Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Uso de la inteligencia artificial en la toma de decisiones en la empresa Item Type info:eu-repo/semantics/bachelorThesis Authors Agreda Rodríguez, Carmen Gladys; Chávez Cárdenas, Romeo Omar Publisher Universidad Peruana de Ciencias Aplicadas (UPC) Rights info:eu-repo/semantics/openAccess; Attribution- NonCommercial-ShareAlike 4.0 International Download date 04/11/2023 23:08:54 Item License http://creativecommons.org/licenses/by-nc-sa/4.0/ Link to Item http://hdl.handle.net/10757/660347 http://creativecommons.org/licenses/by-nc-sa/4.0/ http://hdl.handle.net/10757/660347 UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS FACULTAD DE NEGOCIOS PROGRAMA ACADÉMICO DE ADMINISTRACIÓN DE EMPRESAS Uso de la inteligencia artificial en la toma de decisiones en la empresa TRABAJO DE SUFICIENCIA PROFESIONAL Para optar el título profesional de Licenciado en Administración de Empresas Agreda Rodríguez, Carmen Gladys 0000-0002-9795-1368 Chávez Cárdenas, Romeo Omar 0000-0002-9775-7207 ASESOR Alcántara Gavidia, Luis Alberto 0000-0001-8072-3476 Lima, 31 de enero de 2022 ii Agradecimientos Agradecemos a nuestra casa de estudios, la Universidad Peruana de Ciencias Aplicadas, por la exigencia demostrada en el transcurso de este tiempo. Gracias a esto nos hemos desarrollado profesionalmente. De forma especial, agradecemos a los autores que han contribuido en este trabajo a través de sus puntos de vista en sus respectivos artículos. De este modo, han posibilitado el desarrollo de nuestra investigación. Carmen Gladys Agreda Rodriguez y Romeo Omar Chávez Cárdenas Agradezco a Dios por forjar mi camino, dirigirme por el sendero correcto y darme la oportunidad de concluir una meta más en mi vida. Asimismo, agradezco a mis padres, Ricardo y Gladys, quienes son piezas fundamentales en mi desarrollo personal y profesional; a mis hermanos Ricardo y Valeria, a quienes amo y extraño; y, en especial, a mis tres pequeños sobrinos Mathias, Santhiago y Camilo. Espero que este logro sea un estímulo para continuar adelante. Carmen Gladys Agreda Rodriguez Agradezco y dedico el presente trabajo de investigación al Dios del universo, porque guía mi camino para ser un hombre de bien. Además, se lo dedico a mi padre Dante Chávez, quien no ha fallecido, pues lo llevo dentro de mí; incluso, pienso que se ha reencarnado en mi ser, ya que me gusta mucho el estudio como a él. También, se lo dedico a mi adorada madre Irma. Mis padres, gracias a su paciencia y amor, formaron un carácter fuerte en mí. Asimismo, agradezco a mi novia Yeni; a mis hermanos Lia, Vladi e Ivan; y a mi amigo Víctor; quienes estuvieron conmigo y me apoyaron de distintas formas. ¡Siempre los llevaré en mi corazón! ¡Los amo! Romeo Omar Chávez Cárdenas iii Resumen El presente estudio tuvo como propósito descubrir las controversias sobre el uso de la inteligencia artificial en la toma de decisiones en la empresa. Para concretarlo, el procedimiento empleado consistió en la recopilación, el procesamiento y el análisis de artículos relevantes vinculados con el tema de investigación. Es importante mencionar que los papers se encuentran en los cuartiles Q1 y Q2. En este sentido, los resultados indicaron un número pequeño pero significativo de documentos que realizaron aportes directos al tema. Asimismo, la mayoría de la red de autores están ubicados en el cuartil Q1 y solo uno se encuentra en el Q4. Después de la revisión de todos los artículos, se concluye que la inteligencia artificial en el contexto de las decisiones empresariales es un tema relativamente nuevo. En este escenario, la inteligencia artificial es un sistema inteligente compuesto por algoritmos que, a través de la tecnología y el big data, puede aprender. Además, es capaz de tomar decisiones estratégicas, tácticas y operativas a través de sistemas de expertos. También, la inteligencia artificial tiene la capacidad de actuar como complemento del ser humano y crear valor para la empresa, los trabajadores, los accionistas y los clientes. Finalmente, esta investigación posee una relevancia social al configurarse como una guía para los académicos interesados en la inteligencia artificial, y por promover una visión más amplia de lo que se ha estudiado dentro de este campo emergente en las ciencias computacionales. Palabras clave: Inteligencia artificial, toma de decisiones empresariales, inteligencia artificial como soporte, creación de valor, algoritmos. iv Abstract The purpose of this study was to discover the controversies about the use of artificial intelligence on decision-making in the company. To achieve this, the procedure used consisted in the collection, processing and analysis of relevant articles related to the to the research topic. It is important to mention that the papers are in the Q1 and Q2 quartiles. In this sense, the results indicated a small but significant number of documents that made direct contributions to the subject. Likewise, most of the network of authors are located in the Q1 quartile and only one is in Q4. After reviewing all the articles, it is concluded that artificial intelligence in business decision making is a relatively new topic. In this scenario, artificial intelligence is an intelligent system composed of algorithms that, through technology and big data, can learn. In addition, it is capable of making strategic, tactical and operational decisions through expert systems. Also, artificial intelligence has the ability to act as a complement to the human being and creates value for the company, workers, shareholders and for customers. Finally, this article has a social relevance as it is configured as a guide for academics interested in artificial intelligence, and by promoting a broader vision of what has been studied within this emerging field in computer science. Keywords: Artificial intelligence, business decision making, artificial intelligence as support, value creation, algorithms. 5 Introducción En los últimos años, gracias a la considerable evolución de la tecnología, la inteligencia artificial se ha aplicado en diferentes áreas como la medicina, la biología, la economía, así como en las ciencias sociales y las administrativas. La inteligencia artificial es un grupo de elementos de la tecnología que seleccionan, procesan e intervienen sobre los datos, simulando la inteligencia humana. De acuerdo con esto, las soluciones que la inteligencia artificial puede aplicar se manifiestan gracias al aprendizaje y la aplicación de reglas que, con el tiempo, permiten adquirir nueva información para adaptarse a las variaciones en su propio espacio (Russell y Norvig, 2016, citado por Canhoto y Clear, 2020). La toma de decisiones de un gerente es una de las grandes responsabilidades asumida por una persona en el ámbito laboral. Sin embargo, la capacidad del ser humano para analizar grandes volúmenes de información es limitada. Además, se encuentra expuesta a diferentes factores internos (la personalidad, las emociones, lo biológico, etc.) y externos (la familia, los amigos, el ambiente, el mercado, etc.), los cuales afectan durante el tiempo que exige la toma de decisión. La presente investigación tiene como objetivo general descubrir las controversias sobre el uso de la inteligencia artificial en la toma de decisiones en la empresa. Además, posee una relevancia social al ser una guía para los académicos que desean comprender la inteligencia artificial. Asimismo, se debe considerar que la inteligencia artificial puede cambiar la economía, la sociedad y los nuevos modelos de negocios gracias a la automatización del aprendizaje y el análisis profundo de datos. Este trabajo académico pretende identificar las diferentes definiciones de la inteligencia artificial con el fin de comprender con mayor profundidad el área computacional al que pertenece.Se debe considerar que la inteligencia artificial puede procesar y extraer datos de una manera más 6 rápida que el ser humano. Esta capacidad de detectar patrones que son difíciles para un humano facilita y aporta datos importantes para tomar decisiones. Por su parte, Jarrahi (2018) enfatiza que la inteligencia artificial puede tomar decisiones por sí misma. Sin embargo, autores como Lee y Shin (2020) y De Bruyn et al. (2020) sostienen que la inteligencia artificial no tiene comprensión del mundo real. Por lo tanto, no se encuentra capacitada para tomar decisiones sensibles como lo haría un ser humano. Por otro lado, se han identificado los diferentes tipos de toma de decisiones de la inteligencia artificial con el fin de conocer sus limitaciones. Finalmente, el estudio identifica las formas en que la inteligencia artificial apoya durante la toma de decisiones y crea valor. En este sentido, Liu et al. (2017) y De Bruyn et al. (2020) sostienen que la inteligencia artificial podría traer peligros y problemas al momento de la toma de decisiones, por lo que no se debería aplicar en la empresa. Sin embargo, la inteligencia artificial ha ido evolucionando a lo largo del tiempo. Por esta razón, adquirir nuevos avances tecnológicos, como esta, podría generar alguna ventaja competitiva a las empresas. No obstante, es necesario plantear algunas preguntas. ¿Realmente la inteligencia artificial puede tomar decisiones y crear valor? ¿La inteligencia artificial puede ser un apoyo en el contexto de la toma de decisiones empresariales? La estructura de este trabajo permite desarrollar una revisión de una red de autores en cuatro secciones. En la primera sección, se describe el método empleado. En la segunda sección, se exploran los antecedentes teóricos del tema estudiado. En la tercera sección, se exponen y analizan los resultados. En la cuarta sección, se presentan las conclusiones y las discusiones. 