La organización para la conservación de la vida salvaje confía en las asociaciones para implementar IA que proteja nuestro planeta.
Puede que la conservación de la fauna salvaje y el cuidado del planeta no sea lo primero que nos venga a la mente cuando pensamos en las oportunidades que ofrece la inteligencia artificial (IA). Pero Dave Thau, científico jefe de datos y tecnología del Fondo Mundial para la Naturaleza (WWF), puede compartir innumerables ejemplos de cómo estas tecnologías están ayudando a la flora y fauna.
En este episodio del podcast Me, Myself, and AI, Dave se une a Sam Ransbotham y Shervin Khodabandeh para hablar de los muchos usos que hace WWF de la IA y el aprendizaje automático. Entre ellos hay aplicaciones que predicen la deforestación, analizan imágenes de cámaras sensibles al movimiento para identificar especies. Otras optimizan las patrullas de protección de la naturaleza para atrapar a los cazadores furtivos y reducen el comercio ilegal de especies silvestres en Internet.
Los líderes deben reconectarse con la naturaleza para salvar el planeta
Estos esfuerzos de conservación no sólo cuentan con el apoyo de socios sin ánimo de lucro con objetivos comunes, sino también de empresas tecnológicas que comparten herramientas avanzadas de IA.
Si está disfrutando del podcast Me, Myself, and AI, continúe la conversación con nosotros en LinkedIn. Únase hoy mismo al grupo AI for Leaders.
Obtén más información 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.
Envía tus comentarios en esta encuesta de dos preguntas.
Sam Ransbotham: Desde las imágenes por satélite hasta la acústica marina, los conservacionistas de la vida salvaje pueden utilizar la IA para avanzar en su vital trabajo. Más información en el episodio de hoy.
Dave Thau: Soy Dave Thau, del Fondo Mundial para la Naturaleza, y están escuchando Me, Myself, and AI.
Sam Ransbotham: Bienvenido a Me, Myself, and AI, un podcast sobre 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 editor invitado de IA y estrategia empresarial en MIT Sloan Management Review.
Shervin Khodabandeh: Y yo soy Shervin Khodabandeh, socio sénior de BCG y uno de los líderes de nuestro negocio de IA. Juntos, MIT SMR y BCG han estado investigando y publicando sobre IA desde 2017, 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 IA y realmente transformar la forma en que operan las organizaciones.
Sam Ransbotham: Bienvenido. Hoy, Shervin y yo estamos encantados de estar acompañados por Dave Thau, científico líder global de datos y tecnología en el Fondo Mundial para la Naturaleza. Dave, gracias por dedicarnos tu tiempo. Bienvenido.
Dave Thau: Es un placer. Gracias por recibirme.
Sam Ransbotham: Vamos a empezar con el Fondo Mundial para la Naturaleza. Mi primera impresión es que se trata de una organización poco habitual que normalmente no se asociaría con la inteligencia artificial. ¿Cómo utilizan la inteligencia artificial en su trabajo?
Dave Thau: WWF es muy interesante. Es una federación. Trabajamos en unos 100 países. Muchas de esas oficinas funcionan de forma totalmente independiente, pero en todas ellas tenemos una red de analistas. El equipo al que pertenezco se llama Global Science y abarca toda la red.
En nuestro equipo hay científicos que se centran en los bosques, la alimentación y el clima, y trabajan con las personas de toda la red que se dedican a esas áreas.
Yo dirijo el equipo de Datos y Tecnología, y trabajo con estos científicos. Trabajamos en toda la organización, ayudando en los proyectos que se ponen en marcha en todas las oficinas locales. Tenemos nuestro propio conjunto de trabajo dentro del equipo de Global Science. Gran parte se centra en el seguimiento del impacto. Y luego estoy por el mundo hablando con otras organizaciones de conservación que se dedican a la gestión de datos y la IA, y coordinándome con ellas.
Las organizaciones conservacionistas llevan mucho tiempo utilizando la IA. Una de las primeras aplicaciones de la inteligencia artificial ha sido la vigilancia de la cubierta terrestre. Hay satélites que rodean la Tierra y vigilan el medio ambiente, pero las señales de los satélites son muy ruidosas, por lo que la IA se utiliza desde hace tiempo para identificar.
