La IA como herramienta para ejercitarse: Ameen Kazerouni de Orangetheory Fitness

Ameen Kazerouni, director de datos y análisis de Orangetheory Fitness (OTF), cree que el papel de la IA no es sustituir a los expertos humanos, sino ayudarles a tomar mejores decisiones.

Por eso OTF recoge datos de frecuencia cardíaca y telemetría durante sus clases de fitness para que los algoritmos puedan convertir esos datos en información que permita a las personas tomar decisiones en tiempo real sobre sus entrenamientos y permita a los entrenadores ofrecer recomendaciones personalizadas.

Inteligencia Artificial en Qatar 2022: Detectar fuera de lugar, balón inteligente y más

En este episodio del podcast Me, Myself, and AI, Ameen se une a Sam y Shervin para describir cómo se utilizan la recopilación de datos y los algoritmos de OTF para crear una experiencia de fitness curada para sus miembros, y explica por qué es fundamental mantener a los humanos en el bucle de retroalimentación al implementar la inteligencia artificial.

Lee más sobre nuestro programa y sigue la serie en https://sloanreview.mit.edu/aipodcast.

Suscríbete a Me, Myself, and AI en Apple Podcasts, Spotify o Google Podcasts.

Da tu opinión en esta encuesta de dos preguntas.

Transcripción

Sam Ransbotham: La recopilación de datos en tiempo real significa que las organizaciones pueden tomar muchas más decisiones informadas basadas en las métricas. Pero, ¿cuándo siguen necesitando a los humanos? Descúbrelo en el episodio de hoy.

Ameen Kazerouni: Soy Ameen Kazerouni de Orangetheory Fitness, y estás escuchando Me, Myself, and AI.

Sam Ransbotham: Bienvenidos a Me, Myself, and AI, un podcast sobre la inteligencia artificial en los negocios.

En cada episodio les presentamos a alguien que está innovando con la IA. Soy Sam Ransbotham, profesor de analítica en el Boston College. También soy el editor invitado de IA y estrategia empresarial del MIT Sloan Management Review.

Shervin Khodabandeh: Y yo soy Shervin Khodabandeh, socio principal de BCG, y co-dirijo la práctica de IA de BCG en Norteamérica.

Juntos, el MIT SMR y BCG han estado investigando y publicando sobre la IA durante seis años, entrevistando a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para construir y desplegar y escalar las capacidades de la IA y realmente transformar la forma en que operan las organizaciones.

Sam Ransbotham: Hoy, Shervin y yo estamos encantados de que nos acompañe Ameen Kazerouni, director de datos y análisis de Orangetheory Fitness. Ameen, gracias por acompañarnos. Bienvenido.

Ameen Kazerouni: Gracias, Sam. Es un placer estar aquí. Estoy emocionada por la conversación.

Sam Ransbotham: Actualmente, diriges la función de datos y análisis en Orangetheory Fitness. Cuéntanos un poco sobre la organización.

Ameen Kazerouni: Por supuesto. Orangetheory Fitness es un programa de entrenamiento en grupo para todo el cuerpo basado en el ritmo cardíaco.

Combina la ciencia, un gran entrenamiento, la tecnología, y está diseñado para proporcionar lo que nos gusta pensar como una vida más vibrante.

El entrenamiento está desarrollado para motivar a cada miembro individualmente para lograr sus resultados deseados.

Y, ya sabes, si estás comenzando tu viaje de bienestar o eres un experimentado entusiasta del fitness, cada entrenamiento de OTF crea una comunidad de experiencia compartida, pero también utiliza el entrenamiento basado en el ritmo cardíaco para permitirte experimentar el entrenamiento de la manera que sea más cómoda para ti, y ahí es honestamente donde entra mi papel.

Hay una enorme cantidad de datos telemétricos segundo a segundo de los equipos de fitness, de los monitores de frecuencia cardíaca, que nos permiten crear el tipo de experiencia de fitness más personalizada del mundo. Eso es Orangetheory.

Sam Ransbotham: Muy bien, ¿qué haces con todo esto? Has recogido todos estos datos, los tienes, esta telemetría, tienes información sobre el ritmo cardíaco, supongo, ya que estás basado en el ritmo cardíaco. ¿Cómo funciona el proceso? Explícanos los pasos.