7 Método Esta investigación utiliza el método cualitativo, porque “se enfoca en comprender los fenómenos, explorándolos desde la perspectiva de los participantes” (Hernández et al., 2014, p. 358). Para la recopilación y el análisis de la muestra diversa, se emplea el diseño sistemático, el cual se detalla a continuación. a) Para la búsqueda de la información, se utilizan expresiones en los buscadores. En este caso, se emplearon términos como “Inteligencia Artificial”, “Artificial Intelligence”, “Business”, “Negocios”, “decision making” y “Toma de decisiones”. Los estudios deben cumplir los siguientes criterios de inclusión: i. Artículos científicos no mayores a cinco años de antigüedad ii. Artículos científicos pertenecientes al cuartil Q1 y Q2 Y los siguientes criterios de exclusión: iii. Libros, tesis, disertaciones y documentos de trabajo iv. Estudios científicos de más de 5 años de antigüedad b) Las plataformas de búsqueda para la identificación de fuentes son las siguientes: Scopus®, ScienceDirect®, Ebsco y Esmerald insight. c) Está compuesto por 32 artículos. d) Se realizó la elaboración de una primera matriz que muestra el resumen y la descripción de los aspectos relevantes de cada fuente, con las siguientes columnas: título, referencia, resumen, ideas principales, subtemas, relevancia y link. e) Se identificaron los subtemas y los objetivos a investigar, teniendo en cuenta el objetivo general de la investigación. Para esto, se empleó una segunda matriz con las siguientes columnas: subtemas, definición y justificación de la selección del subtema, objetivos. 8 f) Se recopiló el aporte de cada autor en relación con los subtemas seleccionados. Para esto, se utilizó una tercera matriz con las siguientes columnas: referencia, subtema 1, subtema 2, subtema 3, subtema 4. g) Para el análisis y la unificación de la información, se empleó una cuarta matriz con las siguientes columnas: subtema, relación de jerarquía y relación de desarrollo. h) Se redactó el artículo con el apoyo de las matrices descritas con anterioridad. Figura 1 Método 9 Antecedentes Teóricos Inteligencia Artificial La inteligencia artificial tiene diferentes definiciones. Por ello, para comprender a profundidad su funcionalidad dentro del campo empresarial, es necesario conocer sus inicios. La aparición de la inteligencia artificial se produce en 1950. En la revista Mind, Alan M. Turing publicó un texto titulado “Computing Machinery and Intelligence” (“Ordenador e inteligencia”). En este, se enfocó en la inteligencia artificial como nuevo concepto y creó la prueba del Turing. Esta fue un gran aporte, puesto que permitió determinar si un elemento tecnológico se comporta conforme o de acuerdo con lo que se comprende como un componente artificialmente inteligente o no. En la década del sesenta, es importante destacar que la inteligencia artificial no fue valorada, porque era necesaria una considerable inversión para utilizarla. Durante los setenta y los ochenta, se concretaron logros importantes en los Sistemas Expertos. Por otro lado, Borges et al. (2020) explica que el concepto “inteligencia artificial” fue acuñado, por primera vez, en 1956, por McCarthy, quien se refirió al nuevo concepto como la ciencia y la ingeniería de hacer máquinas inteligentes. Por su parte, Russell et al. (1995, citado por Jarrahi, 2018) enfatiza que los sistemas inteligentes proporcionan a la máquina la capacidad de pensar y aprender. Asimismo, Reis et al. (2020) resalta que la inteligencia artificial ha emergido debido a los recientes avances computacionales. Cabe resaltar que un primer grupo de autores sostienen que la inteligencia artificial es un sistema alimentado por datos que usan algoritmos con la capacidad de aprender. Para Schutzer (1999, citado por Toorajipour et al., 2021), un sistema inteligente está compuesto por datos que usan algoritmos pero que no se basan en la programación dependiente de reglas. Bajo la 10 perspectiva analítica de Shrestha et al. (2019), el sistema inteligente construye algoritmos que aprenden al sintetizar patrones robustos a partir de grandes conjuntos de información con el objetivo de tomar decisiones o realizar predicciones. Esto es una consecuencia del aprendizaje automático (Liu et al., 2017). Para Canhoto y Clear (2020) y Feng et al. (2020), la inteligencia artificial es un espacio de la ciencia computacional que enfatiza la creación de máquinas inteligentes como un grupo de elementos tecnológicos que seleccionan, procesan e intervienen sobre la información de manera que emulan la inteligencia humana, es decir, trabajan y reaccionan como humanos. Nilson (1983, citado por Di Vaio et al., 2020) sostiene que la inteligencia artificial debe entenderse como la capacidad de un sistema de actuar con inteligencia en regiones cada vez más amplias. Para lograrlo, debe interpretar correctamente los datos externos y usar estas enseñanzas con el fin de lograr objetivos y actividades específicas mediante una configuración flexible (Agrawal et al., 2019; Borges et al., 2020; Di Vaio et al., 2020; Reis et al., 2020; Toorajipour et al., 2021). En este sentido, la inteligencia artificial es un concepto diferente al de internet de las cosas y big data1, aunque se encuentran conectados. En síntesis, un sistema inteligente está integrado por algoritmos que analizan un conjunto de datos y poseen la capacidad de pensar y actuar. En otras palabras, presentan características que tratan de imitar al humano. Por ello, resulta fundamental recalcar que la inteligencia artificial es un sistema inteligente que puede imitar las capacidades humanas, detectar información precisa del exterior para lograr objetivos y realizar actividades específicas mediante una configuración flexible. Asimismo, un sistema inteligente se encuentra conformado por un conjunto de códigos1 Se trata de un concepto que destaca el enorme volumen de data, estructurada y no estructurada, presente en los negocios. Sin embargo, el número de la información no es lo más relevante. 11 creados por los seres humanos, lo que les permite recopilar información, procesarla y aprender de ella. Finalmente, la inteligencia artificial es un sistema inteligente, a nivel tecnológico, compuesto por algoritmos que procesan datos. Entre los ejemplos más resaltantes, se puede mencionar que la inteligencia artificial predice el resultado de nuevos escenarios, como en los casos del derecho laboral y tributario, o en la identificación y la predicción de comportamientos de los consumidores. El Aprendizaje Automático Para Königstorfer y Thalmann (2020), el aprendizaje automático es la capacidad que tiene la inteligencia artificial para extraer patrones a partir de datos y adquirir sus propios conocimientos. Actualmente, este tipo de aprendizaje es considerado como una de las innovaciones más relevantes para las empresas. Además, es un fuerte factor de ventaja competitiva. Aunque el aprendizaje automático se habla desde hace 60 años, recientemente ha mostrado el potencial significativo que puede cambiar la economía y la sociedad, uno de los sectores que se ven afectados son la medicina, la banca, las manufactureras, y el transporte. (Lee y Shin, 2020, p. 1) Drewniak y Posadzinska (2020) sostienen que el aprendizaje automático proporciona a la máquina la capacidad de aprender, comprender y pensar de manera lógica sobre las cosas, y la capacidad de hacerlo bien. Asimismo, desde la perspectiva de Lee y Shin (2020), el aprendizaje automático es un subconjunto de la inteligencia artificial que puede generar patrones. En este sentido, las capacidades de la inteligencia artificial son capaces de perfeccionar paulatinamente su eficiencia en actividades específicas mientras aprenden sobre los datos que están procesando. Así, 12 la inteligencia artificial y el aprendizaje automático siguen una serie de etapas (entrada, proceso y salida) en su desarrollo y su operación. En la misma línea de análisis, Haenlein et al. (2018) y Alshawaaf y Lee (2020) mencionan que con el aprendizaje automático se pueden lograr metas y tareas mediante la adaptación flexible. Es importante sostener que las tres tendencias tecnológicas que han conducido a la rápida difusión del aprendizaje automático a través de las industrias son las que se presentan a continuación. - La llegada del big data - El avance en tecnología de la computación - El avance en las investigaciones de aprendizaje automático La adopción del aprendizaje automático está alcanzando su punto de inflexión a medida que las presiones tecnológicas, sociales y competitivas empujan a las empresas a transformarse e innovar. No obstante, según Krupiy (2020), es engañoso llamar autoaprendizaje a los sistemas vinculados a la toma de decisiones que pertenecen a la inteligencia artificial, porque no comprenden la realidad. Asimismo, los procesos subyacentes a la construcción y el funcionamiento de los sistemas de inteligencia artificial revelan que es más fructífero referirse a un procedimiento de toma de decisiones que a un sistema de toma de decisiones. En esta línea, De Bruyn et al. (2020) mencionan lo siguiente: (…) existe una diferencia conceptualmente significativa entre reconocer y comprender las emociones. Un programa de computadora, por más evolucionado que esté, no comprende la alegría, y mucho menos la siente. A lo sumo, se puede entrenar para identificar y reconocer patrones geométricos. (p. 96) 13 Formas de Aprendizaje Automático Para una efectiva aplicación del aprendizaje automático, se