo plazo.

Cuando se unió a IBM, la empresa había perdido su posición como gran potencia de la IA. ¿Cómo planteó enfrentarse a ese desafío por primera vez?

Para estar a la última, a IBM se le da muy bien hacer pronósticos tecnológico globales [GTO, por sus siglas en inglés] anuales. Los investigadores nos ayudan a ver qué hay al otro lado del horizonte y nos avisan: "Hay que estar atentos a estas tendencias importantes que podrían afectar a la compañía o permitir que la empresa y nuestros clientes construyan el próximo gran negocio millonario". Así es como pensamos.

Cuando entré en la empresa iba a dedicarme a liderar el GTO. En seguida decidimos que la IA era una de esas tecnologías con un crecimiento exponencial. La IA ya había sido señalada en otros GTO previos, como en el que se crearon las propuestas de salud y seguridad con Watson. Pero ahora hemos pensado y decidido actualizarnos de manera muy integral, teniendo en cuenta todo lo que ha sucedido en los últimos años

Entonces, ¿cómo es el proceso GTO?

Dura un año y termina el día en el que IBM Research lanza sus recomendaciones sobre tecnologías emergentes con potencial de crear el próximo negocio millonario para IBM. Hemos impulsado herramientas como Github, donde las personas pueden publicar sus ideas para que sea un proceso muy transparente. Todos los empleados en IBM Research pueden entrar, votar y dar consejos, y el equipo de directivos revisa periódicamente los resultados.

Los primeros seis meses se centran en la fase de recopilación de ideas, y luego, a principios de verano, comenzamos a enfocarnos en algunos temas globales de alto nivel que son muy importantes. Algunas veces se elige solo un tema, como pasó hace dos años con la IA. A lo largo de verano, lo elegido se afina y, a principios de otoño, empezamos a ver qué opina la comunidad virtual y qué hace la competencia. Llevamos a cabo investigaciones adicionales detalladas sobre el mercado y la competencia para fortalecer el mensaje. El negocio de las cadenas de bloques (blockchain) salió de este proceso; el nuevo negocio de seguridad con Watson, también.

IBM es una empresa que tiene más de un siglo de antigüedad. Es un gran barco con cientos de miles de empleados, por lo que debe asegurarse de que el barco continúe en una dirección de éxito. Tener este tipo de procesos nos permite unir a toda la compañía y centrarnos en lo importante.

Cuando empezó a trabajar ahí, no tardó en proponer la alianza MIT-IBM Watson AI Lab. ¿Por qué?

Tanto IBM como el MIT son instituciones excepcionales en la costa este de EE. UU., una zona que cuenta con muchas empresas que invierten en inteligencia artificial y que trabajan con universidades de la zona. Algunas compañías consiguieron todo un departamento, como lo que sucedió con la Universidad Carnegie Mellon y Uber [este último engulló su laboratorio de robótica, que era uno de los más importantes del mundo], que por supuesto es un mal modelo. Durante una década, también he formado parte del Comité Asesor del Decanato de Ingeniería del MIT. Con muy poca inversión adicional, ambas instituciones podrían subir al siguiente nivel en la "búsqueda de inteligencia", como el MIT empezó a llamarlo cuando se estableció el laboratorio.

Teníamos muchísima aceptación por parte de todos mis colegas de IBM, por eso pudimos hacer esta propuesta para crear el MIT-IBM Watson AI Lab. En IBM, de unos 5.000 investigadores de nuestra comunidad (incluidos estudiantes y pasantes), 1.500 trabajan en inteligencia artificial, o en los algoritmos principales de IA o en su aplicación en la industria. Entonces [el nuevo laboratorio] no podía a centrarse en los mismos problemas en los que nuestra gran comunidad ya estaba enfocada. Queríamos centrarnos en los problemas más difíciles para los que solo se necesitan las mejores y más brillantes personas del mundo.

¿Y cuál es el impacto de esta colaboración? ¿Cómo ha mejorado la investigación de la IA ya existente?