Ameen Kazerouni: La mayoría de los miembros de Orangetheory en el estudio llevarán lo que llamamos un monitor de ritmo cardíaco OTbeat, que es una pieza patentada de tecnología portátil.

Tiene dos propósitos. Uno es que te da un bucle de información en tiempo real sobre cómo estás actuando, qué nivel de intensidad estás produciendo en el estudio, pero también permite al entrenador ver el nivel de intensidad que estás produciendo en el estudio y ayudar a proporcionar eficazmente una especie de experiencia de entrenamiento físico personalizado en un estudio, en un entorno de grupo.

Mi función se centra en desbloquear los datos de telemetría y ayudar a personalizar la experiencia aún más.

Un ejemplo muy interesante es que recientemente hemos lanzado un algoritmo de frecuencia cardíaca máxima personalizada, y los miembros ahora experimentan una experiencia mucho más curada en el estudio, y eso nos permite utilizar algoritmos propios para determinar cuál es la frecuencia cardíaca máxima, que es un término fisiológico para la salida máxima a la que su corazón puede latir, para un miembro individual.

Y los porcentajes de esa frecuencia cardíaca máxima te indican en qué zona de frecuencia cardíaca estás entrenando.

Por lo tanto, el entrenamiento anaeróbico y el aeróbico tienen diferentes impactos fisiológicos.

Se ha comprobado que el tiempo que se pasa en diferentes zonas de intensidad tiene diferentes efectos sobre la longevidad y la salud en general.

¿Cómo controlar la IA? Los programas de Inteligencia Artificial Responsable son la solución

Y al poder personalizar eso para un miembro, podemos hacer que esta experiencia sea aún más curada en el estudio, mientras que la mayoría de los lugares que aprovechan la frecuencia cardíaca máxima se basan en un tipo de ecuación genérica basada en la edad.

Y… como puedes imaginar, cada persona de 30 o 40 años no tiene el mismo corazón.

Así que este tipo de cosas son un ejemplo de cómo curamos la experiencia de nuestros miembros utilizando estos datos.

Shervin Khodabandeh: Ese es un ejemplo supercool, ¿verdad? No es la media de su edad y sexo. Y luego eso va por bandas de 10 de todos modos, ¿no?

Ameen Kazerouni: Sí.

Shervin Khodabandeh: Como si todos los hombres de 50 años tuvieran exactamente la misma capacidad.

Ameen Kazerouni: Sí. Hace que la experiencia sea más segura, te hace más consciente de lo que estás haciendo, de cuál es tu capacidad, y ves que la aptitud cardiorrespiratoria sube a lo largo de tu tiempo con el programa.

Shervin Khodabandeh: Y me gusta lo que es inherente a lo que estás diciendo, la rápida retroalimentación, ¿verdad?

En unos pocos segundos, se obtiene información, pero también, en un sentido más amplio y simbólico, lo que has propuesto es más y más experimentación en general a medida que se construyen algoritmos de IA.

Así que no es sólo el algo, sino también la experimentación porque se obtiene retroalimentación.

La filosofía de cómo construir modelos de IA, que se basa en la retroalimentación, también la estás traduciendo en un caso de uso real basado en la retroalimentación rápida. Hay algo de poesía ahí.

Ameen Kazerouni: No lo había pensado así, pero es cierto que hay poesía.

Creo que una de las bellezas de los algoritmos de inteligencia artificial es que se basan en cosas que han visto antes y en constantes bucles de retroalimentación para hacerse más inteligentes.

Y eso es exactamente lo que indexa la experiencia de Orangetheory: a medida que los miembros se hacen más fuertes, nosotros nos hacemos más inteligentes y nos aseguramos de avanzar con ellos.

Shervin Khodabandeh: Háblenos un poco más de su filosofía de desarrollo de la ciencia de los datos y de cómo equilibra la experimentación con el más metódico “conseguir que el algoritmo sea perfecto antes de lanzarlo”.

Danos una idea de las compensaciones y de cómo tú y tus equipos piensan en ello.

Ameen Kazerouni: Me encanta esa pregunta, y es casi como si la llevara incluso un paso más allá del desarrollo de algoritmos.