Sustentabilidad en la industria del papel, una realidad
“¿Estoy viendo un bosque? ¿Estoy viendo una pradera? ¿Qué tipo de cubierta terrestre estoy viendo?”.
Esa es una de las primeras aplicaciones del aprendizaje automático y la inteligencia artificial en la conservación.
Sam Ransbotham: Dijiste “inicial”. ¿Cuánto tiempo atrás es inicial? ¿Inicial es de la semana pasada, del mes pasado, del año pasado, de la década pasada? ¿Cuándo empezaste a hacer todo esto?
Dave Thau: El uso del aprendizaje automático para analizar datos de satélite en general se remonta a los años 70. No estoy seguro de cuándo empezó WWF a utilizarlo para aplicaciones de conservación, pero ha pasado bastante tiempo.
Llevo cuatro años en WWF, pero la aplicación del aprendizaje automático a los datos de satélite es anterior. Sin embargo, irrumpió con fuerza alrededor de 2008, cuando la NASA puso a libre disposición los archivos de datos del satélite Landsat.
Se trata de una serie de satélites que llevan recopilando datos de la Tierra desde principios de los años 70. Pero hasta 2008 había que comprar las imágenes, por lo que los análisis que se podían hacer estaban limitados. Alrededor de 2008, el gobierno estadounidense decidió ponerlas a disposición del público de forma gratuita, y entonces se produjo una verdadera explosión en el uso de ese tipo de información.
Shervin Khodabandeh: Sí. Es fascinante. En BCG trabajamos bastante con imágenes de satélite. No es mi área de especialización, pero tengo que imaginar que con esta proliferación de datos, como usted está hablando, así como la resolución cada vez más alta que está disponible. Así como el salto masivo en la computación y complicadas redes neuronales y modelos de aprendizaje automático, que el estado de la técnica ha cambiado mucho.
Si puedes contrastar, ¿cuál es la vanguardia de este material hoy en día en comparación con lo que era hace una década o hace dos décadas?
Dave Thau: Sí. Los cambios en el aprendizaje automático, en particular en los últimos cinco años, han sido enormes. Y esto va de la mano del acceso a los recursos informáticos y a los datos. En el pasado, se podía hacer un doctorado en una escena del Landsat, de unos 100 kilómetros por 100 kilómetros.
Ahora, la gente suele hacer análisis globales sobre estos datos, accediendo a millones de estas imágenes, y eso es porque están disponibles y también la potencia informática lo está. Lo que ocurre ahora es que la velocidad a la que se pueden realizar los análisis está aumentando y la velocidad a la que se recopilan los datos también, y todo ello ha sido posible gracias a esta explosión de datos y potencia informática y a los avances en el aprendizaje automático.
Shervin Khodabandeh: Tal vez para nuestros oyentes también sería útil empezar explicando cuáles son algunos de los resultados o casos de uso que este tipo de capacidad permite predecir, anticipar o prevenir.
Dave Thau: Sí. Hay muchos ejemplos. En cuanto a la deforestación, en WWF trabajamos en un proyecto llamado Forest Foresight.
Se trata de un algoritmo y una herramienta de predicción de la pérdida de bosques, que trata de predecir la pérdida de bosques a seis meses vista. Con Forest Foresight han podido predecir dónde es probable que se produzca la deforestación y actuar antes. Este es un ejemplo.
Trabajamos mucho con cámaras sensibles al movimiento, también llamadas cámaras trampa. La IA consiste en identificar especies a partir de imágenes de cámaras trampa.
Se trata de un proyecto en el que participan muchas ONG (organizaciones no gubernamentales), en colaboración con Google, que se encarga de la parte de inteligencia artificial. Los resultados aumentan enormemente la velocidad a la que los científicos pueden analizar los datos.
Ni los criterios ESG, ni la sustentabilidad son modas pasajeras
A veces, en estos conjuntos de datos, el 90 por ciento de las imágenes se deben a hojas que disparan la cámara. No hay nada allí que sea de interés para el científico, por lo que están gastando el 90 por ciento de su tiempo diciendo: “Nada, nada, nada”.
