Los sistemas que utilizan inteligencia artificial para mejorar la previsión, la planificación y la toma de decisiones en las empresas han proliferado en los últimos años, pero en muchos casos carecen de información detallada y específica sobre la propia organización, lo que limita la utilidad de esas herramientas.
Devavrat Shah, investigador principal del Laboratorio de Sistemas de Información y Decisión (LIDS) del MIT, miembro del cuerpo docente del departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) y miembro del Instituto de Datos, Sistemas y Sociedad (IDSS), se ha centrado en cómo diseñar métodos que puedan manejar la toma de decisiones segundo a segundo utilizando recursos computacionales limitados.
“En cierto sentido, con una pequeña cantidad de recursos, hay que hacer mucho trabajo pesado”, afirma. Como investigador, “mi interés está en la capacidad de desarrollar métodos que puedan extraer información de datos a escala de la manera más efectiva posible”.
La profesora Andrew (1956) y Erna Viterbi ha estado enseñando en el MIT desde 2005.
En 2019, también cofundó una empresa derivada llamada Ikigai Labs. Ikigai construyó un modelo básico para datos tabulares de series de tiempo basado en años de investigación en el laboratorio de Shah, que fue patentado y autorizado por el MIT para la empresa. Este modelo puede recibir información de datos empresariales de diversas fuentes, de forma continua y a escala, de modo que aprende sobre la marcha al comparar sus predicciones con resultados reales.
Shah explica que el sistema es una extensión del tipo de modelos gráficos que utilizan, por ejemplo, los dispositivos GPS para convertir una escasa cantidad de datos recibidos de los satélites en un modelo preciso de una posición en la superficie de la Tierra, o por sistemas de comunicación como el de un reloj digital que se comunica a alta velocidad de manera energéticamente eficiente.
“Mi interés era: ¿Cómo se diseñan estos modelos gráficos para datos tabulares genéricos?” él dice.
Si bien la mayoría de los modelos de IA se han enseñado utilizando texto e imágenes, este sistema toma datos tabulares como entrada: datos estructurados como el tipo familiar de formato de filas y columnas que se usa en las hojas de cálculo. Y luego proporciona el tipo de planificación en tiempo real, a una escala mucho mayor.
La idea de Ikigai era proporcionar tecnología de previsión y toma de decisiones para grandes empresas, como fabricantes de bienes de consumo y empresas farmacéuticas.
Shah da el ejemplo de cómo una empresa de electrónica de consumo podría utilizar este sistema.
“Digamos que estás fabricando auriculares y todo tipo de cosas diferentes. Y cada uno de los productos que fabrica tiene muchas piezas pequeñas que provienen de diferentes partes del mundo. Y una vez que el dispositivo se vende, necesita soporte y mantenimiento. Y hay que idear nuevas versiones del producto, hay que comercializarlas, hay que fijarles el precio… Así que las preguntas que normalmente se harían serían: si los vendiera el próximo trimestre o el próximo año, ¿cuántos se venderían en diferentes lugares y cuál sería la demanda? ¿Si cambio el precio o si introduzco una promoción?
Agrega que todos estos procesos son interdependientes y en cada etapa de los procesos se deben tomar decisiones que tienen implicaciones en el tiempo. “En cierto nivel”, dice, “digitalizar estos procesos y ser capaz de hacer predicciones y optimizar constantemente es lo que, en última instancia, conduce a mejores operaciones comerciales”.
Ikigai fue adquirida recientemente por la firma internacional Celonis, donde Shah es ahora científico jefe además de sus funciones en el MIT. En última instancia, espera que el modelo que desarrolló para Ikigai ayude a Celonis a ofrecer herramientas que puedan integrarse con los propios datos y procesos comerciales de una empresa para proporcionar análisis del mundo real que puedan ayudar a realizar pronósticos, planes y decisiones.
Shah añade que Celonis se ha especializado en digitalizar y automatizar operaciones para más de 1.400 grandes empresas en todo el mundo. Ahora que estos sistemas están completamente digitalizados, proporcionan una plataforma para que el software de Ikigai dé el siguiente paso, leyendo los datos de estos sistemas digitalizados para proporcionar modelos detallados que permitan la simulación de diferentes opciones, predecir estrategias óptimas y pronosticar los resultados de un conjunto determinado de decisiones.
“Una vez que exista la capa digital de estos procesos y esta capa de información”, dice Shah, “ahora, encima de ella, podemos colocar la pila Ikigai para permitir la toma de decisiones a una escala mucho mayor que de otra manera”.
Si bien tantas empresas están trabajando en diversos aspectos de la IA, “nosotros estamos muy centrados en una parte del dominio al que el resto del mundo no presta atención”, que es el área de los datos estructurados o en el dominio del tiempo. A partir de esos datos, afirma, se proporciona una versión muy rentable de la IA.
“Un enfoque más limitado conlleva una tecnología más nítida”, afirma, “pero es lo suficientemente amplia como para ser muy valiosa”.
Shah añade: “La reciente palabra de moda que se ha vuelto pertinente en la prensa popular moderna sobre IA es ‘modelo mundial’. En cierto sentido, esto es un intento de construir el modelo mundial de procesos empresariales, por así decirlo”.