requieren adecuados algoritmos de aprendizajes y dominio en el área de la aplicación. Varias innovaciones de algoritmos de aprendizaje automático son categorizadas como aprendizaje automático supervisado, no supervisado, semi supervisado y por refuerzo (Liu et al., 2017; Lee y Shin, 2020; Desouza et al., 2020). Aprendizaje Automático Supervisado. Este tipo de aprendizaje es usado para descubrir el mapeo con un conjunto de datos que consta de pares de entrada y salida con fines de clasificación y predicción. En este sentido, Lee y Shin (2020) lo explican de la siguiente manera: El aprendizaje automático para la clasificación proporciona una capacidad discriminativa para fines categóricos al estimar las probabilidades posteriores de clases con conjuntos de datos de entrenamiento. Por el contrario, el aprendizaje automático para la predicción proporciona una capacidad predictiva para la toma de decisiones. Dados los datos de entrada y salida deseados, el aprendizaje automático supervisado está capacitado para tomar decisiones (por ejemplo, clasificación o predicción), comparar los resultados calculados y deseados y reducir las tasas de error mediante el aprendizaje iterativo ajustando los valores de los parámetros de la función de mapeo interno. El proceso de aprendizaje se detiene cuando alcanza un nivel aceptable de precisión o cumple con otros criterios de terminación. Para el aprendizaje automático supervisado, el etiquetado de los datos de entrada y salida para el entrenamiento y las pruebas puede llevar mucho tiempo y ser laborioso, especialmente cuando se utilizan macrodatos. Algunos de los algoritmos populares de aprendizaje automático supervisados incluyen k vecinos más cercanos, clasificadores de Bayes ingenuos, árboles de decisión, 14 regresión lineal, regresión logística, máquinas de vectores de soporte, bosques aleatorios y redes neuronales artificiales (ANN). La discusión técnica de estos algoritmos está más allá del alcance de este artículo. (p. 3) Aprendizaje Automático No Supervisado. Para Desouza et al. (2020) y Liu et al. (2017), este tipo de aprendizaje se produce cuando el sistema descubre patrones o agrupaciones previamente desconocidos en los datos. El aprendizaje automático no supervisado está diseñado para captar la correlación o la relación entre la información de entrada para el análisis de temas o con el fin de agrupar cuando no se dispone de datos sobre los resultados buscados. Dado que no existen clases de salida que puedan relacionarse con los datos de entrada, los algoritmos de aprendizaje automático no supervisados intentan encontrar semejanzas entre los elementos en el grupo de datos de entrada y reunirlos para conseguir información importante. Por ejemplo, el resumen automatizado de varios documentos y la agrupación de clientes son algunas de las áreas de aplicación más útiles del aprendizaje automático no supervisado. “Los algoritmos populares de aprendizaje automático no supervisados incluyen agrupamiento, agrupamiento jerárquico, k-significado, análisis de componentes principales y reglas de asociación” (Lee y Shin, 2020, p. 3). Aprendizaje Automático Semi Supervisado. Para Lee y Shin (2020), el aprendizaje automático semi supervisado es un conjunto de dos o múltiples procesos que usan un solo tipo de aprendizaje como procesamiento para el otro. De este modo, se emplea un elemento para ambos. Por ejemplo, se puede mencionar la clasificación de tareas vía supervisión del aprendizaje automático, como las agrupaciones de clientes en múltiples clases. Es decir, aprende a través del entrenamiento de datos etiquetados y no etiquetados. En este escenario, el término etiquetado se 15 refiere a la selección de datos, los cuales cumplen con ciertas características que el usuario quiere que la máquina aprenda. Aprendizaje Automático por Refuerzo. Este aprendizaje es usado para entrenar a un agente de software acerca de cómo actuar en base a la retroalimentación del ambiente y los mecanismos de recompensas. Por ejemplo, se puede mencionar al uso del aprendizaje automático en robots. Estos aprenden a través de la interaccióncon el exterior y con los humanos. El aprendizaje automático por refuerzo se utiliza mucho en la robótica, donde los robots aprenden sobre la base de la guía de un ser humano. Para Lee y Shin (2020), el aprendizaje por refuerzo: Analiza diferentes acciones para determinar cuál de ellos maximiza la recompensa acumulativa en un entorno, en lugar de simplemente recibir información sobre qué acciones tomar. Algunos algoritmos populares de aprendizaje por refuerzo incluyen Q-learning, algoritmos jerárquicos de aprendizaje por refuerzo, aprendizaje por diferencias temporales y algoritmos de gradiente de políticas. Una aplicación empresarial del mundo real del aprendizaje por refuerzo es el resumen de textos extensos. (p. 159) En síntesis, la inteligencia artificial es la ciencia del diseño y el desarrollo de los sistemas. Estas máquinas poseen un aprendizaje automático cuyo objetivo consiste en sustituir, complementar y amplificar todas las tareas que, actualmente, realizan los seres humanos (Makridakis, 2017). De acuerdo con este propósito, la inteligencia artificial posee una configuración que le permite aprender y reconocer patrones. Además, mientras más datos procesa, más rápido aprende. De manera contraria a lo expuesto por los anteriores autores, Krupiy (2020) sostiene que la inteligencia artificial no puede aprender, porque no comprende la realidad. En este sentido, resalta que “existe una discrepancia entre el mundo real y la forma en que el proceso de la toma 16 de decisiones de la inteligencia artificial mapea el mundo en un espacio geométrico como parte de la generación de un modelo del mundo” (p. 18). Los procesos relacionados a la toma de decisiones de la inteligencia artificial carecen de la capacidad para una evaluación de manera integral. Asimismo, el análisis de la vulnerabilidad exige la preservación de la toma de decisiones humanas. En este escenario, una evaluación holística de los individuos es crucial para revisar sus capacidades, sus contribuciones y cómo se producen las relaciones sociales. El Aprendizaje Automático como Herramienta de Predicción El aprendizaje automático se utiliza para identificar patrones en datos, así como para predecir eventos futuros. De acuerdo con esta idea, Lee y Shin (2020) mencionan que: Una diferencia importante entre la clasificación y la predicción es que la clasificación se utiliza para inferir una regla o ecuación relevante para la situación actual a partir de los datos (por ejemplo, detectar un fraude con tarjetas de crédito o una violación de la seguridad de Internet), mientras que la predicción se trata de anticipar lo que ocurre, lo que sucederá en el futuro. Por ejemplo, el aprendizaje automático predictivo puede analizar los datos para detectar señales del mercado que afectarán el desempeño futuro del mercado. En la industria bancaria, las aplicaciones de aprendizaje automático buscan constantemente las mejores estrategias para las inversiones y la automatización de los servicios financieros. JPMorgan ha desarrollado un modelo de aprendizaje automático patentado para encontrar la mejor estrategia de ejecución para las órdenes comerciales. Usando datos históricos y algoritmos, el modelo calcula la probabilidad de las órdenes comerciales con mejor desempeño y las ejecuta en consecuencia (...). Actualmente proporciona recomendaciones a los comerciantes humanos, pero asume cada vez más un 17 papel automatizado en la ejecución de transacciones. TD Bank también invierte en modelos de gestión de carteras basados en aprendizaje automático para filtrar las acciones con la mayor volatilidad pronosticada, y luego utiliza un modelo de riesgo tradicional para crear carteras de baja volatilidad. Esto reduce la volatilidad ex post más que los modelos de riesgo existentes. (pp. 161-162) Toma de Decisiones Empresariales Toma de Decisiones Estratégicas La inteligencia artificial puede ser utilizada para tomar decisiones estratégicas con los gerentes, así como también se encuentra capacitada para tomar decisiones por su propia voluntad. Shrestha et al. (2019) y Kietzmann y Pitt (2020) manifiestan que las organizaciones son redes de decisiones; en cada nivel, existen decisiones operativas y estratégicas. En este sentido, en la primera, las decisiones son automáticas y repetitivas; y en la segunda, son decisiones estratégicas del nivel más alto de la organización. Bohanec et al. (2017, citado por Reis et al., 2020) defienden la idea de que la inteligencia artificial es capaz de mejorar las decisiones estratégicas comerciales de los gerentes de marketing. Por ejemplo, los siguientes casos son referenciales: elegir el mejor precio, seleccionar al público objetivo y elaborar planes de marketing (Feng et al., 2020; De Bruyn et al., 2020). En este sentido, la inteligencia artificial constituye una herramienta complementaria para que el ser humano tome mejores decisiones estratégicas en la empresa (Feng et al., 2020). Todolí-Signes (2019) plantea que la inteligencia artificial puede ayudar a tomar decisiones estratégicas, pero no solo en el área de marketing, sino también en el área de recursos humanos. De acuerdo con esto, Todolí-Signes expresa que, a través de la recopilación que realiza de la mayor cantidad de información posible sobre los trabajadores, la inteligencia artificial es capaz de obtener 18 una comprensión profunda de las habilidades y las actitudes de un trabajador. Así, el gerente puede tomar decisiones estratégicas a largo plazo que mejor se adapten a sus