Así que con estos modelos de IA, pueden deshacerse muy rápidamente de todo eso y también identificar la especie. Y con ese tipo de técnica pueden dirigir las intervenciones. De modo que si descubren que hay una especie invasora en una zona que está afectando a las especies endémicas, pueden hacer algo al respecto.
Otro ejemplo es el uso de la inteligencia artificial para ayudar a optimizar las patrullas de personas que buscan lazos, como los que se utilizan para atrapar elefantes. Hay patrullas normales en las zonas protegidas, e intentamos averiguar cuál es la forma más eficaz de hacer esas patrullas. Utilizamos un sistema llamado PAWS (Protection Assistant for Wildlife Security), desarrollado por Milind Tambe en su laboratorio, que ayuda a optimizar esas patrullas. También utiliza IA.
Sam Ransbotham: Todos estos son ejemplos divertidos porque, Shervin, tan a menudo tú y yo estamos hablando de la detección del fraude o la optimización de los clics son de crucial importancia. Pero esta es una alternativa divertida y refrescante.
Shervin Khodabandeh: Sí, y para bien, también, para bien.
Sam Ransbotham: Exactamente.
Shervin Khodabandeh: Y, Dave, dijiste “especies”, y no pude evitar quizás divagar un poco. Eres el único científico de datos que tiene una hormiga lleva su nombre, así que tal vez nos puedes hablar sobre esa historia. Además, supongo que no utilizaste imágenes por satélite para descubrir esta nueva especie de hormiga, perdón, no pude resistirme a la broma.
Pero nos encantaría saber un poco más sobre sus antecedentes.
Dave Thau: Claro. Así que esa hormiga es Plectroctena thaui. Tiene que tener la “i” al final porque es necesario que suene griego en los nombres de las especies.
Fue Brian Fisher, investigador y conservador de la Academia de Ciencias de California, quien bautizó así a la hormiga. Y eso surgió del trabajo que estaba haciendo con la comunidad de taxónomos de hormigas.
En 2002, empecé a trabajar en esto. Es un sitio, todavía en funcionamiento, llamado AntWeb.org, y es como una red social para expertos en hormigas. Así que todos los expertos en hormigas lo utilizan para compartir sus datos sobre la taxonomía de las hormigas. Son un grupo de gente muy sociable, y la plataforma es muy bien utilizada por esa comunidad. En cierto modo como reconocimiento al trabajo que hice creándola, Brian le puso mi nombre a esa hormiga, cosa que me encanta.
Shervin Khodabandeh: Es bastante poético, también, que vayas desde el nivel del suelo y, como, desde el nivel subterráneo sigues una camino que llega hasta miles y miles de pies sobre el nivel del suelo a las imágenes por satélite. Un gran ejemplo de estar en el nivel de 40.000 pies y también a unos pocos pies bajo tierra como científico.
Cómo probar tecnología emergente sin morir en el intento
Dave Thau: Sí. Manejando estos datos de taxonomía de hormigas y toneladas de imágenes de hormigas, que son increíbles – deberías ir a AntWeb.org y mirar algunas de estas hormigas. Son increíbles. Hay unos 14.000 tipos diferentes de hormigas.
Sam Ransbotham: Creo que acabamos de perder a Shervin, está fuera de… puedo decir que está fuera de Internet.
Shervin Khodabandeh: Voy a mirar tu hormiga.
Dave Thau: Y es imágenes también. AntWeb tiene montones de imágenes de hormigas, así que está gestionando estos datos de imágenes, y lo mismo ocurre con los datos de satélite. Es como: “¿Cómo gestionas cantidades masivas de datos de satélite de forma que puedas analizarlos?”.
Sam Ransbotham: En un un pequeño vistazo a tus antecedentes vi eres informático y que llevas bastante tiempo en esto. ¿Cuál fue su interés inicial por este tipo de temas y cómo llegaste al Fondo Mundial para la Naturaleza.
Dave Thau: Es larga y… demasiado larga y retorcida. Contaré una versión algo más corta.
