La belleza de la IA: Sowmya Gottipati de Estée Lauder

En este episodio del podcast Me, Myself, and AI, aprendemos cómo Sowmya Gottipati, directora de tecnología de la cadena de suministro global de Estée Lauder, aprovechó su anterior experiencia de liderazgo tecnológico en telecomunicaciones y medios de transmisión para implementar proyectos tecnológicos para una de las más grandes marcas de cosméticos, fragancias y productos para el cuidado de la piel y el cabello.

Ella hablará sobre el papel de la IA en el desarrollo de productos, una herramienta de prueba virtual para lápices labiales y bases, y un motor de recomendación de fragancias, así como una aplicación para la planificación de la oferta y la demanda. 

¿Una IA consciente es posible? 5 puntos para entender la polémica de Google con LaMDA

Sowmya también explica por qué, a pesar del poder de la IA, cree que la interacción hombre-máquina siempre será necesaria.

Transcripción

Sam Ransbotham: Los productos para el cuidado de la piel son inherentemente físicos, no virtuales. ¿Cómo pueden las empresas utilizar la IA para hacer posible la elección de productos para el cuidado de la piel en línea? Descúbrelo en el episodio de hoy.

Sowmya Gottipati: Soy Sowmya Gottipati de Estée Lauder, y me estás escuchando  Me, Myself, and AI.

Sam Ransbotham: Bienvenido a Me, Myself, and AI, un podcast sobre inteligencia artificial en los negocios. En cada episodio, te presentamos a alguien que innova con IA. Soy Sam Ransbotham, profesor de análisis en Boston College. También soy el editor invitado de inteligencia artificial y estrategia comercial en MIT Sloan Management Review.

Shervin Khodabandeh: Y soy Shervin Khodabandeh, socio senior de BCG, y codirijo la práctica de IA de BCG en América del Norte. Juntos, MIT SMR y BCG han estado investigando y publicando sobre IA durante seis años, entrevistando a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para construir, implementar y escalar capacidades de IA y transformar realmente la forma en que operan las organizaciones.

Sam Ransbotham: Shervin y yo estamos emocionados de hablar hoy con Sowmya Gottipati, directora de tecnología de la cadena de suministro global de Estée Lauder. Sowmya, gracias por tomarse el tiempo para hablar con nosotros. Bienvenida.

Sowmya Gottipati: Me alegro de estar aquí. Estoy muy emocionada de hablar sobre IA, es uno de mis temas favoritos.

Shervin Khodabandeh: Es genial el  tenerte.

Sam Ransbotham: Comencemos con tu puesto actual en Estée Lauder. ¿Qué haces ahora?

Sowmya Gottipati: He estado con Estée durante unos dos años y medio. 

Somos una empresa de marcas de belleza de prestigio y lujo, y tenemos alrededor de 30 marcas bajo nuestro paraguas, siendo Estée Lauder la marca insignia, pero también tenemos Clinique, MAC, La Mer y varias otras. 

Somos una empresa global, con nuestros productos vendiéndose en varias regiones; desde Asia, América del Norte, América Latina, Europa y en todas partes.

Soy responsable de la tecnología de la cadena de suministro global. Soy responsable de la tecnología que impulsa toda la cadena de suministro a nivel mundial. 

Eso incluye el inventario, el suministro, la planificación de la demanda, la fabricación, los centros de distribución, el cumplimiento, el transporte, la cadena de suministro de extremo a extremo: todas las capacidades tecnológicas que lo respaldan.

Sam Ransbotham: Muy bien; Sin embargo, no escuché nada sobre inteligencia artificial en eso. Entonces, ¿cómo se conecta la inteligencia artificial con esa cadena de suministro?

Sowmya Gottipati: Asumí el rol de la cadena de suministro hace unos cuatro meses. Antes de eso, fui responsable de tecnología de marca para la marca Estée Lauder. 

Ahí fue realmente donde participé directamente en muchas aplicaciones de IA: cómo usamos la IA en Estée Lauder, comenzando con la experiencia del consumidor; cómo estamos mejorando la experiencia de nuestros consumidores con la tecnología de IA y proporcionando aplicaciones para la vida real, de las que puedo hablar un poco, como la herramienta de prueba virtual y así sucesivamente. 

Y luego, la personalización es un área muy importante, y la aplicación de la IA es muy significativa.

