En México, la comprensión sobre qué es inteligencia artificial (IA) y su posible impacto en la transformación de las distintas industrias es aún un tema pendiente en muchas empresas.  Aunque tienen claro que buena parte de la robotización inteligente de procesos repetitivos puede ser un primer paso de implementación de IA, se trata de un conocimiento superficial, que no permite diferenciar la robotización, de la IA o el machine learning.

El director de Innovación de everis México, Armando Becerril, detalla: "Existen dos temas principales cuando hablamos de IA: aumentación y automatización. Aumentación es, literalmente, aumentar la capacidad humana para que las personas sean más productivas y eficientes en los procesos, para que la IA haga los trabajos más aburridos y repetitivos, y los profesionales hagan los trabajos más creativos".

Por otro lado, continúa el especialista, "el sistema de automatización es un poco más avanzado, porque un sistema de este tipo no solo procesa la información, sino que lo que tiene que hacer es tomar la decisión y después realizar una acción basada en esa decisión. En este caso es necesario hacer análisis, decisión y acción. Este tipo de sistemas todavía no son tan aplicados por muchas razones, habiendo además desconfianza en las máquinas".

La visión actual de IA

A diferencia de la amplia visión de Becerril, en el caso mexicano, la IA es entendida como "una herramienta que permite automatizar tareas repetitivas, y tomar decisiones que puedan ir desde lo más sencillo a lo más complejo", menciona el director de Transformación e Innovación de Banorte, Guillermo Güemez.

Ejemplo de ello es la integración de IA como mecanismo de automatización de procesos complejos que permite optimizar el desarrollo de nuevos productos, tal y como explica el Business Office Manager en Desarrollo del Producto en Ford de México, Alejandro Ayala, en referencia al proceso de producción actual, y el futuro próximo en términos de innovación. Ayala detalla: "Una camioneta pick-up en producción cuenta con aproximadamente 150.000.000 líneas de código de programación, y no estamos hablando todavía de IA, ni de vehículos autónomos.  Esta es todavía una unidad que está en el preámbulo de lo que va a ser ya una nueva revolución en la industria automotriz con estos cuatro elementos: conectividad, autonomía, electrificación y movilidad integrada. Es difícil que un programador maneje esa cantidad de líneas de código, por eso necesitamos usar IA".

Para el ejecutivo de Ford, esto es muy claro: "No hay forma de seguir integrando sistemas complejos y de asegurar la calidad de nuestros productos si no integramos la Inteligencia Artificial a nuestros procesos de diseño. Es una necesidad imperante en la ingeniería. Así podremos lanzar productos innovadores al mercado en el menor tiempo posible, al menor costo y con alta calidad".

En Ford, integrar la IA es una forma de optimizar el proceso de desarrollo del producto, pero para una empresa del sector aeronáutico como Volaris, la integración de IA viene impulsada por el interés de reducir lo más posible los costos de la aerolínea. Su director de Transformación y Control, Carlos Alberto González, lo explica así: "Somos una línea de ultra bajo costo con un objetivo muy claro: permitirle a más mexicanos volar bien. Una de las herramientas más poderosas para lograr la rentabilidad es la utilización adecuada de nuestro talento en tareas que requieran creatividad y generación de nuevas ideas. La robotización y la IA que aplicamos está enfocada en optimizar el tiempo de los seres humanos, para poder ocupar la inteligencia de nuestra gente en formas asertivas de creación de negocio que aumenten la eficiencia y promuevan su sostenimiento en el mediano y largo plazo. Ese es nuestro objetivo".

Proyectos en curso

Uno de los mayores defensores de utilizar IA para transformar su negocio de soluciones para la construcción es el Director de Data & Analytics de Elementia, Roger Long. El responsable sostiene: "Nosotros ya no tenemos proyectos especiales de IA, para nosotros es simplemente una herramienta más entre todas nuestras soluciones. Utilizamos IA en todos los aspectos: para equipos de seguridad, fallos de calidad, centralizar predicciones de venta, entre otras cosas. Por ejemplo, en cobranza tenemos algoritmos predictivos que nos dicen si un cliente se encuentra en riesgo de no pagar. Estamos trabajando en el desarrollo de patrones para mirar exactamente si vale la pena extenderles crédito o no. En ventas también usamos IA para ver si un cliente ya no compra ahora como solía comprar antes".

Otro de los ejemplos destacables en cuanto a la aplicación de la IA en empresas mexicanas es el que cuenta Head of Technology and Digital Services en Telefónica, Víctor Prieto: "Estamos impulsando que nuestra red se autorrepare y se autogestione. Buscamos que la red pueda ser elástica y crecer o disminuir en capacidades, en función de los movimientos en la demanda del mercado, pero de manera automática. Eso, hoy en día se hace a través de muchos ingenieros, y la idea sería hacerlo de manera automática. En México, somos pioneros en la virtualización de la red, y ya tenemos varios elementos gestionados de esta manera. Toda la información se extrae en tiempo real a nuestro big data, y estamos empezando a trabajar con algoritmos que puedan interactuar con la red de manera dinámica. Aunque eso todavía no es IA, sí son los cimientos para montar los procesos de IA que involucre, también, el machine learning".