De niño, siempre me interesó la biodiversidad. Todos los libros que rescaté de casa de mis padres cuando se mudaron eran sobre animales y plantas y las cosas raras que hacen. Crecí en Nueva York e íbamos con frecuencia al Museo Americano de Historia Natural. Me encantaba. Luego nos mudamos a California y una de las primeras cosas que hicimos fue ir a Yosemite. Fui de excursión a las secuoyas de Yosemite y fue increíble. De niño siempre me interesó la biodiversidad.
Lo que acabé estudiando al principio no tenía nada que ver con la biodiversidad. Bueno, un poco; estudiaba ciencias cognitivas, y me interesaba cómo nosotros como humanos solemos categorizar cosas. Una de las cuestiones interesantes es si las personas categorizan las cosas naturales, como las plantas y los animales, de forma diferente a como categorizan herramientas como tenedores y cuchillos.
Esa era una de las preguntas. Pero lo que yo hacía era modelar mucho, y como consecuencia de todo ese trabajo, hice un máster en informática, porque estaba tomando muchas clases de informática en mi posgrado.
Poco después entré en la industria. Trabajé para una empresa financiera impartiendo formación sobre opciones y derivados en la Bolsa Mercantil de Chicago. Trabajé para Wired Digital, que era la parte en línea de la revista Wired. Fui una de las personas que creó una empresa de marketing en línea, que fue una de las cosas más locas para mí. Así que hice muchas cosas diferentes en las que utilicé mis conocimientos de informática.
Entonces se produjo la quiebra de las puntocom, y yo y muchos de mis amigos nos quedamos sin trabajo. Así que me tomé ese tiempo para hacer examen de conciencia y pensar: “¿Qué quiero hacer con mi vida? He hecho todas estas cosas desde que obtuve mi máster… pero no me están aportando nada”. Fue entonces cuando reflexioné sobre mi amor por la biodiversidad y la naturaleza. Y entonces busqué una organización a la que pudiera unirme que me permitiera hacer informática en esa área.
Así que fui a conferencias, talleres, reuniones, todo tipo de cosas, y me enteré de este proyecto llamado All Species Foundation, que surgió de la Long Now Foundation. Que es un grupo que se centra en el pensamiento a largo plazo. Y estaban tratando de acelerar el descubrimiento y la identificación de nuevas especies, y pensé: “Oh, este es el trabajo perfecto para mí”. Así que los molesté incesantemente hasta que me contrataron, y eso fue lo que me inició en lo que estoy haciendo ahora.
Y desde entonces… lo único en lo que me he centrado es en la biodiversidad, la conservación y la ecología utilizando los conocimientos informáticos que tengo.
Antes de WWF, trabajé en Google. La mayor parte del tiempo que estuve allí, trabajé con socios desarrollando soluciones con las herramientas que habíamos desarrollado en Google. En concreto, trabajé en una cosa llamada Google Earth Engine, que es esa plataforma de análisis de datos por satélite.
Trabajé mucho con socios que desarrollaban plataformas en Earth Engine, y una de las cosas que me trajo a WWF fue intentar comprender mejor cómo se utilizaban realmente estos sistemas para impulsar el cambio. En WWF me dedico a la ciencia y a los programas de conservación. La mayoría de las cosas en las que trabajamos son en colaboración con otras organizaciones, lo cual es estupendo.
Sam Ransbotham: Una de las cosas que me pareció interesante cuando nos conocimos hace un año fue el trabajo sobre el contrabando. ¿Puedes explicarnos un poco algunas de esas actividades o las especies en peligro de extinción y cómo están funcionando? También me pareció un uso fascinante.
Inteligencia Artificial, ¿aliada para mejorar la aprobación de leyes?
Dave Thau: Una de las cosas para las que estamos utilizando la IA, y esto es en asociación con grandes empresas de tecnología, es tratar de reducir la cantidad de comercio ilegal de vida silvestre que ocurre en línea.
Hay una gran cantidad de comercio ilegal de vida silvestre que ocurre en línea a través de diversas plataformas. A través de la Coalición para acabar con el tráfico de especies silvestres, muchas de las grandes organizaciones tecnológicas que tienen plataformas de redes sociales y motores de búsqueda se han unido para intentar limitarlo.
