Hace apenas unos días, la consultora Garnert hacia la publicación de su última gráfica de su Hype Cycle correspondiente a agosto de 2021. En ella aparecía como tendencia una tecnología de la que no había oído hablar nunca “AI-Driven Innovation”, es decir, la posibilidad de que en un futuro la innovación sea desarrollada por máquinas y no por personas ¿Es esto posible? ¿Podrá la inteligencia de máquinas reemplazar el trabajo de innovadores cuya principal fortaleza es la creatividad? ¿Está la función creativa más cerca de ser realizada por las máquinas?
La automatización es el mantra que siguen las empresas de todo tipo para reducir sus costes y ganar en competitividad. Pascual Parada.
Esta realidad no está ajena de problemas como ya se ha comentado en este blog, pues la automatización elimina puestos de trabajo de baja cualificación y puede abocar a la creación de una sociedad inútil, o incluso, de países enteros inútiles.
Sin embargo, las mayores inversiones empresariales se producen justamente en esto: Automatización. Y es que, por el momento, el poder del mercado manda sobre la condición humana. Pero ¿Llegará tal automatización a procesos que hasta ahora pensábamos que eran exclusiva de humanos?
Qué es la innovación y cuál es su proceso
Para una empresa, podríamos decir que innovar es crear algo nuevo con impacto en el mercado y en la cuenta de resultados de la empresa. Si creamos algo nuevo sin impacto sería investigación, pero no innovación, y si algo tiene impacto en la empresa, pero no es nuevo, puede ser cualquier cosa.
Según Luis Perez-Breva, el proceso de innovación es de carácter no lineal, es decir, que no tiene un camino determinado. Sin embargo, la gran mayoría de las empresas necesitan un roadmap de acciones para poder empezar.
El proceso de innovación es de carácter no lineal, es decir, que no tiene un camino determinado. Luis Pérez-Breva.
Así, de forma generaliza, se asumen una serie de fases en el proceso de innovación:
- Fase de descubrimiento: Descubrimiento de una oportunidad, Comprensión del problema, Generación de ideas y construcción de prototipos.
- Fase de experimentación: Experimentación, análisis y evolución de los prototipos para determinar el encaje de la solución en el mercado.
- Fase de explotación: Selección y explotación de la solución más prometedora.
Los innovadores se enfrentan principalmente a dos problemas durante las fases anteriores. En primer lugar, están limitados por la cantidad de información que pueden procesar. En segundo lugar, están limitados por el conocimiento que tienen de otras ramas del saber, mercados o ciencias. Por esto, la gran mayoría de las innovaciones que vemos en el mundo empresarial son incrementales, y sólo en aquellos casos donde el responsable de innovación cruza a conciencia varias áreas de conocimiento es cuando se produce innovación radical o disruptiva.
Analítica de datos en el proceso de innovación
Si queremos entender como la innovación puede ser impulsada por la Inteligencia Artificial, tenemos que entender primero que hay de procesamiento de datos en el proceso de innovación, y cómo este procesamiento de máquinas puede reemplazar el trabajo de personas o potenciarlo.
Veamos qué puede hacer la Inteligencia Artificial en cada una de las fases del proceso de innovación.
Cómo potenciar la innovación en su fase de descubrimiento gracias a la IA
Los sistemas actuales de Inteligencia Artificial pueden aportar un gran valor en la fase de descubrimiento del proceso de innovación gracias a la enorme capacidad de procesamiento de datos que éstos ya han alcanzado. Las redes neuronales profundas pueden ser ya utilizadas para analizar, a través de técnicas de Big Data y Machine Learning, datos de mercado y cruzarlos con datos sociales de comportamiento de todo el mundo para detectar anomalías. En dichas anomalías o outliers, como se conocen en el mundo de la IA, puede haber el descubrimiento de una oportunidad.
Además, la IA puede ayudar a la comprensión del problema de esta fase mediante la representación gráfica de las distintas ramificaciones de dicha anomalía. Es decir, puede ayudar a encontrar una historia (Data Story Telling) contada a través de los datos. Es cierto que aquí veo más problemas de sustitución de una persona por una máquina, pero muy probablemente la IA potenciará la capacidad del innovador.