Y luego, la IA también se está utilizando para crear nuevos productos, como el cuidado de la piel y las fragancias. Aquí es donde podemos usar los datos para informarnos sobre qué tipo de ingredientes y qué tipo de productos le gustan a la gente y así podemos informar nuestra planificación de productos usando IA, esa lo que yo llamo: una empresa ágil. 

Por lo tanto, hay una serie de áreas en las que se aplica la IA para gestionar una organización eficiente, como la cadena de suministro y la de investigación y desarrollo. Estas son todas las diversas áreas en las que estamos utilizando la IA.

Shervin Khodabandeh: Parece que prevalece bastante en toda la cadena de valor. Leí algo, creo que una charla que diste, sobre cómo se usa la IA para ayudar a personalizar la fragancia. ¿Es correcto?

Sowmya Gottipati: Así es.

Shervin Khodabandeh: ¿Puedes comentar un poco sobre eso?

Sowmya Gottipati: Absolutamente. 

Ese es definitivamente uno de mis proyectos más emocionantes en los que trabajé. Es un gran avance en la industria, así que me siento muy orgulloso de ello. 

Síguenos en Google Noticias para mantenerte informado

Es un motor de recomendación de fragancias, pero aprovecha la neurociencia, la IA y la ciencia olfativa. Estamos reuniendo las tres ciencias para que eso suceda. Ya sabes, el cerebro humano tiene aproximadamente 400 receptores olfativos, y estamos trabajando con una empresa que en realidad puede replicar esos receptores en un entorno de laboratorio, por lo que si tomas una fragancia en particular, podemos decir cuál de los receptores olfativos en tu cerebro son activados por esa fragancia.

Shervin Khodabandeh: Entonces, ¿son como chips neuromórficos o son software basado en silicio?

Sowmya Gottipati: No es un software. Estas son en realidad pruebas de biosensores.

Shervin Khodabandeh: Eso es genial.

Sowmya Gottipati: Sí, es realmente genial. 

Así que podríamos decir que los receptores 67, 92 y 86 son activados por esta fragancia en particular. 

Y digamos que la fragancia es predominantemente a base de lavanda. Por cierto, su cerebro realmente no puede diferenciar entre lavanda y madera, por lo que podría traerle una fragancia amaderada y los mismos receptores podrían activarse porque están evocando la misma emoción en su cerebro.

Entonces, debido a que se activan los mismos receptores, podemos decir: “Oh, por cierto, solo porque te encanta la lavanda, es posible que te guste esta otra fragancia que puede ser amaderada”, que huele totalmente diferente, pero tienen el mismo efecto. en su cerebro, o desencadenan la misma reacción emocional en su cerebro.

Shervin Khodabandeh: Eso es genial. ¿Y eso es en vivo?

Sowmya Gottipati: Eso es en vivo, sí. 

Estamos probando eso en China en este momento, y también estamos tratando de expandirlo a otras áreas. 

La forma en que lo implementamos es interesante porque comenzamos en línea, porque vender fragancias en línea es muy difícil, porque no puedes… ¿cómo lo hueles, verdad? 

Al menos… Todavía no tenemos esa tecnología; tal vez dentro de 10 años. Pero esta es la razón por la que creamos esta tecnología: para ver si tal vez podemos usar el reconocimiento facial, y el reconocimiento facial puede identificar la emoción que sientes en función de cambios muy sutiles en tu rostro cuando lo hueles, y en base a eso, podemos reconocer cómo estás reaccionando a cada una de esas fragancias. 

Gracias a esto puedes obtener una puntuación, y en base a eso, podemos decir si te gustó o no te gustó, o moderadamente, en una escala del 1 al 10, cuánto te está gustando, y usamos esa información.

Shervin Khodabandeh: Entonces, como cliente, ¿está mirando mi reconocimiento facial?

Sowmya Gottipati: Correcto.

Shervin Khodabandeh: Y luego decidir cuál es la fragancia adecuada para mí.

Sowmya Gottipati: Correcto.

Shervin Khodabandeh: Una de las cosas que Sam y yo hemos estado investigando en los últimos años es la colaboración entre humanos e IA y cómo es mucho más enriquecedora esa colaboración. 

Me parece que la fragancia, el maquillaje y esas cosas son muy personales, por lo que me imagino que en las soluciones de IA de las que hablas, debe haber, o debería haber, una buena cantidad de intervención o colaboración humana. ¿Puedes comentar algo de eso? 

Cuando obtengo el sistema de recomendación ¿cómo funciona?, ¿y los receptores y todo lo demás?, pero más allá de eso, ¿existe un lado humano gracias al cual los clientes interactúan con las recomendaciones de la IA y estas sean adaptadas?