La IA es una de las formas que se están utilizando para identificar dónde se está produciendo el comercio. Es todo un reto, porque el lenguaje que se utiliza cambia constantemente. Es ilegal, así que intentan que no les pillen. Es un reto muy, muy interesante.
Shervin Khodabandeh: Es fascinante.
Dave Thau: Luego está … bueno, un gran ejemplo de aprendizaje automático es Global Fishing Watch, que ahora es su propia cosa. Surgió de una asociación entre SkyTruth, Oceana y Google.
Realizan un seguimiento de los buques por encima de un cierto tamaño, que están obligados a emitir una señal de localización cada 15 segundos. utilizan esa señal para determinar si un barco está pescando ilegalmente en una zona de conservación. también han sido capaces de rastrear cuando un barco va a descargar su captura a otro.
¿Cuáles son los tipos de Inteligencia Artificial que existen?
Sam Ransbotham: Lo que me pareció fascinante de estas historias es que, ingenuamente, mi opinión sobre lo que hacía su organización antes de hablar contigo era… no tenía ni idea de la magnitud de este tipo de cosas. Y todo lo que me está contando me suena a escala.
Dave Thau: Sí. Un área que realmente me interesa es la escala temporal. A menudo, haremos algún trabajo de conservación y lo controlaremos para asegurarnos de que estamos teniendo el impacto que queremos en ese momento.
Pero a veces se hacen esfuerzos de conservación que pueden tardar 10 años en tener impacto, simplemente porque nos enfrentamos a cosas como “¿A qué velocidad puede crecer un árbol? ¿A qué velocidad puede crecer una población?”.
Se trata de esfuerzos a largo plazo, por lo que también es muy interesante la escala temporal: ¿podemos desarrollar sistemas que permitan hacer un seguimiento eficaz a largo plazo, sobre todo teniendo en cuenta que, a menudo, la financiación de un proyecto puede terminar antes de que se noten sus efectos?
Entonces, ¿cómo desarrollar proyectos que puedan aprovechar la IA y la tecnología para hacer ese seguimiento a largo plazo? Ese es uno de los temas a los que dedico mucho tiempo.
Sam Ransbotham: Parece que gran parte de todo esto se reduce a las mediciones que permiten estas técnicas y que antes no se podían hacer.
Shervin Khodabandeh: Muy buena observación.
Dave Thau: Ajá. Lo llamamos seguimiento, evaluación y aprendizaje, y es la parte del aprendizaje: Hay que ser capaz de medir el impacto para saber qué ha funcionado y qué no.
Shervin Khodabandeh: Me encanta a dónde quieres llegar con esto, porque la cuestión de la escala temporal y si es una escala de 10 años o si se trata de algunos indicadores de algo bueno o malo que está a punto de suceder o que ha sucedido es realmente fascinante y es una gran parte de lo que Sam y yo hemos estado hablando acerca de … se necesitan circuitos de retroalimentación.
Sam Ransbotham: Estamos tan entusiasmados con la medición de lo que tenemos datos, y estamos encantados con todos los nuevos datos que están saliendo. Pero a menudo nos perdemos la ausencia de datos como señal. Y creo que esa es una de las cosas que estabas tocando: que hay todo un mundo de oportunidades en los datos que no tenemos, y la ausencia de datos nos dice mucho.
Así que Dave, tenemos un segmento en el que te hacemos una serie de preguntas rápidas, así que sólo queremos que respondas lo primero que se te ocurra. ¿De qué estás más orgulloso hasta ahora con la inteligencia artificial? ¿Qué ha hecho que le enorgullezca?
Shervin Khodabandeh: De todo.
Dave Thau: Sí, quiero decir, tanto. Simplemente la capacidad de aplicar la IA a estos retos de conservación en tantos contextos diferentes. Los datos por satélite, las cámaras trampa, la bioacústica, el eDNA (ADN ambiental), la variedad de aplicaciones, el procesamiento del lenguaje natural.
La IA… hay muchas variedades, y de lo que estoy realmente orgulloso es de que estemos aprovechando tantas versiones de la IA como sea posible.
Ni siquiera he hablado del trabajo que estamos haciendo con el Centro Vasco para el Cambio Climático para impulsar la financiación de empresas positivas para la naturaleza, utilizando la IA para medir el impacto potencial de esas empresas.