intereses. Además, este autor enfatiza que la tecnología ahora permite no solo el tratamiento de datos, sino también la capacidad de crear perfiles de personas. Borges et al. (2020) consolidan la idea de Todolí-Signes, ya que destacan que la inteligencia artificial es una herramienta estratégica dentro de la organización que mejora las decisiones del ser humano a través del conocimiento ganado del análisis de datos, el análisis predictivo y la optimización de los indicadores clave de rendimiento. Lee y Shin (2020) y Bader y Kaiser (2019) sostienen que los gerentes de todos los niveles deben usar la inteligencia artificial para que tomen buenas decisiones. Por su parte, Duan et al. (2019) manifiestan que la inteligencia artificial puede ser un apoyo al ser humano, así como también se encuentra capacitada para tomar decisiones por su propia voluntad en todos los niveles, inclusive en el nivel estratégico, a través del aprendizaje por refuerzo y los sistemas de expertos. Bruyn et al. (2020) expresan que es cierto que la inteligencia artificial podría tomar decisiones estratégicas por sí misma, pero también es posible que genere peligros y problemas al momento del aprendizaje. Por ejemplo, en el caso de marketing, los clientes no se adhieren a las leyes físicas y la competencia, pues no siguen un conjunto finito de reglas bien definidas. Si el aprendizaje por refuerzo puede guiar la experimentación de estrategias aleatorias en la vida real, es probable que se considere demasiado costoso, lento, peligroso y, por lo tanto, inaceptable. En consecuencia, el diseño de una simulación por computadora del entorno no es lo suficientemente realista para que se pueda tomar una decisión con impacto significativo en la empresa. En síntesis, se han visibilizado muchos debates acerca de cómo la inteligencia artificial podría ser utilizada. Algunos autores plantean que puede ser un apoyo en la toma de decisiones 19 estratégicas, y otros expresan que se encuentra capacitada para asumir decisiones a nivel estratégico por su propia voluntad. Sin embargo, existe un peligro, dado que no puede interpretar la realidad como lo haría un ser humano. Toma de Decisiones Operativas Con relación a la toma de decisiones operativas, de acuerdo con Wright y Schultz (2018), “Las máquinas cada vez más puedenigualar o superar a los humanos en una variedad de actividades, incluido el aprendizaje, el juicio tácito, la detección de emociones y en la toma de decisiones” (p. 2). Debido a esto, muchos pronostican que los avances en automatización en la inteligencia artificial pueden ayudar a tomar decisiones operativas Königstorfer y Thalmann (2020) alegan que la inteligencia artificial es capaz de tomar decisiones operativas en el sector bancario, pues este tipo de inteligencia admite la detección de transacciones potencialmente fraudulentas al reconocer patrones en grandes conjuntos de movimientos transaccionales. Por esta razón, la inteligencia artificial puede tomar la decisión de aceptar o no la transacción. Kakatkar et al. (2020) destacan que las computadoras, a menudo, han desempeñado un papel muy útil dentro del proceso de innovación de una empresa. Para lograrlo, han empleado a la inteligencia artificial, predominantemente, para manejar tareas que los gerentes podrían percibir como demasiado monótonas o arduas para realizarlas manualmente. Por ejemplo, se puede mencionar la automatización de ciertas actividades que involucren decisiones operativas. En esta línea de análisis, Fast y Schroeder (2020) señalan que la inteligencia artificial, en forma de un asistente digital, es capaz de tomar decisiones operativas que le permita interactuar con el usuario. 20 Krupiy (2020) menciona que existe el caso de una universidad que establece su proceso de admisión y formula su conjunto de objetivos, lo que podría ser atraer a estudiantes con un conjunto de habilidades en particular y que sean representativos de una población. Es decir, el objetivo que fije la universidad determinará qué criterios eligen los funcionarios para seleccionar a los estudiantes. En otras palabras, los criterios de la toma de decisión determinan qué cualidades toma en cuenta o ignora el tomador de las decisiones. En otra línea de análisis, las diferencias entre los procesos de la toma de decisiones humanas y de la inteligencia artificial no impiden considerar la automatización de decisiones en términos de un proceso de toma de decisiones de inteligencia artificial operativa. Incluso, el término proceso destaca el hecho de que los seres humanos construyen el procedimiento de toma de decisiones dentro de la máquina. Asimismo, permite demarcar en qué punto comienza y finaliza la toma de decisiones. Fundamentalmente, la definición se centra en el proceso y no en el sistema, lo que evita la tergiversación. En síntesis, se puede decir que la inteligencia artificial, para tomar decisiones operativas, alude al uso de esta para que tome decisiones que involucren actividades de rutinas, donde no es necesario la supervisión del ser humano. Además, ayuda en el procesamiento de datos predefinidos. De acuerdo con Fast y Schroeder (2020), Kakatkar et al. (2020), y Wright y Schultz (2018), se desprenden las siguientes ideas: en primer lugar, las actividades arduas y monótonas pueden ser realizadas por una inteligencia artificial, es decir, actividades de rutinas, aquellas que se realizan diariamente y que siempre son las mismas; en segundo lugar, la inteligencia artificial se encuentra capacitada para tomar decisiones automatizadas operativas por su propia voluntad. 21 Según Wright y Schultz (2018), la inteligencia artificial puede ser utilizada para la detección de transacciones fraudulentas, ya que decide si acepta o no dicha transacción. De este modo, es posible enfatizar que la inteligencia artificial se encuentra capacitada para tomar una decisión más precisa y segura. Asimismo, es importante destacar que la inteligencia artificial, a través de asistentes digitales y robo, o robot-advisor, puede tomar decisiones por sí misma. Gracias a esto, se desenvuelve como complemento del ser humano en el contexto de las decisiones operativas. Toma de Decisiones Tácticas Respecto a las decisiones tácticas, Edwards et al. (2000, citado por Duan et al., 2019) sostienen que los roles de la inteligencia artificial, a través de sistemas expertos en un rol de reemplazo, son efectivos a nivel de la decisión táctica. Los hallazgos de Edwards et al. (2000) sugieren que la inteligencia artificial (por sistemas de expertos) puede emplearse para reemplazar a encargados de tomar las decisiones humanas. Sin embargo, sería mejor usarla como una herramienta de apoyo en la toma de decisiones estratégicas en las organizaciones. Según Duan et al. (2019), cuando se alude a la inteligencia artificial para la toma de decisiones, estas pueden ser aplicadas en los tres niveles si se utiliza un sistema de expertos; es decir, en el nivel estratégico, operativo y táctico. Un sistema de expertos consiste en un sistema informático emulador del razonamiento del humano comportándose como lo haría un experto en un espacio específico de conocimiento. En otras palabras, los sistemas expertos conforman una de las tantas aplicaciones pertenecientes a la inteligencia artificial que simula el razonamiento del hombre, así como lo ejecutaría un experto en un área especializada. 22 Inteligencia Artificial como Soporte en la Toma de Decisiones La Inteligencia Artificial como Complemento del Ser Humano Un grupo de autores sostienen que la inteligencia artificial es un apoyo para tomar decisiones a través de la sinergia, es decir, la interacción de la inteligencia artificial y el ser humano. También, esta se manifiesta gracias a la aprehensión de nueva información en grandes conjuntos de data que permite detectar patrones y realizar predicciones. Martínez-López y Casillas (2013) sostienen que la inteligencia artificial es un apoyo para la toma de decisiones gracias al descubrimiento de conocimientos en bases de datos y en metodologías de computación blanda. Asimismo, depende de la necesidad de confiabilidad, seguridad y transparencia (Stefan y Carutasu, 2020). Además, Di Vaio et al. (2020) y Bader y Kaiser (2019) señalan que un creciente cuerpo de investigación muestra que la inteligencia artificial ayuda a las personas a asumir superiores decisiones producto de la extracción de nueva información de grandes conjuntos de datos, lo que sería difícil de detectar para un humano. Desde el enfoque de Kakatkar et al. (2020), las computadoras con inteligencia artificial son capaces de realizar un análisis más profundo (por ejemplo, reconocer patrones en los datos, derivar variables latentes y detectar anomalías). De este modo, ayudan a tomar decisiones en condiciones de incertidumbre; por ejemplo, generan pronósticos, tratan con información asimétrica y mejoran con el tiempo gracias a la incorporación continua de retroalimentación externa (Farrokhi et al., 2020; Agrawal et al., 2019). Kietzmann y Pitt (2020) mencionan que la inteligencia artificial puede ayudar en la especificación de objetivos analíticos, así como en el modelado y la captura de valor. Asimismo, es capaz de expandir las habilidades humanas (Makridakis, 2017) con la asistencia en sus actividades (Agrawal et al., 2019). 