Esta colaboración ha vuelto a enfocar la investigación de IBM en resolver problemas importantes de ciencia básica  para la IA. IBM no decide en solitario qué proyectos se eligen en el laboratorio. Eso lo hace un Comité Directivo con tres miembros del MIT y tres miembros de IBM, codirigido por un director de cada entidad. Una vez al año, realizamos una solicitud de propuestas a través de nuestros cuatro pilares de investigación: los algoritmos centrales de la IA, la física de la IA, la IA aplicada a las industrias y la prosperidad habilitada por la IA. Esos proyectos se revisan ​​y se seleccionan desde el Comité Directivo. La primera vez que lo hicimos, recibimos 186 propuestas y acabamos financiando 49. Este proceso nos obliga a analizar los problemas difíciles de la investigación científica que no tienen una aplicación fácil.

Nuestros investigadores también forman parte de la comunidad de investigación de productos, a la que se le da muy bien ejecutar hojas de ruta para los productos. Llevamos muchas décadas trabajando en la hoja de ruta de la Ley de Moore, en la que queríamos obtener transistores cada vez más pequeños, por ejemplo. Tenemos una hoja de ruta similar para la computación cuántica. Por lo tanto, la investigación básica trata de estar a la vanguardia de saber qué es lo que la IA es capaz de hacer actualmente y de ampliar constantemente sus límites.

¿Por qué eligió este modelo de colaboración?

Es un modelo conjunto para que los seguidores de IBM puedan saber lo que ocurre en el proyecto desde el principio. Juntos, registramos patentes. Gran parte de la tecnología es de código abierto porque, obviamente, los estudiantes tienen que poder escribir sus artículos, preparar su tesis doctoral, etcétera. Participar desde el principio permite que aquellas tecnologías que tienen sentido estén realmente integradas en la hoja de ruta de un producto.

Hace unos meses, ampliamos el acuerdo con el MIT para incorporar a otras corporaciones a nuestro consorcio. Así que, cualquier empresa interesada, puede unirse al MIT-IBM Watson AI Lab como miembro. Las corporaciones no forman parte de los proyectos de investigación, pero tienen acceso a ellos y a la dirección IP de un subconjunto de proyectos. Hasta el momento, ya hay cuatro inscritas.

¿Qué otros tipos de colaboraciones quieren construir?

Queremos colaborar con varias industrias. Si funciona, todo lo que surja de estos programas de investigación será positivo y valioso para la mayoría de los sectores. Queremos captar aproximadamente a una docena de compañías clave que realmente puedan aportar al consorcio sus conocimientos, sus puntos débiles, sus sueños, sus datos.

Cuando creamos el laboratorio original con el MIT, no limitamos a los profesores y estudiantes a la hora de crear start-ups. Nuestro sueño es que de este laboratorio salgan muchas start-ups relacionadas con la IA en la comunidad de Cambridge (Reino Unido) y Boston (EE. UU.). Por supuesto, el laboratorio es nuevo; celebraremos su segundo aniversario en septiembre, pero esperamos que pronto surjan más start-ups para crear un ecosistema completo.

¿Cómo cree que serán las colaboraciones en el campo de las tecnologías emergentes dentro de cinco o diez años?

Creo que todo el ecosistema (empresas, universidades y start-ups) es cada vez más importante. Por ejemplo, en nuestro departamento de la computación cuántica, tenemos el hardware de código abierto disponible a través de la web. Un total de 120.000 personas de todo el mundo han entrado y realizado pequeños experimentos y se han escrito más de 160 documentos técnicos, por lo que algunos están haciendo grandes investigaciones. Estos 120.000 usuarios son de todos los continentes, incluida la Antártida, y han realizado 10 millones de experimentos.

Lo que intento decir es que no se trata sólo de acuerdos con corporaciones o start-ups. Se trata de asociarse con personas: con investigadores individuales y con desarrolladores. Mi esperanza es que nuestras otras plataformas de código abierto, como las herramientas AI Fairness 360 [que ofrece recursos para abordar el sesgo en el aprendizaje automático], atraigan a muchos investigadores de todo el mundo para mejorarlas y luego utilizarlas. Lo mismo ocurre con la plataforma de cadena de bloques de código abierto: IBM contribuye, los expertos también, y luego varias corporaciones pueden usar la plataforma y construir sobre ella. Las colaboraciones son una nueva forma de hacer investigación.