Creo firmemente que las empresas han empezado a indexar tanto los datos como es humanamente posible; tanto como sus costes de computación y almacenamiento, y sus consejos de administración y sus inversionistas, les permitan, las empresas recogen datos.

Y creo que lo que sucede es que, una vez que tienes los datos, la expectativa es: “Vamos a saltar al aprendizaje automático, vamos a saltar a la IA“.

Y yo diría que esos… ¿Cuántos debates has tenido sobre “Qué es la IA, y qué es el aprendizaje automático, y qué significan esas palabras?”

Mi filosofía es ir a buscar esas tareas mundanas y repetitivas y automatizarlas primero con tus datos, cuando sea posible.

Busca las decisiones intuitivas, basadas en el instinto, que los interesados y los verticales no se sienten cómodos tomando por intuición y que les encantaría tomar a partir de los datos, y haz que esos datos estén democratizados, limpios y disponibles.

Y después de eso, se inicia todo el viaje de aprendizaje automático. Y creo que cuando se trata del aprendizaje automático y la IA, y el desarrollo de un algoritmo en particular, realmente depende del contexto y el dominio en el que estás trabajando; si te estás centrando en la precisión, si te estás centrando en la recuperación; y realmente depende de cuáles son las implicaciones de la predicción.

Pero, en general, siempre me inclino por experimentar y aprender, si es lo suficientemente seguro, en lugar de confiar en los conjuntos de entrenamiento y validación para buscar la perfección. Es una especie de filosofía de regla de oro.

Sam Ransbotham: Hay algo también interesante, y sé que has cambiado ligeramente a pensar en cómo su organización utiliza los datos, pero tal vez volviendo a la forma en que está utilizando dentro de los estudios, ¿cómo incorporar los datos de fuera?

Digamos que he estado entrenando y trabajando y mejorando dentro del estudio, pero poco se sabe de que me he lesionado el pie o me he dado un tirón en la pierna. ¿Cómo llega ese tipo de información externa?

Ameen Kazerouni: Me gusta mucho esa pregunta, Sam, porque tengo dos respuestas.

Una es que el entrenador es el héroe en Orangetheory. Y la forma en que pensamos en ello es, hay 20 a 30 personas en una clase, pero no quieres pensar en ello como un grupo de fitness tanto como quieres pensar en ello como; probablemente, al menos yo pienso en ello como; entrenamiento personal subvencionado.

Así que tienes una buena relación personal con ese entrenador, y no hay ningún algoritmo que vaya a construir que vaya a ser mejor que tú le digas a tu entrenador: “Oye, me lastimé el pie anoche. ¿Qué crees que debería hacer?”

El arte, la ley y la inteligencia artificial

Y tenemos equipos alternativos de cardio de bajo impacto en el estudio para que no te subas a una cinta de correr y empieces a intentar correr a 13 kilómetros por hora.

De hecho, una de las cosas que dice el entrenador antes de empezar cada clase es: “Si tienes algún problema ortopédico, por favor, házmelo saber“, etc.

Así que creo que una cosa que he aprendido sobre los datos a lo largo de mi carrera es que los datos son valiosos, y son realmente buenos para tomar decisiones, pero si hay un humano en el bucle que puede proporcionar la respuesta de forma escalable en su lugar, es probable que sea difícil de superar ese experto con un algoritmo.

Así que no te metas en el camino del experto.

La segunda parte de esa respuesta es que, digamos que has tomado un montón de cafeína, o que has corrido una maratón el día anterior, o que no has dormido muy bien; todos esos factores externos afectan a tu rendimiento cardíaco cuando estás en el estudio.

Así que ese bucle de retroalimentación en tiempo real os permite a ti y al entrenador modularos.

Una cosa que animamos es que, si no te sientes bien, te tomes un “día verde“. …

Las zonas se dividen en colores, el naranja y el rojo son las zonas anaeróbicas, zonas 4 y 5, el verde es tu zona 3, el azul es tu zona 2.

Así que te recomendamos que no busques esos 12 a 20 minutos en la zona naranja y roja.

Fíjate en tus zonas de ritmo cardíaco, escucha ese bucle de retroalimentación en tiempo real y tómate un día verde si lo necesitas.

Es una respuesta un poco evasiva, pero tenemos al entrenador, tenemos al miembro y tenemos un bucle de retroalimentación en tiempo real.