23 Jarrahi (2018) sostiene que los humanos y la inteligencia artificial pueden ser complementarios en la toma de decisiones organizacionales. Esto es, las fortalezas únicas de los humanos y la inteligencia artificial son capaces de actuar sinérgicamente y tomar mejores decisiones. Además, la simbiosis humano - inteligencia artificial significa que las interacciones entre los dos contribuiría a que ambas partes se vuelvan más pequeñas con el tiempo. La mayoría de los algoritmos de la inteligencia artificial se encuentran capacitados para aprender y acelerar su utilidad con una mayor exposición a los datos y la interacción como socios humanos. Asimismo, con el tiempo, es probable que los tomadores de decisiones humanas desarrollen una comprensión más matizada de las máquinas cognitivas. Sumado a esto,Borges et al. (2020) expresan que la inteligencia artificial es un soporte en soluciones para apoyar la decisión. De Bruyn et al. (2020) indican que las empresas deben trabajar con la inteligencia artificial en lugar de reemplazarla. Para este fin, es necesario que los humanos transfieran eficazmente su conocimiento tácito a las máquinas de la inteligencia artificial. Además de esto, resulta fundamental mencionar que los humanos tienen que aprender de ella; sin embargo, aún no se dispone de las herramientas y la tecnología para dicha transferencia de conocimientos. Duan et al. (2019) argumentan que la inteligencia artificial, a través de sistemas expertos, es capaz de ayudar a los analistas a tomar mejores decisiones en cualquier nivel de la organización. Por su parte, Brenes et al. (2020) mencionan que la inteligencia artificial, a través de los sistemas de apoyo, para tomar decisiones, es importante para perfeccionar recursos, debido a que contribuyen a que las decisiones sean más rápidas. En general, la inteligencia artificial dispone de la capacidad de procesar y extraer datos de una manera más rápida que el ser humano. Esta destreza para detectar patrones que son difíciles para un humano permite facilitar y aportar información relevante para la toma de decisiones. 24 De acuerdo con Borges et al. (2020) y Jarrahi (2018), la inteligencia artificial es un soporte en la toma decisiones si ambos protagonistas trabajan juntos, es decir, hacen una simbiosis. Esto consiste en que la inteligencia artificial interactúe con los humanos, y ambos aprendan del otro. En este sentido, la interacción existe, porque la inteligencia artificial es una tecnología que piensa y aprende más rápido que un ser humano. De este modo, con la ayuda de la inteligencia artificial, es posible tomar mejores decisiones en el contexto de diferentes niveles organizativos. Tabla 1 Comparación de la toma de decisiones en inteligencia artificial y humanos Toma de decisiones Toma de decisiones basados en IA Toma de decisiones humanas Condiciones Especificidad de espacio de búsqueda de decisiones. Requiere un espacio de búsqueda de decisiones bien especificado con funciones objetivas. Se adapta a un holgado espacio definido de búsqueda de decisiones. Interpretabilidad de la toma de decisiones, proceso y resultado. La complejidad de las formas funcionales puede dificultar la interpretación del proceso de decisión y los resultados. Las decisiones son explicables e interpretables, aunque vulnerable a la retrospectiva de la creación de sentido. Tamaño del conjunto Alternativo. Se adapta a grandes alternativas de conjuntos. Capacidad limitada para evaluar de manera uniforme un gran conjunto alternativo. Velocidad de toma de Decisiones. Comparativamente rápido. Compensación limitada entre velocidad y precisión. Comparativamente lento. Alto Equilibrio entre velocidad y precisión. 25 Toma de decisiones Toma de decisiones basados en IA Toma de decisiones humanas Condiciones Replicabilidad de resultados. Proceso de toma de decisiones y los resultados son altamente replicables debido al procedimiento computacional estándar. La replicabilidad es vulnerable a inter e intraindividual Factores, como diferencias en experiencia, atención, contexto, y estado emocional del tomador de decisiones. Nota. La tabla representa las condiciones de la toma de decisiones con la inteligencia artificial. Tomado de Organizational decisión-making structures in the age of artificial intelligence (p. 68), en Shrestha et al., 2019, California Management Review. La Tabla 1 visibiliza la comparación entre la toma de decisiones basada en la inteligencia artificial y en el ser humano. En este escenario, se observa que la inteligencia artificial puede tomar decisiones más precisas, debido a que no se encuentra influenciada por factores externos e internos. Por otro lado, es importante destacar que los algoritmos toman decisiones en base a la optimización y la productividad. Para lograrlo debe especificarse en función a los objetivos deseados. Por ejemplo, se observa un algoritmo diseñado para proponer a los tomadores de decisiones humanos al mejor candidato de un conjunto de solicitantes. En este caso, los tomadores de decisión ejercen juicio e intuición cuando toman una decisión. Entre otros ejemplos de aplicación de la inteligencia artificial como complemento, se encuentra su aplicación en la agricultura. Respecto a este caso, Brenes et al. (2020) argumentan que la inteligencia artificial, a través de sistemas de apoyo en la agricultura, permite mejorar los procedimientos para cultivar al utilizar menos recursos. En este sentido, contar con sistemas de apoyo para monitorear y controlar los cambios físicos que influyen en el rendimiento del cultivo 26 es capaz de contribuir a que los agricultores incrementen su producción y reduzcan los recursos necesarios, lo que disminuye el deterioro del medio ambiente (Krupiy, 2020). Para beneficiar de manera óptima la calidad en la toma de decisiones organizacionales, Shrestha et al. (2019) y Bader y Kaiser (2019) sostienen que se debe combinar con la inteligencia artificial. Sumado a esto, Stefan y Carutasu (2020) enfatizan que la inteligencia artificial nutre de información resumida a los directivos. Otro ejemplo resaltante es una operación muy delicada al cerebro, contado por Agrawal et al. (2019). En un inicio, cuando se realizaba la operación, los doctores extraían más materia cerebral de la necesaria, por lo que el paciente no quedaba bien. Con la aparición de la inteligencia artificial como complemento de los doctores a través de la asistencia de un dispositivo ODS Medical, que se asemeja a una cámara con la forma de un lápiz conectado, se emplea la inteligencia artificial para predecir si un área del tejido cerebral posee células cancerosas o no. De esta manera, el cirujano puede obtener una recomendación inmediata sobre si se debe extirpar un área en particular o no. En síntesis, dada una predicción, los tomadores de decisión humanas pueden optar por decisiones más matizadas y mejoradas. 27 Tabla 2 Estructuras de la toma de decisiones organizativas que involucran algoritmos basados en la comparación de la toma de decisiones con inteligencia artificial y con inteligencia humana Organizativo Especificidad de la búsqueda Interpretabilidad Tamaño de Toma de decisión Replicabilidad Ejemplos Estructura de decisiones - espacio Conjunto alternativo velocidad Delegación completa de humano a IA Alto (requerido para que la IA funcione) Bajo (Debido a la ausencia de participación humana) Grande (No restringido por capacidad humana) Rápido (No restringido por capacidad humana) Alto (Computacionalmente estandarizado) Recomendador sistemas, digitales publicidad, online detección de fraude, Precio dinámico Hibrido 1 Alto -Bajo Alto Grande Lento Bajo Evaluación de ideas, IA a humano (alto en la primera fase, (debido a humano (debido a la participación (debido a humano (vulnerable a contratación secuencial bajo en la segunda fase) participación en la de la IA en la primera la toma de decisión variabilidad humana) Toma de decisiones decisión final) fase) como embotellamiento) 28 Organizativo Especificidad de la búsqueda Interpretabilidad Tamaño de Toma de decisión Replicabilidad Ejemplos Estructura de decisiones - espacio Conjunto alternativo velocidad Hibrido 2 Bajo-Alto Bajo Pequeña Lento Bajo Análisis deportivo, De humano a IA (bajo en la primerafase debido (debido a la (debido a humano (debido a humano (vulnerable vigilancia de la salud Secuencial a participación humana y participación participación en la toma de decisión a variabilidad humano) Toma de decisiones alto en la segunda fase por IA) de IA en la decisión la primera fase) como embotellamiento) final) Agregado Bajo Alto Pequeña Lento Parcial Alta dirección Humano -IA (para decisiones asignados a (para decisiones (mismo conjunto de (debido a humano (solo replicabilidad Equipos, tableros Toma de decisiones los humanos) asignadas a la IA) alternativas son la toma de decisiones garantizado en Bajo evaluados por ambos como embotellamiento) elementos de decisión Alto (Para decisiones humanos e IA) asignado a la IA) (para decisiones asignados a asignadas la IA) a humanos) Nota. El gráfico representa las condiciones para tomar decisiones con la inteligencia artificial. Tomado de Organizational decision- making structures in the age of artificial intelligence (p. 71), en Shrestha et al., 2019, California Management Review. 