Sowmya Gottipati: Absolutamente. Históricamente, cuando pruebas un lápiz labial, ¿cuántos puedes probar? Tal vez tres, cuatro o cinco. No puedes hacer más que eso porque después de un tiempo, la piel comienza a secarse y es incómodo. 

Pero ahora, con la función de prueba virtual, puedes probar 30 tonos de lápiz labial en 30 segundos. Lo mismo con la base. Tenemos 56 tonos de base, que son ligeramente diferentes.

Nos enorgullece brindar un servicio de alto nivel y en cada una de nuestras tiendas contamos con asesores de belleza. Su trabajo es trabajar con el cliente y recomendar varias bases, barras de labios, etc.

¿Cómo pruebas tantas bases diferentes? No puedes, mientras que la IA puede reducirlo por ti. 

Estas aplicaciones de prueba virtual pueden reducirlo a dos o tres y, a partir de ahí, un asesor de belleza puede trabajar con el cliente. Entonces, un asesor de belleza está ahí para ayudar a un cliente a elegir lo que realmente se ve mejor y tener esa conversación, y también explicar por qué ellos recomendarían esto para su piel en función de los resultados que desea lograr, por ejemplo, para lidiar con el acné o la resequedad, etc. 

Así que no vemos que eso desaparezca, esa interacción hombre-máquina. Siempre estará allí.

IA en el sector aeroespacial: Helen Lee de Boeing

Shervin Khodabandeh: ¿Existe un ciclo de retroalimentación mediante el cual la máquina se vuelve más inteligente? Por ejemplo, el asesor de belleza dice esto, o el cliente, ahora lo redujo de 60 tonos a tres, pero según la elección final que hacen, asumo que los algoritmos también se están volviendo más inteligentes a partir de esa interacción.

Sowmya Gottipati: Sí, absolutamente. 

Hay dos maneras en que sucede. Una es que tenemos una plataforma de datos del consumidor que tiene información sobre lo que compró anteriormente, lo que le gustó, cuál es su situación, etc. 

Con esta información, nosotros podemos decir: “Oye, por cierto, la última vez que compraste esto, así que puedo reservarte eso o recomendarte algo más“. 

Y lo segundo es que, cuando implementamos aplicaciones de prueba virtuales, comenzamos con un millón de caras para el modelado de datos. Ahora tiene cien millones de rostros. De modo que el algoritmo y el motor se mejoran constantemente durante un período de tiempo.

Shervin Khodabandeh: Estas son caras de clientes reales, ¿verdad?

Sowmya Gottipati: Clientes reales. Así es.

Sam Ransbotham: ¿Cómo trabaja esa asesora de belleza con la plataforma para devolver esa retroalimentación al sistema? Supongo que puedes ver lo que realmente ordenaron o lo que eligieron o lo que prefirieron. ¿Cómo recuperan esa entrada?

Shervin Khodabandeh: Puedo decir, Sam, que estás intrigado por el concepto de asesora de belleza.

Sowmya Gottipati: Tenemos leyes de privacidad muy estrictas, por lo que en la tienda, cuando las personas compran en la tienda, muchas veces en realidad no recopilamos su información personal, mientras que cuando nos compran cosas en línea o a través de plataformas sociales, donde hay un inicio de sesión y ese tipo de mecanismo, entonces tienes esa información, por lo que sabemos exactamente lo que compraron y esa información se transmite.

Shervin Khodabandeh: Una de las cosas que estamos viendo, tal vez sea un adelanto de nuestro nuevo trabajo, pero una de las cosas que estamos viendo es que la capacidad de comprender y explicar por qué un algoritmo o una solución de IA hace un recomendación o saca una idea o una acción en particular, solo la capacidad de entenderla en lugar de una caja negra, ayuda a las organizaciones a obtener mucha más adopción.

Sowmya Gottipati: Puedo hablarle a nuestro mundo de la cadena de suministro. 

El año pasado, implementamos una aplicación de inteligencia artificial para hacer nuestra planificación de suministro y planificación de demanda. Antes, eran hojas de cálculo y ese tipo de cosas. 

En el momento en que comenzamos a usar la aplicación de IA, vimos… un aumento del 30% en la precisión de nuestros pronósticos.

Shervin Khodabandeh: Exactamente. 

Algunos de mis clientes se conformarían deliberadamente con una recomendación menos precisa o menos precisa para que puedan iniciar la adopción. 