Y cuando hay una respuesta intuitiva como esa justo delante de ti, no creo que debas interferir con un algoritmo, es el tipo de proceso de pensamiento allí.

Sam Ransbotham: No creo que sea una respuesta evasiva en absoluto, porque históricamente, tenías un… Vale, podías tener un entrenador personal, o podías estar en un entorno de grupo.

Creo que personalmente me identifico con esto porque puedes enseñar a alguien de forma individual como tutor o puedes enseñar a alguien en un aula gigante.

Y me entusiasman las aplicaciones como esta que nos permiten reunir lo mejor de ambos mundos.

Estoy ansioso por ello en la educación, pero puedo ver que están haciendo muchos progresos en eso, y Shervin y yo hemos hablado con Peloton también.

Están empezando a pensar en cómo llegar a una experiencia a nivel individual a escala, y eso parece ser lo que realmente estáis intentando hacer.

Ameen Kazerouni: Absolutamente. No podría haberlo expresado mejor. Creo que es exactamente eso.

Shervin Khodabandeh: Eso me gusta mucho. Se trata de la retroalimentación rápida, que es la piedra angular de la construcción de la experiencia en cualquier sistema, ya sea el ajedrez, o si se trata de correr, o si se trata de aprendizaje automático.

Cuanto más se combinen la experimentación y la retroalimentación rápida y el ser humano en el bucle y se aplique esto en diferentes industrias, más oportunidades y valores se van a liberar para todo lo personalizado, no sólo el fitness o la compra de pantalones, sino también la educación y todo lo demás. Estás en el buen camino.

Ameen Kazerouni: Absolutamente. En mi vida anterior, trabajé en el comercio minorista.

Y cuando piensas en el papel del aprendizaje automático y el aprendizaje profundo en el comercio minorista, es eso: Estás tratando de recrear la experiencia de compra en persona en un sitio web.

Como, ¿cómo podemos curar esto? ¿Cómo creamos un comprador personal? ¿Cómo creamos esa experiencia de boutique? ¿Cómo predecir la talla correctamente? ¿Cómo utilizamos la realidad aumentada (RA) para que puedas ver cómo queda un zapato en tu pie? Siempre intentamos cerrar esa brecha y llegar a lo que sería lo real: personalizado, pero a escala.

Y creo que esa es la salsa secreta: un bucle de retroalimentación rápida, apoyo algorítmico con grandes volúmenes de datos, pero también no tratar de circunnavegar alrededor del experto, el humano en el bucle.

Shervin Khodabandeh: Exactamente. Y creo que eso es realmente crítico, Sam, porque recuerdo cuando hicimos los primeros años del informe de IA, como en 2018-2019.

Sam Ransbotham: Hace tanto tiempo.

Shervin Khodabandeh: Todavía había mucha gente, es decir, eso fue hace solo tres años, pero mucha gente todavía hoy piensa en la IA como aquello que reemplaza al ser humano y que debe automatizar.

Y cuanto más pensemos de forma tan estrecha, más resultados estaremos dejando sobre la mesa, más fuerzas de trabajo exitosas y humanos estaremos privando de derechos, y también más oportunidades estaremos dejando sin abordar porque pensamos: “Bueno, no hay forma de que pueda reemplazar completamente a un humano aquí, así que no lo voy a hacer”.

Y hay muchas de estas cosas en las que no se trata solo de IA contra humanos, sino de IA y humanos.

Ameen Kazerouni: Sí. Creo que hay una confusión de empresas en las que el producto es la IA.

Por ejemplo, cuando se piensa en la IA, se piensa en Tesla, y hay diferentes industrias en las que juegan, pero hay una parte muy central del producto que es una pieza independiente de la propiedad intelectual que está fuertemente arraigada en la inteligencia artificial, y no es así como la mayoría del mundo va a utilizar la inteligencia artificial.

Y creo que esa es una de las diferencias clave de lo que acabas de hablar, Shervin, es que la gente intenta y utiliza la IA de la manera en que esas empresas utilizan la IA y los ven como el estándar máximo, pero nuestro producto no es la IA.

