En el mercado laboral ajustado y el entorno de trabajo híbrido actual, las organizaciones recurren cada vez más a la IA para respaldar varias funciones dentro de su negocio, desde brindar experiencias más personalizadas hasta mejorar las operaciones y la productividad para ayudar a las organizaciones a tomar decisiones mejores y más rápidas. Es por eso que se espera que el mercado mundial de software, hardware y servicios de IA supere los $ 500 mil millones para 2024, según IDC.
Sin embargo, muchas empresas no están preparadas para que sus sistemas de IA se ejecuten de forma independiente y completamente sin intervención humana, ni deberían hacerlo.
En muchos casos, las empresas simplemente no tienen suficiente experiencia en los sistemas que utilizan, ya que las tecnologías de IA son extraordinariamente complejas. En otros casos, la IA rudimentaria está integrada en el software empresarial. Estos pueden ser bastante estáticos y eliminar el control sobre los parámetros de los datos que la mayoría de las organizaciones necesitan. Pero incluso las organizaciones más expertas en IA mantienen a los humanos en la ecuación para evitar riesgos y obtener los máximos beneficios de la IA.
Controles y saldos de IA
Existen claras razones éticas, regulatorias y de reputación para mantener a los humanos informados. Se pueden introducir datos inexactos con el tiempo, lo que lleva a malas decisiones o incluso a circunstancias nefastas en algunos casos. Los sesgos también pueden infiltrarse en el sistema, ya sea que se introduzcan durante el entrenamiento del modelo de IA, como resultado de cambios en el entorno de entrenamiento o debido a un sesgo de tendencia en el que el sistema de IA reacciona a las actividades recientes más que a las anteriores. Además, la IA a menudo es incapaz de comprender las sutilezas de una decisión moral.
Tome el cuidado de la salud, por ejemplo. La industria ilustra perfectamente cómo la IA y los humanos pueden trabajar juntos para mejorar los resultados o causar un gran daño si los humanos no participan plenamente en el proceso de toma de decisiones. Por ejemplo, al diagnosticar o recomendar un plan de atención para un paciente, la IA es ideal para hacer la recomendación al médico, quien luego evalúa si esa recomendación es adecuada y luego le da el consejo al paciente.
Tener una manera para que las personas monitoreen continuamente las respuestas y la precisión de la IA evitará fallas que podrían provocar daños o catástrofes al tiempo que proporciona un medio para el entrenamiento continuo de los modelos para que mejoren cada vez más. Es por eso que IDC espera que más del 70 % de las empresas del G2000 tengan programas formales para monitorear su confiabilidad digital para 2022.
Modelos para la colaboración humano-IA
El aprendizaje por refuerzo Human-in-the-Loop (HitL) y la IA conversacional son dos ejemplos de cómo la intervención humana ayuda a los sistemas de IA a tomar mejores decisiones.
HitL permite que los sistemas de IA aprovechen el aprendizaje automático para aprender observando a los humanos que se ocupan del trabajo de la vida real y los casos de uso. Los modelos de HitL son como los modelos de IA tradicionales, excepto que se autodesarrollan y mejoran continuamente en función de los comentarios humanos y, en algunos casos, aumentan las interacciones humanas. Proporciona un entorno controlado que limita el riesgo inherente de sesgos, como el efecto de avance, que puede tener consecuencias devastadoras, especialmente en los procesos cruciales de toma de decisiones.
Podemos ver el valor del modelo HitL en las industrias que fabrican piezas críticas para vehículos o aeronaves que requieren equipos que cumplan con los estándares. En situaciones como esta, el aprendizaje automático aumenta la velocidad y la precisión de las inspecciones, mientras que la supervisión humana brinda garantías adicionales de que las piezas están seguras para los pasajeros.
La IA conversacional, por otro lado, proporciona una comunicación casi humana. Puede descargar trabajo de los empleados en el manejo de problemas más simples mientras sabe cuándo escalar un problema a humanos para resolver problemas más complejos. Los centros de contacto proporcionan un ejemplo principal.
Cuando un cliente se comunica con un centro de contacto, tiene la opción de llamar, enviar mensajes de texto o chatear virtualmente con un representante. El agente virtual escucha y comprende las necesidades del cliente y participa en una conversación de ida y vuelta. Utiliza el aprendizaje automático y la IA para decidir qué se debe hacer en función de lo que ha aprendido de la experiencia previa. La mayoría de los sistemas de inteligencia artificial dentro de los centros de contacto generan voz para ayudar a comunicarse con el cliente e imitar la sensación de un ser humano escribiendo o hablando.
Para la mayoría de las situaciones, un agente virtual es suficiente para ayudar a atender a los clientes y resolver sus problemas. Sin embargo, hay casos en los que la IA puede dejar de escribir o hablar y luego realizar una transferencia fluida a un representante en vivo para que se haga cargo de la llamada o el chat. Incluso en estos ejemplos, el sistema de IA puede pasar de la automatización al aumento, al seguir escuchando la conversación y brindando recomendaciones al representante en vivo para ayudarlo en sus decisiones.
Al ir más allá de la IA conversacional con la IA cognitiva, estos sistemas pueden aprender a comprender el estado emocional de la otra parte, manejar diálogos complejos, proporcionar traducción en tiempo real e incluso ajustarse según el comportamiento de la otra persona, llevando la asistencia humana al siguiente nivel. de sofisticación.
Combinar la automatización y la interacción humana conduce a la inteligencia aumentada
La IA se aplica mejor cuando es monitoreada por personas y las aumenta. Cuando eso sucede, las personas avanzan en el continuo de habilidades, asumiendo desafíos más complejos, mientras que la IA aprende, mejora y se mantiene bajo control continuamente, evitando efectos potencialmente dañinos. El uso de modelos como HitL, IA conversacional e IA cognitiva en colaboración con personas reales que poseen experiencia, ingenio, empatía y juicio moral conduce en última instancia a una inteligencia aumentada y resultados más positivos.
(Foto de Arteum.ro en Unsplash )
¿Quiere aprender más sobre IA y big data de los líderes de la industria? Echa un vistazo a AI & Big Data Expo . Los próximos eventos de la serie se llevarán a cabo en Santa Clara los días 11 y 12 de mayo de 2022, Ámsterdam los días 20 y 21 de septiembre de 2022 y Londres los días 1 y 2 de diciembre de 2022.
Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados por TechForge aquí.
La publicación Por qué la IA necesita la intervención humana apareció por primera vez en AI News .