Tal vez busquen menos precisión para intercambiar un poco de explicabilidad o capacidad de anular, y de esa manera, al menos la gente comenzará a confiar más en él. No sé si haces algo así.

Sowmya Gottipati: No me he encontrado con eso, pero ese es un punto muy interesante.

Sam Ransbotham: También hay un ángulo allí, que intercambia a corto y largo plazo, Shervin. 

Digamos que a corto plazo, toman una solución de compromiso que no es tan buena. Y luego pueden regresar en tres meses y decir: “Oye, anulaste esto y no resultó tan bueno como pensabas, cielo”. Es un juego más largo. No es solo cada decisión única, ese óptimo a corto plazo.

Shervin Khodabandeh: De hecho, hice exactamente eso con mi hijo. 

Iba a un baile de la escuela, y estaba afuera, y todo lo que tenía puesto era una camiseta, y le dije: “Usa una chaqueta; lleva algo.” Él dice: “No, estaré bien”. Y yo estoy como, “OK. Te vas a enfermar. Y se enfermó y… con suerte aprendió, y dijo: “Papá, tenías razón”. 

¡Y voy a hacer que escuche este podcast para que sepa ahora, le he dicho esto a todo el mundo!

Sam Ransbotham: Bueno, Shervin, si puedes involucrar a tus hijos en esto, tengo que contarte la anécdota mía… Esto te sorprenderá, Shervin, pero controlo la hora en que llega el autobús de mis hijos todos los días. 

Así que ahora tengo siete años de datos de a qué hora llega ese autobús. Y mi próximo paso es, estoy prediciendo eso. Estoy tratando de decir, “OK, ¿qué pensamos hoy? ¿Hoy va a ser un día temprano? ¿Hoy va a ser un día tarde? Y luego podemos salir de la casa en el momento adecuado, pero tal vez lo extrañemos algún día, así que no estoy seguro…

Shervin Khodabandeh: ¿Cómo funciona eso? ¿Cómo te está yendo?

Sam Ransbotham: Tendré que volver en un episodio posterior y ver cómo se desarrolla. 

Pero al menos es en tiempo real, ya sabes, tratando de usar la comida para perros de las cosas de las que hablamos en el programa.

Hablando de cosas de las que hablamos en el programa, Sowmya, tenemos un segmento en el que les hacemos a nuestros invitados una serie de preguntas rápidas. 

Entonces, la idea es que solo escuches esta pregunta y des la primera respuesta que te venga a la mente. Shervin, ¿quieres hacer esto o hoy es mi turno?

Shervin Khodabandeh: Es tu turno.

Sam Ransbotham: Muy bien. Entonces, Sowmya, ¿cuál ha sido tu momento de IA de mayor orgullo?

Sowmya Gottipati: Creo que ya hablé sobre esto: la aplicación de fragancias que construimos el año pasado, ese es realmente mi momento de mayor orgullo. 

Pero antes de eso, cuando estaba en mi trabajo anterior, cuando desciframos el código de la visión por computadora, combinando la visión por computadora con el procesamiento del lenguaje natural para desglosar el procesamiento de video, porque esos fueron realmente los primeros días de la IA cuando pudimos construir algo así, entonces fue realmente genial.

Esto es algo que creo que es lo mejor de la tecnología: la tecnología trasciende las industrias. Casi no importa de qué industria se trate. 

La tecnología es tan omnipresente. Así que me siento tan feliz de que podamos aplicar la misma tecnología para aplicaciones totalmente diferentes, y esa es la belleza de esto.

Sam Ransbotham: Si se te ocurriera algo que superara el ejemplo de la fragancia, me impresionaría muchísimo. Entonces, ¿qué es lo que más te preocupa de la IA?

IA responsable y responsabilidad social corporativa: una mezcla difícil de conseguir

Sowmya Gottipati: ¿Qué es lo que más me preocupa? Creo que es la privacidad de los datos y el sesgo. Esos, definitivamente, y el rastreo.

Por un lado, cuando uso Google Maps, me gusta esta funcionalidad; Me gusta lo que hace. Pero al mismo tiempo, sé que Google sabe exactamente dónde estoy cada segundo del día. No me gusta eso,entonces, la privacidad y esa parte del seguimiento de datos, absolutamente son un problema.

Sam Ransbotham: ¿Cuál es tu actividad favorita que no involucra tecnología?

Sowmya Gottipati: Leer un libro.