Realidad virtual e inteligencia artificial: la innovación aplicada a las empresas

Nuestro producto es una experiencia de fitness curada, respaldada por la ciencia e inspirada en el entrenador, que simplemente está aumentada en partes por la IA.

Sam Ransbotham: Esto es algo que Shervin y yo estamos muy emocionados.

No quiero presagiar demasiado, pero estamos pensando en estos mini usos de la IA más allá del tipo de uso exacerbado del que estás hablando.

Es decir, sí, todos nos sentimos atraídos por los robots de Boston Dynamics que parecen muy lindos, pero hay muchas cosas que no están a ese nivel, y hay mucho valor en ellas. Y creo que están empezando a captar algo de eso.

Shervin Khodabandeh: Quisiera aprovechar la ocasión.

Hemos hablado mucho de la importancia de un ser humano en el bucle, de la experimentación, de ser impulsado por la hipótesis, de todas estas cosas que has dicho.

Tal vez nos puedas hablar un poco sobre el modelo operativo y la forma de trabajar en una empresa que no es una empresa de productos de IA, sino una organización como la suya con una fuerte misión. ¿Qué hace falta para tomar un caso de uso y darle vida?

Ameen Kazerouni: Creo que todo se reduce a tres cosas.

Es tener los datos; realmente no se puede evitar no tener los datos.

La inversión. Creo que un gran error que cometen las empresas es no invertir en ingenieros de datos desde el principio, pensando que se puede espolvorear la IA como una especie de polvo mágico en conjuntos de datos sin procesar y que va a producir algo.

Creo que los ingenieros de datos son un producto básico en el que hay que invertir pronto para que los datos estén en un punto en el que se puedan utilizar. Así que esa inversión es realmente importante.

Venga de donde venga, tiene que haber una decisión seria de invertir en tu práctica de datos si vas a intentar realmente construir una.

Y, por último, es la aceptación. Cuando el producto no es la IA, hay que convencer a los expertos en la materia; en nuestro caso, los expertos en fitness; que llevan mucho tiempo haciendo esto, que tienen una formación formal en estos campos de estudio, que siempre van a saber más sobre el producto que tú, de que un algoritmo va a ayudarles y facilitarles el trabajo.

Y creo que esa relación puede ser una hermosa asociación o puede ser extremadamente antagónica.

Una de las cosas por las que me he esforzado en mi papel en Orangetheory es tener una fuerte asociación con nuestro equipo de diseño de plantillas, nuestro equipo de diseño de entrenamientos, porque al final del día, ellos son los protectores y diseñadores de ese producto, y nosotros somos, de nuevo, sólo una herramienta que les apoya.

Su participación es muy importante, porque su comprensión de los algoritmos es lo que luego llega a los entrenadores en el material de aprendizaje y desarrollo.

A fin de cuentas, tenemos miles de entrenadores en 24 países que explican el algoritmo de frecuencia cardíaca máxima que he mencionado.

Y no lo explican como una pieza de matemáticas; lo explican como una pieza de fitness, como una pieza de fisiología del ejercicio. Y eso requiere ese compromiso.

La IA, el equipo de datos y el equipo de fitness tienen que estar en sintonía; de lo contrario, está destinado al fracaso.

Shervin Khodabandeh: ¿Y qué significa eso en términos de talento y equipo, el equipo técnico que usted supervisa y contrata?

Ameen Kazerouni: Que son difíciles de encontrar, eso es lo que significa. Creo que ya hay una escasez de talento en este espacio.

Creo que en una empresa impulsada por una misión y un propósito como Orangetheory, se podría pensar que es más difícil de encontrar, pero en realidad es más fácil en el sentido de que si encuentras a alguien que está alineado con la misión, es casi emocionante para ellos que haya una oportunidad de aplicar ese conjunto de habilidades en lo que consideran una pasión fuera del trabajo.

Pero también nos hemos centrado en que nuestra organización de datos sea una entidad separada.

Así que tenemos mi papel, jefe de datos y análisis, dirigiendo una organización de datos que informa a nuestro CEO.

Y tenemos a nuestro director digital y de tecnología dirigiendo una organización digital y de tecnología separada.

Y lo que es realmente potente es que somos capaces de improvisar entre nosotros y hacer que un equipo proporcione bloques de construcción al otro equipo y viceversa.