Sin embargo, estos ejemplos parecen más una excepción que una regla dentro del concentrado mexicano.  Para Becerril resulta vital contar con responsables de innovación dentro de las empresas, con un conocimiento profundo de las implicaciones y los alcances que puede tener la implementación de IA y de nuevas tecnologías. El responsable alerta: "Necesitamos más foros, eventos y conferencias, y, por otro lado, necesitamos el compromiso de los ejecutivos para echar a andar estas tecnologías". Este cambio podría catalizar en una inversión a largo plazo, centrada no solamente en costear los proyectos, sino en entender las implicaciones culturales que tiene la integración de IA en las empresas, y la posibilidad de rediseñar de fondo modelos de negocio.

Retos para la implementación

En la conversación con los distintos entrevistados, se hace evidente que uno de los grandes retos culturales consiste en revertir la idea de que el negocio está seguro si se mantiene como hasta ahora. Es necesario que haya un entendimiento profundo de que la innovación es la vía para permanecer vigentes y funcionales ante un mercado que se está transformando rápidamente en muchas industrias.

En este sentido, Güemez destaca: "El modelo de innovación de Banorte es un modelo poco común. Aquí los casos de negocio son para proyectos normales, no para la innovación. Para innovar hay que estar dispuesto a perder, ya que no todas las iniciativas son exitosas". Aunque se asume que para innovar hay que asumir riesgos, en algunos sectores  existen pocos incentivos para hacerlo.

Por otro lado, en México el costo de contar con datos de calidad, infraestructura suficiente y viabilidad financiera para implementar los proyectos sigue siendo alto. Desde la perspectiva de Long, "en cuestión de valor agregado puede haber proyectos de IA muy buenos, pero cuando sale el costo final, todavía sale más caro contar con este tipo de recursos que contar con una persona y al final en el balance del proyecto, desde nuestra perspectiva, tiene que ser más barata la tecnología que una persona".

El responsable, quien precisamente está terminando un doctorado en analítica e IA, asegura: "Se entiende que el alto costo puede venir también de que, actualmente, hay ya muchas consultoras de todos los tamaños que se están montando en la ola de IA y no todos están realmente capacitados. Si la empresa no tiene a alguien interno que pueda hacer un contrapeso de conocimiento, como sucede en nuestro caso, es una gran barrera para lograr el desarrollo de estas tecnologías".

En cuestión de talento, el reto tiene varias aristas. Una de ellas la expone el Client Account Lead en FEMSA, Borja Echarri: "Hay mucha escasez de talento, y es uno de los grandes retos que vemos en las empresas mexicanas. Para estas tecnologías todavía estamos lejos de contar con los niveles de conocimiento adecuados. No es un tema de capacidad, sino de buying de los tomadores de decisiones, que, al estar presionados por los resultados de corto plazo, en ocasiones tienden a mostrar resistencia al cambio. Por un lado, están metidos en el día a día y por otro no terminan de ver el valor que puede tener capacitar a más gente porque normalmente esto va a largo plazo".  

Otra de las aristas en cuestión de talento tiene que ver con la comprensión de los retos éticos que surgen en el uso de IA, como nos comparte el Chief Technology Officer en Televisa, Igor Rosette: "Tienes que tener muy claro qué responsabilidad le vas a delegar a la IA en la toma de decisiones. Si no lo acotas desde el principio, se te puede ir de las manos. Estas decisiones las están dejando en manos de los ingenieros, y si nos dejan a nosotros solos, lo vamos a hacer mal".

Como podemos observar, en el caso de México el reto del talento es aún más complejo que en otros países. No se trata solamente de contar con las capacidades humanas y el conocimiento necesario de la tecnología para impulsar proyectos de IA, sino también de una formación integral que permita a los tomadores de decisiones identificar las posibilidades y el potencial de la IA para impulsar sus procesos de transformación.

Aunado a estas barreras, otro de los grandes retos al que se enfrenta México reside en definir la estrategia para invertir en proyectos de tecnología y las motivaciones de esas decisiones. Particularmente, se echa en falta una estrategia de fondo a la hora de adquirir tecnología. Como apunta Becerril: "Todo el mundo empieza pensando en la tecnología y después piensan en cómo aplicarla. Sin embargo, lo que debemos hacer es más bien, pensar los problemas que enfrenta la organización y después buscar la tecnología adecuada para resolver cada problema en específico".

Conclusiones

El desarrollo de proyectos basados en IA en México es aún incipiente y está lejos de ser punta de lanza como podría esperarse de una economía como la mexicana, segunda más importante en América Latina, sólo detrás de Brasil.

La implementación eficaz de IA en las empresas mexicanas todavía tiene un largo camino por recorrer en varios sentidos: formación y actualización de los tomadores de decisiones; desarrollo de estrategias que partan de los problemas de negocio para invertir en tecnologías; visión a mediano y largo plazo, entendiendo que todos los sectores son susceptibles de verse superados en el mercado por aquellos que sí están ejecutando las transformaciones necesarias.

De esta forma, es necesario contar en México con una mayor oferta de difusión de las posibilidades de la IA y de adquisición de conocimientos y capacidades de fondo, tanto para los tomadores de decisión, como para los distintos niveles que se involucran en los proyectos que ejecutan las aplicaciones de la IA.