Sam Ransbotham: ¿Tienes alguna recomendación para nosotros? 

Sowmya Gottipati: Recientemente, leí un libro muy corto: The Night Diary. 

Se trata de una niña paquistaní durante la partición entre India y Pakistán, y esta niña que no hablaba pero escribía un diario todos los días. Fue un libro realmente conmovedor e interesante. Realmente me gustó.

Sam Ransbotham: Entonces, ¿cuál fue la primera carrera que quisiste cuando eras una niña?

Sowmya Gottipati: Oh. De hecho, quería ser piloto.

Shervin Khodabandeh: Pero eres uno, ¿no es así?

Sowmya Gottipati: Sí, lo soy. 

Sam Ransbotham: OK, entonces ya tienes un sueño hecho realidad en tu lista..

Sowmya Gottipati: Bueno, soy más un piloto recreativo, pero en realidad quería ser un piloto profesional. Pero eso está bien; me conformaré con recreativo.

Sam Ransbotham: Ahora, has pasado de AT&T a NBC a Estée Lauder, así seguramente habrá un siguiente paso. Entonces, ¿cuál es su mayor deseo para la IA en el futuro? ¿Qué estás esperando?

Sowmya Gottipati: Esta es más una respuesta que la daré desde mi lado personal, solo espero que usemos más la IA para causas ambientales, ya sabes, mejores cultivos con mejores rendimientos y conservación del agua. 

También espero que haya muchos más avances en ese aspecto en lugar de compras o experiencias personalizadas.

Sam Ransbotham: Eso es particularmente interesante, viniendo de alguien que está tan interesado en ambas cosas.

Sowmya, fue genial hablar contigo, y estas son aplicaciones fascinantes. 

Creo que la mayoría de las personas que escuchen esto recordarán el ejemplo del olor. Quiero decir, creo que hay algo muy visceral en eso que creo que conectará con mucha gente y estimulará el pensamiento. Así que gracias por tomarse el tiempo para hablar con nosotros. Realmente lo disfrutamos. Gracias.

Sowmya Gottipati: Oh, gracias. Esto es tan divertido.

Shervin Khodabandeh: Muchas gracias. Y podemos tener algunos asesores de belleza para trabajar en Sam mientras hablamos.

Sam Ransbotham: ¡Esto es un podcast! A nadie le importan las caras bonitas en la radio.

Shervin Khodabandeh: Diles que traigan todas las sombras y bases, y veremos qué pueden hacer.

Sowmya Gottipati: Deberías ir a Esteelauder.com y probar los 30 tonos de lápiz labial en 30 segundos.

Shervin Khodabandeh: Iré contigo.

Sowmya Gottipati: ¡Mira qué bien te queda esa base!

Shervin Khodabandeh: Iré contigo.

Sam Ransbotham: Acabo de buscar algo en Google, “tonos de gris”, y obtuve algo…

Sowmya Gottipati: No, eso no. 

Sam Ransbotham: Hemos llegado al final de la temporada 4 de Me, Myself, and AI. 

Volveremos el 2 de agosto con nuevos episodios. 

Mientras tanto, esperamos que escuches nuestros episodios anteriores y te unas a nuestra comunidad de LinkedIn, AI for Leaders, para continuar con el debate. 

Gracias por su atención.

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

Creemos, como tú, que la conversación sobre la implementación de IA no comienza ni termina con este podcast. Por eso hemos creado un grupo en LinkedIn específicamente para líderes como tú. Se llama AI for Leaders, y si se une a nosotros, puede conversar con los creadores y presentadores de programas, hacer sus propias preguntas, compartir sus conocimientos y obtener acceso a recursos valiosos sobre la implementación de AI de MIT SMR y BCG. 

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

SOBRE LOS ANFITRIONES

Sam Ransbotham (@ransbotham) es profesor en el departamento de sistemas de información de la Carroll School of Management en Boston College, así como editor invitado de la iniciativa Inteligencia artificial y estrategia empresarial Big Ideas de MIT Sloan Management Review. Shervin Khodabandeh es socio sénior y director general de BCG y colíder de BCG GAMMA (práctica de IA de BCG) en América del Norte. Se le puede contactar en shervin@bcg.com.

Me, Myself, and AI es un podcast colaborativo de MIT Sloan Management Review y Boston Consulting Group y está presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y los productores coordinadores son Allison Ryder y Sophie Rüdinger.

Únete a nuestra comunidad en LinkedIn

Síguenos en Google News