29 En la Tabla 2, se observa que existen cuatro estructuras organizativas. En primer lugar, la delegación completa de humano a inteligencia artificial se produce en escenarios donde la búsqueda de decisiones es especifica y restringida. Esto se desenvuelve con grandes cantidades de datos, por lo que la inteligencia artificial analiza millones de estos. En segundo lugar, se encuentran las decisiones algorítmicas como insumo para la toma de decisiones humanas. En esta etapa, la inteligencia artificial funciona como un filtro que permite rechazar las alternativas redundantes e inapropiadas. Asimismo, pasan a la segunda fase un conjunto de alternativas adecuadas, donde el tomador de decisiones humanas realiza una selección. Colocar a la inteligencia artificial en la primera parte permite que los tomadores de decisión puedan manejar de manera efectiva momentos que involucran un gran conjunto de alternativas. En tercer lugar, es necesario considerar a las decisiones humanas como insumo para asumir decisiones algorítmicas. En este proceder, los tomadores de decisiones humanas, primero, seleccionan un grupo de alternativas pequeñas de un grupo más grande. El grupo reducido de alternativas pasa a una siguiente etapa. Luego, pasa hacia la inteligencia artificial con el fin de que, por último, se seleccione la mejor alternativa. Finalmente, la estructura de la toma de decisiones agregadas entre humano e inteligencia artificial se produce de acuerdo con las fortalezas y las debilidades de cada variable, proceso en el que ambos se complementan. La Inteligencia Artificial como Asistente del Ser Humano Desde una perspectiva diferente, otro grupo de autores sostienen que la inteligencia artificial es un soporte en la toma de decisión no solo con el procesamiento de datos, sino también con la interacción con asistentes digitales y un robot-advisor o robot asesor. 30 Canhoto y Clear (2020) destacan que la inteligencia artificial puede generar nuevas oportunidades para experimentar en el proceso de la toma de decisiones. Esto es posible gracias a los asistentes digitales con inteligencia artificial, los cuales tienen la capacidad para aprender y tomar decisiones en base a los algoritmos y la información, así como generar experiencias al usuario. Además, estos autores enfatizan que la inteligencia artificial, a través de un asistente digital, ayuda a mejorar el proceso de la toma de decisión. Los asistentes digitales pueden aportar en la mejora del proceso de la toma de decisiones de las personas. En este sentido, el asistente digital puede agendar asuntos, ordenar las actividades, así como decidir qué debe mostrar según los objetivos que indique el usuario y de acuerdo con el historial de actividades que realiza. Además, es capaz de interactuar con el usuario, es decir, responde y realiza preguntas que facilitan el proceso de la toma de decisión. Por otra parte, Shanmuganathan (2020) sostiene que el uso de un robot asesor con inteligencia artificial, que proporcione información relevante y sea capaz de tomar decisiones de rutina, puede contribuir a que los gerentes tomen decisiones mejores, pues se encontrarán más informados. Además, propone que el uso de un robot-advisor podría no solo ayudar en el proceso de la toma de decisión de los gerentes, sino también permitiría asumir decisiones automáticas, es decir que asesoren a los clientes de manera objetiva, sin la influencia de aspectos conductuales y emocionales. De este modo, propone el uso del robot-advisor para analizar las finanzas, con el fin de tener inteligencia artificial capaz de desarrollar y sugerir dónde invertir. De acuerdo con esto, luego podrán tomar decisiones según el perfil del riesgo. 31 Figura 2 Robot-advisor Nota. Tomado de Behavioural finance in an era of artificial intelligence: Longitudinal case study of robot-advisor in investment decisions (p. 4), en Shanmuganathan, 2020, Journal of Behavioral and Experimental Finance. El robot-advisor facilita la toma de decisiones de inversión, porque la inteligencia artificial proporciona automáticamente un portafolio financiero. Asimismo, el robot-advisor ofrece una plataforma de gestión de patrimonio digital a bancos, aseguradoras y corporaciones, en lugar de dirigirse a los propios clientes finales. Esto se conoce como negocio a empresa (B2B), pues los robots-advisors B2B y los corredores buscan hacer uso de la plataforma de asesoramiento automático de estructuras de bajo costo. Al incorporar este tipo de robot-advisor, los asesores financieros pueden incluir a sus clientes establecidos en el mundo dominante de la tecnología financiera. Es importante mencionar que la plataforma de robot-advisor B2B opera de numerosas formas, lo que incluye una plataforma personalizada compatible con las operaciones y basada en las necesidades de la institución financiera que la adapta. Sin embargo, actualmente, todavía se Retroalimentación Entradas cuantitativas Estados financieros Otros datos relevantes Entradas subjetivas Base de conocimientos de gobierno corporativo Modelo de aprendizaje basado en algoritmos Robot-advisor Clientes Inversión Decisión Información relacionada con carteras de inversión 32 está desarrollando específicamente una plataforma no discrecional que sea capaz de asociarse con asesores financieros, quienes pueden integrar servicios de asesoría robotizada B2B en su operación diaria. Por lo tanto, algunos robots advisors B2B se están asociando con grandes instituciones financieras (es decir, Future Advisor) en lugar de competir entre ellos, se asocia con diferentes empresas, y su plataforma para una amplia gama de bancos, compañías de seguros, agentes de bolsa y otras firmas de asesoría permite una interacción con el usuario. De este modo, el sistema Future Advisor permite a los asesores rechazar algunas recomendaciones de inversión generadas por sus algoritmos. De esta manera, el asesor aún tiene el control sobre su estrategia de inversión y el sistema tendrá que volver a evaluar su recomendación. (Shanmuganathan, 2020, p. 4) Es decir, el robot-advisor cumple la función de ser un asesor digital que procesa información, recomienda y opina, así como posibilita la interacción entre máquina y humano. Creación de Valor Es el grupo de tareas que incrementan el valor en beneficio de las personas con acciones. Para lograrlo, aumentan la rentabilidad por encima del capital invertido, así como el valor de los servicios o de los bienes para las personas que consumen. En primer lugar, esimportante destacar la presencia de los autores que sostienen que el empleo de la inteligencia artificial en el proceso de tomar decisiones desarrolla habilidades analíticas en los humanos y mejora la proyección de escenarios para la toma de decisiones. El mercado actual es cada vez más competitivo. Por ello, una de las formas de obtener una ventaja competitiva se produce gracias a la creación de valor en el capital de trabajo, es decir, en el personal que constituye una empresa. 33 Creación de Valor para los Trabajadores Jarrahi (2018) argumenta que la alta dirección no es el único grupo que participa en la toma de decisiones en el contexto de las organizaciones. Constantemente, muchos trabajadores de niveles inferiores y no gerenciales se encuentran en diferentes situaciones de incertidumbre. Por lo tanto, requieren un pensamiento visionario e intuitivo. Por esta razón, Jarrahi (2018) expresa que, a través del uso de la inteligencia artificial como herramienta estratégica, se pueden ampliar las capacidades humanas que mejoren su desempeño dentro de la organización. De acuerdo con Kietzmann y Pitt (2020), la directora ejecutiva de IBM, Ginni Rometty, sostiene que la tecnología nos ayudará a mejorar y a aumentar nuestra inteligencia gracias al soporte de máquinas inteligentes. De esta manera, se brindará valor a las empresas y a los ejecutivos involucrados en el proceso. Es decir, la inteligencia artificial es una herramienta útil dentro de la organización, pues facilita el aprendizaje del ser humano, a través de la información minuciosa que puede proporcionar. Asimismo, el desarrollo profesional del trabajador proporciona valor a la empresa, porque aumenta la productividad y crea una diferencia con la competencia. Creación de Valor para la Empresa Toorajipour et al. (2021) enfatizan que la aplicación de la inteligencia artificial para resolver problemas, en escenarios complejos, ofrece la capacidad de optimizar y mejorar los procedimientos y la cadena de suministro. De acuerdo con esta aseveración, es importante destacar que, a lo largo del artículo, se ha mostrado un nivel de eficiencia de la inteligencia artificial que no se puede lograr solo con el procesamiento humano. Asimismo, Königstorfer y Thalmann (2020) expresan que la inteligencia artificial reduce la probabilidad del error al momento de tomar decisiones. Por ejemplo, cuando se deben asumir 34 decisiones en contexto de la banca, la inteligencia artificial podría reducir considerablemente la pérdida del dinero por fraude o por lavado de activos. Al mismo tiempo, Wright y Schultz (2018) y Desouza et al. (2020) mencionan que la inteligencia artificial ayuda a reducir los costos y el tiempo de la cadena de valor, ya que esta situación provoca que los sistemas y los proceso sean más rápidos y flexibles. Desde el punto de vista costo-beneficio, Lee y Shin (2020) analizan la implementación de la inteligencia artificial en la organización. En este proceso, enfatizan que el costo que asumirá la empresa por la implementación de la inteligencia artificial será de mayor beneficio a largo plazo. De acuerdo con Accenture (2018, citado por Lee y Shin, 2020), la inteligencia artificial y el aprendizaje automático pueden reducir los costos entre 20 % a 25 % en el sector bancario, en las áreas operativas, infraestructura y mantenimiento. Asimismo, genera nuevos ingresos a través de productos y servicios, así como mejora la captación y la retención de clientes. Una evidencia de estos beneficios de la inversión en aprendizaje automático se observa cuando los bancos usan la inteligencia artificial y el aprendizaje automático para analizar varios escenarios. Por ejemplo, relacionan el precio del producto con el valor, e incrementan el ingreso. Asimismo, Drewniak y Posadzinska (2020) comentan que, mientras mayor es la rentabilidad, mayor es el grado de innovación, debido a que la inteligencia artificial beneficia a la cadena de valor. Canhoto y Clear (2020) sostienen que la inteligencia artificial puede crear valor, así como la destrucción de valor. En este sentido, los autores argumentan que estas tecnologías prometen ser más rentables que los humanos, y ser soluciones tecnológicas más baratas, rápidas y menos propensas a errores que los humanos. Sin embargo, las empresas deben tener cuidado de subestimar los costos potenciales, incluido el daño a la reputación. En primer lugar, las capacidades 35 analíticas y las habilidades de manejo de big data varían significativamente entre las empresas. Esto significa que diferentes empresas enfrentarán diversos obstáculos al implementar la inteligencia artificial. En segundo lugar, prevenir o abordar los problemas identificados puede resultar costoso. Es posible que la inteligencia artificial represente una gran inversión inicial y requiera un mantenimiento continuo. Incluso, la solución de inteligencia artificial más simple demanda una gran inversión inicial en capacitación. También, necesita potencia de procesamiento, acceso a diversas bases de datos y actualizaciones periódicas; todo lo cual es costoso. Asimismo, la inteligencia artificial requiere habilidades de especialistas, las cuales son escasas en la mayoría de las empresas. Algunas consideran que contratar talento con esas habilidades es difícil y costoso, mientras que otras optan por la subcontratación. Alshawaaf y Lee (2020) declaran que la inteligencia artificial cambiará los modelos de negocios, ya que la adopción de la inteligencia artificial en la empresa permitirá aumentar la capacidad interna de la misma. Las tecnologías digitales, en particular, requieren que las empresas varíen sus modelos de comportamiento y la forma en que interactúan con sus partes interesados (Kuehnl, 2017, citado en Duan et al., 2019). Sin embargo, la investigación muestra que muchas organizaciones se enfuerzan por adaptar sus procesos y sus procedimientos estratégicos para reflejar los cambios causados por la inteligencia artificial, el big data y otras tecnologías. Alshawaaf y Lee (2020) mencionan que el efecto de las tecnologías digitales en las organizaciones puede explorarse examinando los cambios en el modelo de negocio. Esto es posible a través de la novedad, la cual se aprecia bajo la forma o la manera en que una organización produce, entrega valor y mejora el desempeño organizacional, gracias a la innovación y la reinvención de los modelos comerciales y los ecosistemas (Duan et al., 2019). 36 Desouza et al. (2020) mencionan que las empresas avanzadas infunden innovación en su ADN corporativo para ayudar a la cadena de valor de la organización. Sin embargo, se debe tener cuidado en cómo se diseña la inteligencia artificial. Por ejemplo, se utilizó inteligencia artificial para predecir si un acusado cometiera un delito en el futuro; en este caso, se descubrió que el algoritmo exageraba el riesgo de los acusados negros frente a los acusados blancos. Por este motivo, dependiendo de la magnitud de la toma de decisión, la inteligencia artificial debe ser auditada (Agrawal et al., 2019). Borges et al. (2020) y Krupiy (2020) señalan que las empresas pueden beneficiarse del uso de la inteligencia artificial para crear valor en diferentes dimensiones empresariales: optimización de procesos y procedimientos; optimización de la relación con los clientes y empleados, al ser capaces de diseñar y entregar nuevos productos y servicios. Además, es posible crear valor para las empresas con asistencia digital y mejorando la experiencia del cliente. Lee y Shin (2020) mencionan que el aprendizaje automático no es una solución para todos los problemas comerciales. No obstante, los que toman las decisiones deben poseer una comprensión clara de su mecanismo de generación de valor, de la selección de proyectos eficientes de aprendizaje automático y de la preparaciónpara justificar la inversión. En síntesis, el empleo de la inteligencia artificial en el proceso para tomar decisiones reduce costos y tiempos. En otras palabras, gracias a esta, el ser humano puede disminuir el tiempo del procesamiento y la búsqueda de la información. Además, a través de la optimización de procesos y procedimientos, la organización es capaz de reducir costos significativos. Creación de Valor para los Accionistas y/o Propietarios Lo más importante para los accionistas y/o propietarios es la rentabilidad que puede generar una empresa; en este contexto, la inteligencia artificial promete transformar a las máquinas de 37 simples sirvientes a socios, con lo que se empodera a los humanos para que expresen aún más sus fortalezas y valores creativos (Kakatkar et al., 2020). Asimismo, Engin y Vetschera (2017) mencionan que los directivos podrán generar valor en su empresa al utilizar la inteligencia artificial. Finalmente, esto se traducirá en beneficio para toda las jerarquías, los clientes y los aliados. Creación de Valor Frente a la Competencia El mercado cada vez es más competitivo y lo que establece diferencias entre los competidores es la creación de valor. Makridakis (2017) menciona que la principal ventaja de una computadora es su velocidad de rayo, lo que le permite realizar miles de millones de instrucciones por segundo. Asimismo, Kietzmann y Pitt (2020) plantean que la tecnología mejorará a los usuarios involucrados en el sector, porque aumentará la inteligencia humana y, de esta manera, creará valor en las empresas. Por otro lado, la inteligencia artificial va un paso más allá de la aplicación de decisiones preprogramadas, pues también desarrolla algunas capacidades de aprendizaje. En general, la adopción de este sistema crea una ventaja competitiva. En síntesis, la inteligencia artificial juega un rol fundamental en el momento de optimizar procesos, así como minimizar tiempos y costos. Definitivamente, esto permitirá obtener una imagen más sólida frente a los competidores, es decir, una imagen corporativa adecuada frente a los clientes y los proveedores. Creación de Valor para los Clientes Fast y Schroeder (2020) señalan que la inteligencia artificial puede mejorar la experiencia del usuario. En este sentido, la interacción con un asistente digital, como si fuera un humano, con un usuario, crea valor a través de la actividad de orientación que realiza. 38 Según Duan et al. (2019) y Fast y Schroeder (2020), la inteligencia artificial mejora la experiencia del usuario a través de la interacción, y promueve la innovación a través de nuevas formas de análisis y de predicción. De acuerdo con esto, la innovación dentro de la organización es importante para mantenerse en el mercado y la inteligencia artificial permite brindar ese impulso a la organización para reinventar algunos negocios y disminuir el margen de error de una decisión. Drewniak y Posadzinska (2020) demuestran que, cuando la rentabilidad de una empresa es mayor, también lo será el nivel de innovación. Asimismo, esta revolución parece imparable y solo se puede esperar que el desarrollo del sector de la inteligencia artificial resulte en innovaciones utilizadas en muchas industrias. Esto se producirá con el objetivo de mejorar la calidad y el confort de vida, lo que implica resolver numerosos problemas del mundo en la actualidad. 39 Análisis y Resultados La Figura 3 representa los componentes de la inteligencia artificial. En este caso, los resultados indican que la inteligencia artificial es un sistema compuesto por algoritmos que puede aprender a través de la tecnología y el big data. En este sentido, con el aprendizaje automático, la inteligencia artificial es capaz de reconocer, detectar patrones y predecir el futuro. Figura 3 La inteligencia artificial La inteligencia artificial imita al ser humano, es decir, todos los circuitos y los algoritmos que la componen permiten que tenga la capacidad de pensar, aprender y tomar decisiones. Reconoce Detecta patrones Predice Sistema inteligente Aprendizaje automático Algoritmos Inteligencia artificial 40 Figura 4 Tipos de toma de decisiones que puede elegir la inteligencia artificial La Figura 4 muestra que la inteligencia artificial puede tomar decisiones estratégicas, tácticas y operativas, a través de sistemas de expertos. Asimismo, es posible que las decisiones operativas se apliquen a través de sistemas de robótica. La inteligencia artificial es capaz de tomar decisiones estratégicas en el área de marketing y recursos humanos. Asimismo, puede tomar decisiones tácticas, pero solo en el área de recursos humanos. La inteligencia artificial se encuentra capacitada para tomar decisiones operativas por medio de sistemas de expertos en las actividades de rutina y de automatización de algunos procesos. Decisiones estratégicas Se puede aplicar en el área de: Marketing Recursos Humanos Sistema de expertos Decisiones tácticas Se puede aplicar en el área de: Sistema de expertos Recursos Humanos Decisiones operativas Sistema de expertos Sistema de robótica Automatización Decisiones de rutina 41 Figura 5 Complementariedad de los seres humanos y la inteligencia artificial Nota. Esta figura muestra las situaciones de la toma de decisiones, típicamente caracterizadas por la incertidumbre, la complejidad y los equívocos. Tomado de Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making (p. 583), por Jarrahi, 2018, Business Horizons. La Figura 5 muestra que el proceso de análisis de datos que realiza la inteligencia artificial proporciona información en tiempo real al tomador de decisiones. Asimismo, la complejidad de seleccionar entre varias opciones se reduce cuando la inteligencia artificial recopila, procesa y analiza datos, según las órdenes que se le asigne. La inteligencia artificial también reconoce patrones e interpreta de diferentes maneras sin ser influenciado por emociones. Esto ayuda al ser humano para tomar decisiones más objetivas. La inteligencia artificial es un complemento para el ser humano, ya que, gracias a la interacción entre ambos agentes, se puede optimizar la toma de decisiones a gran escala. Incertidumbre Decisión rápida e intuitiva a lo desconocido. Proporciona acceso a la información en tiempo real; por ejemplo, la detección de anomalías. Complejidad Decide dónde buscar y recopilar datos. Elije entre opciones con el mismo soporte de datos. Recopila, selecciona, procesa y analiza datos. Equívocos Negociar, crear consenso y obtener apoyo. Analiza sentimientos y representa diversas interpretaciones. 