(RE)PENSANDO LA INVESTIGACIÓN: ¿INVESTIGADORES POTENCIADOS O ENTRENADORES DE INTELIGENCIAS?

Conversamos con Roberto Cruz, Gerente General de Cognitiva, para entender las posibilidades y desafíos de la inteligencia artificial aplicada a la investigación de mercados y opinión.

¿Cómo definirías a la inteligencia artificial?

Inteligencia artificial son todas aquellas cosas que resuelven problemas que están como en la frontera de la computación. Hoy día involucran cosas como el aprendizaje de máquinas, entendimiento de lenguaje natural, el aprendizaje autónomo a partir de censar el entorno, la comunicación con las personas. Hoy inteligencia artificial, y esto que seguramente va a cambiar en dos años, son cosas como los autos que se manejan solos, sistemas que aprenden por si mismos, sistemas capaces de ayudar a las personas a aumentar su inteligencia y a dialogar en forma perfectamente clara con un ser humano, y que la conversación parezca entre dos personas.

¿Y dentro de eso, de qué hablamos cuando hablamos de machine learning?

Machine learning es una disciplina científica asociada específicamente a lograr que las máquinas aprendan. Desde robots que aprenden ellos solos a caminar o a hacer determinada tarea hasta sistemas cognitivos que aprenden a partir de conversar o leer inmensa cantidad de documentos. Son sistemas capaces de no solo memorizar lo que leyeron sino conceptualizarlo entender la relación que existe entre los diferentes conceptos.

En la época de la computación programática si vos le dabas instrucciones al sistema, para lo cual dicho sea de paso tenías que saber el lenguaje de la máquina, y la máquina ejecutaba tus instrucciones. Ahora ya no programas como lo hacías anteriormente. Con el machine learning  vos entrenás al sistema, le das un objetivo a la máquina y le decís que aprenda que vaya ensayando por prueba y error o que vaya  incorporando conocimiento y que en base a eso aprenda ella sola las reglas.

¿Podes darnos ejemplos de cómo estos sistemas afectan la forma en la que los consumidores se relacionan con las marcas o las marcas con los consumidores?

Hoy es posible establecer una relación directa entre el consumidor y la marca. Sos un banco y te interesa que tus clientes  te puedan hacer preguntas en cualquier momento del día desde cualquier lugar, vos podrías tener un agente virtual cognitivo con inteligencia artificial que dialogue con vos como usuario y te responda las preguntas de la misma manera que si llamases a un call center. Hay casos como Northface donde vos si querés comprar una campera tenés en el sitio web algo parecido a lo que tendrías  en el vendedor si fueses a un local, alguien que te hace preguntas y en base a tus respuestas te recomienda camperas. Entonces tu relación con la marca empieza a ser una relación mucho más rica en cuanto a canales y mucho más rica en cuanto a la oportunidad en la que vos te querés comunicar.

Con inteligencia artificial no solo escuchás sino que podés ahora ser proactivo y estimular algo para ver la reacción y aprender de esa reacción. Esto te permite hacer una especie de realimentación positiva a partir de la cual hacés crecer el corpus de expresiones del consumidor, y con eso agrandar los límites de la información disponible. 

Y ahí entran los famosos chatbots…

Son los chatbots pero también podés jugar con estimulación en las redes sociales. Lo interesante es tener la capacidad cognitiva de entender quiénes son las personas con las que vos podrías querer hablar

Siguiendo con esta idea de los chatbots, recientemente Microsoft tuvo una experiencia un tanto complicada, con un chatbot que después de un par de días de estar en contacto con el público empezó a hablar como un nazi. ¿Cómo se resuelve esto?

Nosotros decimos que al entrenar existen verdades base. La verdad base se la tiene que dar alguien que tiene justamente autoridad para  definir esa verdad. Por ejemplo, para entrenar a Watson (la plataforma de inteligencia artificial de IBM) para oncología no lo hicimos nosotros, el contenido viene de oncólogos reconocidos a nivel mundial.

Pero se establece un debate muy interesante entre el aprendizaje supervisado  y no supervisado. Vos si tenés un chat y lo abrís al público en general y decís yo quiero que aprenda de todo el mundo, claramente la experiencia nos muestra que esa no es una buena decisión.

Vos no podés decir que tenga aprendizaje no supervisado y permitirle que aprenda de cualquier input.

Para determinados temas tiene que haber, palabras autorizadas y palabras y voces no autorizadas. Entonces vos podés entrenar sistemas donde el contenido lo aprende de las fuentes correctas y después lo expones a todo el público, pero no lo dejas que aprenda de todo el público.

Obviamente no se da en todos los casos: si vos querés que  un robot aprenda a caminar, dejalo que haga ensayo y error y que se equivoque mil veces, no hay problema. Pero cuando estás hablando y emitiendo opinión no está bueno que se equivoque mil veces. Vos querés que no se equivoque nunca

Esto que planteás quizás está más relacionado a soluciones del orden táctico, ganar eficiencia remplazando al humano del call center o al vendedor de la tienda por una máquina, y generar una experiencia personalizada, una sugerencia 1 a 1. ¿Dónde quedan en este escenario los paradigmas de segmentación, que están orientados a generar propuestas que resuelven las necesidades ya no de un individuo sino de un grupo de personas?