En la generación de ideas para posibles soluciones, la IA ya puede procesar mucha más información de lo humanamente posible para desarrollar posibles soluciones. La IA puede mezclar soluciones ya creadas de múltiples áreas de conocimiento que podrían dar lugar a soluciones disruptivas. Algoritmos basados en redes, teorías basadas en conjuntos o algoritmos de clasificación basado en árboles de decisión podrían llegar a soluciones radicalmente distintas a las tomadas por cualquier innovador.
Por último, avances en las técnicas de Procesamiento del Lenguaje Natural y Búsquedas Semánticas podrían poner dicha tecnología a disposición de innovadores menos cercanos a la IA.
Cómo potenciar la innovación en su fase de experimentación gracias a la IA
La fase de experimentación se centra en la construcción de prototipos que puedan solucionar la oportunidad encontrada, al menos de una forma inicial, lo que llamamos la creación del PMV o Producto Mínimo Viable.
La IA también podrán en un futuro cercano ser un elemento de sustitución o apoyo al innovador. Por ejemplo, la tecnología de Redes Generativas Adversas (GAN) se fundamenta en que dos redes neuronales compiten o se validan para un mismo resultado. Una red GAN podría idear un prototipo de solución a modo de gemelo digital de un producto físico real, y la otra red podría validar si pasa el filtro o no dicha solución en función de un conjunto de variables. Estas dos redes podrían estar trabajando de forma automatizada buscando evolucionar un modelo para hacerlo más eficaz.
Además, técnicas de aprendizaje por refuerzo podrían permitir en una segunda fase la mejora de los prototipos en un entorno real. El aprendizaje por refuerzo es una técnica de la Inteligencia Artificial que dado un sistema busca aprender por si sólo las reglas introduciendo cambios en el sistema y valorando el nivel de aceptación de dichos cambios, y lo hace de forma no supervisada. Así, un algoritmo por refuerzo en un sistema controlado, podría medir la mejora de la satisfacción introduciendo un cambio en el prototipo, de forma autónoma.
Cómo potenciar la innovación en su fase de explotación gracias a la IA
Como decíamos anteriormente, el proceso de innovación ha de terminar en el mercado y con un impacto positivo en la cuenta de resultados de la empresa. Una vez que hemos realizado en encaje de problema-solución a través del encaje de producto-mercado de las fases anteriores, la IA puede seguir siendo fundamental para los innovadores.
Un ejemplo podría ser a través de los algoritmos de analítica de datos. Existen cuatro grandes grupos de tipos de analítica: Descriptiva, Diagnóstica, Predictiva y Prescriptiva. En esta fase de explotación del proceso de innovación, los innovadores podrían utilizar la analítica predictiva para analizar el comportamiento a futuro del mercado y así determinar con mayor precisión dónde y cómo lanzar la solución adoptada. De hecho, esto ya es posible hoy día, y son muchas las grandes empresas que lo hacen, como por ejemplo Walmart.
La analítica prescriptiva es menos habitual incluso para las grandes empresas por su complejidad actual, pero en el futuro, los innovadores podrían valerse de algoritmos para modificar la cadena de valor de un producto en el caso de ocurrir algo inesperado. Un algoritmo prescriptivo lo que hace es predecir un suceso futuro y determinar qué hacer si eso ocurre.
La tecnología bajo el concepto de Robotic Process Automation (RPA) que consiste en la automatización de procesos podría reaccionar a las órdenes de un algoritmo prescriptivo para cambiar el proceso de fabricación de un producto si la probabilidad de ocurrencia de un suceso estuviese por encima de un umbral determinado, también calculado por un algoritmo basado en riesgos.
Conclusión
Gartner marca una tendencia que podría ser todo un hecho en tan sólo 10 años. AI-Driven Innovation es el resultado de incorporar todo tipo de tecnología de Inteligencia Artificial al proceso de innovación, y si bien he analizado como puede impactar, no creo (a día de hoy) que se pueda llegar a un nivel de sustitución completo de personas innovadoras por máquinas.
Es probable que la IA adquiera mayor importancia en el proceso de innovación cuando el objetivo sea la innovación disruptiva, y que en esto caso, las empresas que cuenten con el talento y los recursos adecuados tendrán una ventaja competitiva difícil de imitar.