42 Figura 1 La inteligencia artificial y la creación de valor Nota. Esta figura muestra cómo la digitalización crea valor. Adaptado de Business model innovation through digitization in social purpose organizations: Business model innovation through digitization in social purpose organizations: A comparative analysis of Tate modern and Pompidou Centre (p. 9), por Alshawaaf y Lee, 2020, Journal of Business Research. Nueva creación de valor Diversificar los ingresos autogenerados Inteligencia artificial Actividades comerciales Mayor ingreso Costo más bajo Aumenta el valor del cliente Construye relaciones Crea nueva experiencia al cliente Participación del cliente 43 La Figura 6 muestra que la inteligencia artificial aumenta el valor del cliente. Es decir, el cliente puede percibir un valor agregado a través de la construcción de relaciones sólidas. De este modo, es capaz de incrementar su experiencia y suparticipación. Asimismo, la creación de valor disminuye los costos de la empresa y genera mayores ingresos. La inteligencia artificial perfecciona los procesos y tiene la capacidad de ser indispensable en las organizaciones. Además, con los ingresos ganados por su aplicación, es posible invertir en actividades de comercio que generen mayor rentabilidad para los accionistas. Tabla 3 Formas en que la inteligencia artificial crea valor Creación de valor para la empresa Creación de valor para los trabajadores Creación de valor para los accionistas y/ propietarios Creación de valor para los clientes - Mejora tecnológica. - Mejora del talento humano. - Mejora de los procesos. - Reducción de costos y tiempo. - Procesos automatizados. - Mejora de la cadena de valor. - Mayores habilidades analíticas. - Mejora del conocimiento. - Toma de decisiones más rápidas. - Toma de decisiones más acertadas. - Mayor rentabilidad. - Mejora de la experiencia del cliente. La Tabla 3 presenta las formas en que la inteligencia artificial crea valor para la empresa, los trabajadores, los accionistas y los clientes. Por otro lado, genera valor frente a la competencia por medio de la ventaja competitiva que se obtiene producto de la aplicación de este sistema. 44 Existe una mayor creación de valor para la empresa, por medio de la mejora tecnológica y el talento humano. Además, se debe considerar la modernización y la automatización de procesos, los cuales reducen el costo y el tiempo. Por otro lado, la inteligencia artificial mejora las habilidades analíticas de los trabajadores. De este modo, contribuye con el desarrollo profesional del capital humano de la empresa. La Tabla 3 expresa que con la inteligencia artificial se puede obtener mayor rentabilidad para los accionistas. Por su parte, con la aplicación de esta tecnología, es posible mejorar la experiencia del cliente luego de conocer con mayor profundidad sus gustos y sus preferencias. 45 Conclusión y Discusión Conclusión Luego de la revisión y el análisis de los diferentes artículos de investigación, se concluye con las siguientes ideas. La inteligencia artificial es un sistema que tiene la capacidad de aprender a través del procesamiento de datos de una manera más rápida que el ser humano. De este modo, permite utilizar la información procesada en la toma de decisiones empresariales. A pesar de que la inteligencia artificial carezca de emociones y no pueda entender la realidad como lo realizaría un ser humano (Krupiy, 2020; De Bruyn et al., 2020), es capaz de aprender a través de diferentes formas de aprendizajes: supervisado, semi supervisado, y el aprendizaje por refuerzos. Así, proporciona información relevante para la toma de decisiones empresariales. La inteligencia artificial puede tomar diferentes tipos de toma de decisiones: decisiones de tipo estratégicas, como la selección del personal en el área de recursos humanos; decisiones tácticas, como establecimiento de canales de distribución de la cadena de suministro; decisiones operativas en el sector bancario, como la detección de transacciones fraudulentas y la decisión de las acciones a tomar; actividades de rutinas, arduas y monótonas. Sin embargo, aunque puede ayudar a tomar decisiones, es posible que estas no sean 100 % acertadas, debido a la falta de sentido común y la dificultad de articular supuestos básicos de la realidad (De Bruyn et al., 2020). La inteligencia artificial carece de ciertas capacidades innatas del ser humano, pero constituye una herramienta estratégica dentro de la organización. En este sentido, una de las formas más usadas para aplicarla como complemento en el contexto de la toma de decisiones humanas es el de “herramienta”. Es decir, la máquina proporciona el análisis de la información que el tomador de la decisión necesita, lo que permite que se ahorre tiempo y dinero. Otras formas menos 46 empleadas, donde se produce el apoyo de la inteligencia artificial al ser humano, es a través de asistentes digitales y robot-advisor. Wright y Schultz (2018) argumentan que la inteligencia artificial puede contribuir para crear valor, al lograr reducir costos y tiempos. No obstante, Canhoto y Clear (2020) señalan que la inteligencia artificial es capaz de destruir el valor. Por esta razón, es necesario que los gerentes cuantifiquen el potencial de destrucción del valor asociado con cada uno de los componentes de la solución de la inteligencia artificial. Canhoto y Clear sostienen que la cuantificación debe iniciarse con la consulta a las partes interesadas, que son claves en la organización, como los gerentes de base de datos o los gerentes de marca. Así, se analizan los efectos de cada problema detectado y se clasifican utilizando una escala de Likert, lo cual muestra qué eventos son más probables y graves. Luego, los gerentes se encuentran capacitados para realizar una visualización de la fuente y los efectos de cada riesgo con el fin de ayudar a reducir el potencial de destrucción de valor a otros en la empresa. En consecuencia, se concluye que el estudio responde a la pregunta de interés, dado que la aplicación de la inteligencia artificial tiene un impacto positivo en el proceso de la toma de decisiones al crear valor a la empresa, los trabajadores, los accionistas y los clientes. En este sentido, una empresa que no se adapte a las nuevas tecnologías y no se modernice es propensa a perder ventaja competitiva en su mercado. En este escenario, se prevé que la automatización de algunas decisiones cambiará los modelos de negocios en el mundo, así como el estilo de vida de las personas. Por último, la inteligencia artificial es un campo de aplicación relativamente en desarrollo. Por ello, nuevos investigadores pueden profundizar en los aspectos éticos de la inteligencia artificial en relación con el ser humano. Asimismo, es posible profundizar acerca de la privacidad 47 de la información al usar la inteligencia artificial en el contexto de la toma de decisiones, y cómo esta podría influir en el comportamiento del empresario. Además, es posible identificar los errores de la inteligencia artificial gracias a la auditoria en los algoritmos. Discusión De acuerdo con lo expuesto en el artículo, Drewniak (2020) sostiene que la inteligencia artificial puede aprender, a partir del reconocimiento de las emociones humanas, como una sonrisa, e interpretarla, por ejemplo como alegría, a través del análisis de la voz, las expresiones y las micro expresiones faciales. Asimismo, es capaz de reconocer el texto que redacte un humano, como una opinión de satisfacción en una página web. Sin embargo, Krupiy (2020) sostiene que la inteligencia artificial no puede aprender, porque no dispone de la capacidad de entender la realidad. Además, precisa que es engañoso llamar autoaprendizaje a los sistemas de toma de decisiones de la inteligencia artificial, debido a que es incapaz de detectar patrones sensibles del entorno. De Bruyn et al. (2020) complementa lo anterior al destacar que “los algoritmos de la inteligencia artificial carecen de emociones, conciencia y comprensión, una de las dificultades que se encuentran en la práctica es que también carecen de sentido común” (p. 93). En otras palabras, la inteligencia artificial no entiende las emociones o puede interpretar erróneamente si una sonrisa es fingida; es decir, no tiene comprensión del mundo en el que opera. Por esta razón, cualquier objetivo o restricción no especificada, incluso la más obvia, es inexistente y no importará. Estas premisas indican que la inteligencia artificial no puede aprender. Sin embargo, aunque no entienda la realidad y no pueda pensar como un ser humano, en la investigación, se constata que sí puede aprender a través de los diferentes modelos algorítmicos
Compartir