Yo creo que sobre este último punto hay una evolución. No creo que este paradigma haya muerto, sino que lo podés enriquecer con más variables.  Por ejemplo, una de las tecnologías permite realizar un análisis psico lingüístico y en base a lo que vos estás diciendo Watson genera un perfil de personalidad que incluye 52 variables.

Básicamente, vos escribís o hablas con Watson y Watson entiende lo que vos estás diciendo, ve de qué conceptos estás hablando, en qué tonos, qué tipo de palabra usas, asociadas con qué, y en base a eso identifica cuáles son tus valores, cuáles son tus motivaciones, si tenés un carácter extrovertido o introvertido, si sos positivo o no.

En ese sentido ahora vos tenés muchos más elementos para hacer un marketing 1 a 1, un entendimiento 1 a 1 que también sirve para segmentar porque vos podés empezar a hacer segmentaciones más complejas. Incluso podés característica dinámica a esta segmentación que antes era muy difícil de lograr: ante determinados eventos vos podés cambiar el modelo de segmentación en función de la reacción ante ese evento en particular de un conjunto de gente.

¿Qué implica todo esto para la investigación de mercados y opinión?

La inteligencia artificial te da nuevas para entender mejor al votante, al consumidor, al usuario. Vos podés entenderlo a través de las encuestas, podes procesar las encuestas de una forma distinta, y podés agregarle dimensiones como el análisis de personalidad que te mencioné, y que hoy no es algo que en general se realice.

¿Cuáles son las nuevas exigencias o capacidades profesionales que se requieren de un investigador para poder conectarse con este mundo? ¿Qué tiene que aprender un investigador, qué tiene que saber hacer?

A mi manera de ver tiene que saber qué cosas te permite la tecnología.

La tecnología es el 30% del tema. Saber que existe te permite el otro 70% que es creatividad: poder decir yo entiendo esto y lo puedo usar en esto. 

Entonces a mí me parece que el skill del investigador está en construir ese puente cada vez más rico entre tecnología disponible y uso impactante, de estar pendiente de cómo ir dando pasos en la incorporación de inteligencia artificial para obtener mejor información, para tener más claridad sobre lo que pasa, para tener más claridad sobre lo que yo debería hacer. O sea entender la tecnología y sobre todo tener esa curiosidad creativa de en qué la aplico. 

¿Cuál es el límite de inteligencia artificial? ¿Cuáles son las preguntas que inteligencia artificial no puede responder?

Ah es una pregunta fantástica. El límite de inteligencia artificial se corre permanentemente.  No está claro todavía hacia dónde nos va a llevar. Yo creo que nos va a llevar a un mundo donde vivimos mejor.

Ahora bien, hoy por hoy la inteligencia artificial puede responder preguntas asociadas con información objetiva con la que le puedas entrenar. La inteligencia artificial no tiene juicios de valor, no puede tener subjetividades, no tiene ética.

Vos la entrenás en algo en base a evidencia verdadera, y te va a dar respuestas válidas. Y si la entrenás en cosas que son mentiras te va a dar respuestas falaces.  No tiene forma de discernir verdad de mentira.

La otra restricción que por el momento tiene la inteligencia artificial es que se entrena en un dominio o en un corpus de información específico. Si vos querés un asesor o inteligencia virtual que te ayude a operar maquinaria agrícola lo entrenas en eso, si querés entrenarlo a que te ayude a mantener turbinas en avión entrenas otro Watson en eso. Pero el primero y el segundo no se hablan entre sí. No hay en definitiva lo que se llama inteligencia artificial completa, algo que pueda estar entrenado en absolutamente todo y pueda responder como nosotros las personas de cualquier tema.

 ……………………………………………………………………………………………………………………………………………………………………………………………..

Roberto Cruz Roberto Cruz es Gerente General de Cognitiva para Argentina, Paraguay y Uruguay.
Fue Director de Client Management de IBM para la región sudamericana hispana.
En sus 24 años en IBM ocupó diversas posiciones de liderazgo en áreas de ventas y gestión de negocios de organizaciones como Servicios de Tecnología, Hardware y territorios de clientes.
Desarrolló un profundo conocimiento del negocio de servicios y del valor de negocios que puede aportarse a los clientes de distintas industrias, especialmente la financiera. Roberto es Ingeniero en Electrónica de la Universidad de Buenos Aires y Máster en Administración Bancaria de UCEMA. Cursó además posgrados y cursos de perfeccionamiento en negocios en Harvard y Boston University.
Fue vicepresidente de la Cámara Argentina de Informática y Comunicaciones. Roberto es casado, tiene dos hijas y vive en la ciudad de Buenos Aires.