Y lo que se imagina que crea una experiencia de trabajo interesante, en realidad impulsa mucha velocidad y conduce a una asociación realmente interesante de la que es muy emocionante formar parte.

Así que creo que todo gira en torno a eso: asociaciones, aceptación y colaboración entre equipos.

Shervin Khodabandeh: Muy bien dicho. Ameen, tenemos un segmento especial en el que te hacemos cinco preguntas rápidas. Dinos lo primero que se te ocurra.

La clave es la intuición, lo que te venga a la mente, y respuestas cortas y dulces. Así que, ¿estás preparado para eso?

Los tres roles del director de datos: Jack Berkowitz de ADP

Ameen Kazerouni: Hagámoslo.

Shervin Khodabandeh: Muy bien. ¿Cuál es tu momento de mayor orgullo en la IA?

Ameen Kazerouni: Cuando lo resolvimos utilizando una regresión lineal.

Shervin Khodabandeh: Me encanta. Muy bien. ¿Qué le preocupa de la IA?

Ameen Kazerouni: La falta de consulta a los expertos del sector.

Shervin Khodabandeh: Bien dicho. ¿Su actividad favorita que no implique tecnología?

Ameen Kazerouni: El senderismo.

Shervin Khodabandeh: ¿Era una pregunta?

Ameen Kazerouni: Es muy sencillo. Iba a decir Orangetheory, pero hay demasiada tecnología ahí.

Shervin Khodabandeh: La primera carrera que querías – como, lo que querías ser cuando crecieras.

Ameen Kazerouni: Biólogo medioambiental.

Shervin Khodabandeh: ¿Tu mayor deseo para la IA en el futuro?

Ameen Kazerouni: Más acceso.

Shervin Khodabandeh: Genial.

Sam Ransbotham: En realidad, tengo que seguir: ¿Acceso para quién? ¿Quién necesita acceso?

Ameen Kazerouni: Creo que sería estupendo que algunas de las partes más sencillas de la IA que desbloquean la toma de decisiones a partir de los datos que las empresas han recopilado fueran más fáciles de aprovechar sin el capital financiero y humano que se requiere para invertir como organización. Creo que la eficiencia general del mundo aumentará.

Shervin Khodabandeh: Más cosas de código abierto.

Ameen Kazerouni: Sí, sí.

Shervin Khodabandeh: Ameen, esto ha sido sumamente perspicaz y muy divertido. Gracias por dedicarnos tu tiempo.

Sam Ransbotham: Sí, gracias por venir.

Ameen Kazerouni: Gracias por recibirme. Ha sido muy divertido. Lo he disfrutado de verdad.

Sam Ransbotham: En nuestro próximo episodio, hablaremos con Khatereh Khodavirdi, directora senior de ciencia de datos y análisis en PayPal, donde supervisa los equipos de datos en Venmo y Honey. Acompáñanos.

Allison Ryder: Gracias por escuchar Me, Myself, and AI.

Creemos, al igual que tú, que la conversación sobre la implementación de la IA no empieza y termina con este podcast.

Por eso hemos creado un grupo en LinkedIn específicamente para oyentes como tú. Se llama AI for Leaders, y si te unes a nosotros, podrás charlar con los creadores y presentadores del programa, hacer tus propias preguntas, compartir tus ideas y acceder a valiosos recursos sobre la implementación de la IA del MIT SMR y el BCG.

Puedes acceder a él visitando mitsmr.com/AIforLeaders. Pondremos ese enlace en las notas del programa, y esperamos verle allí.

SOBRE LOS ANFITRIONES

Sam Ransbotham (@ransbotham) es profesor del departamento de sistemas de información de la Carroll School of Management del Boston College, así como editor invitado de la iniciativa Artificial Intelligence and Business Strategy Big Ideas del MIT Sloan Management Review. Shervin Khodabandeh es socio senior y director gerente de BCG y colíder de BCG GAMMA (la práctica de IA de BCG) en Norteamérica. Se puede contactar con él en shervin@bcg.com.

Me, Myself, and AI es un podcast en colaboración con el MIT Sloan Management Review y el Boston Consulting Group y está presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y las productoras coordinadoras son Allison Ryder y Sophie Rüdinger.

Únete a nuestra comunidad en LinkedIn

Síguenos en Google News