Y para ello no se utiliza el aprendizaje automático estadístico estándar, sino una IA más simbólica, que es otro tipo de IA. Así que creo que estoy muy orgulloso de la amplitud y profundidad de las aplicaciones que he sido capaz de aprovechar.
Sam Ransbotham: Deberías estarlo. Tal vez, aparte de los prejuicios de los que hemos oído hablar mucho, ¿qué te preocupa de la inteligencia artificial?
Dave Thau: Sí, de acuerdo. Está claro que la parcialidad es un tema importante, y se ha debatido mucho sobre ella. Uno de los problemas es la soberanía de los datos.
Sustentabilidad y sostenibilidad ¿cuál es la diferencia?
Las aplicaciones de IA están hambrientas de datos; hay una presión para que consuman tantos datos como sea posible, y hay muchos contextos en la conservación en los que eso no es apropiado. Uno de los retos, que creo que es apasionante, es cómo avanzar con estas tecnologías respetando la soberanía de las personas que no quieren compartir los datos.
Sam Ransbotham: ¿Cuál es su actividad favorita que no tenga nada que ver con la tecnología? ¿Qué hace que no sea inteligencia artificial, aparte de las hormigas?
Dave Thau: Veamos. Últimamente he estado leyendo mucho sobre el tiempo, tratando de entender cómo funciona el tiempo, y he estado leyendo un montón de libros sobre eso, así que ha estado bien. Y he empezado a intentar hacer música. Utilizo la tecnología, porque es electrónica, pero intento hacer electrónica mirando la pantalla lo menos posible.
Sam Ransbotham: ¿Cuál es la primera carrera que querías?
Dave Thau: Bueno, al principio me iba a dedicar a la neuropsicología. Eso fue lo primero. Siempre me ha interesado mucho cómo aprende la gente, así que me iba a dedicar a la neuropsicología para estudiar cómo aprende la gente utilizando la neuropsicología.
Sam Ransbotham: ¿Cuál es su mayor deseo para la IA en el futuro? ¿Qué espera que podamos obtener de todo esto?
Dave Thau: La naturaleza y el clima son retos gemelos que van de la mano. Pero el cambio climático está causando daños que vemos ahora, y tenemos que abordarlos, y la pérdida de naturaleza es otra crisis en la que estamos inmersos.
Según el Índice Planeta Vivo, la población de especies ha disminuido un 69% desde 1970, ¿verdad? Utilizar la IA para abordar ambos retos es lo que realmente espero, pero quiero que tenga soluciones tanto globales como locales.
Quiero que, como planeta, seamos capaces de abordar los retos del clima y de la pérdida de naturaleza utilizando la IA a escala planetaria. Pero que también sea relevante a escala local para que la gente de los lugares donde el uso de la tierra está cambiando o que están tratando de preservar la naturaleza que tienen también puedan hacerlo.
Así que espero que la IA pueda utilizarse tanto a escala mundial como local y que los agentes locales estén tan capacitados para utilizar estas técnicas como lo están los agentes mundiales.
Shervin Khodabandeh: Dave, ha sido un placer hablar contigo, desde lo más pequeño a lo más grande, desde el nivel del suelo al de los satélites, desde las ondas sonoras a las electromagnéticas. Todo ha sido fascinante. Todo ha sido fascinante.
Sam Ransbotham: Gracias por tomarse el tiempo para hablar con nosotros. Muchas gracias.
Dave Thau: Oh, ha sido un placer. Muchas gracias por invitarme. He disfrutado mucho de la conversación.
Sam Ransbotham: Gracias por unirse a nosotros hoy. En nuestro próximo episodio, hablaremos con Stephanie Moyerman, directora de ciencia de datos y bienestar en Instagram.
Allison Ryder: Gracias por escuchar Me, Myself, and AI. Creemos, como 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 puntos de vista y acceder a valiosos recursos sobre la implementación de la IA del MIT SMR y BCG. Puedes acceder visitando mitsmr.com/AIforLeaders. Pondremos ese enlace en las notas del programa, y esperamos verte allí.
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 Big Ideas de Inteligencia Artificial y Estrategia Empresarial del MIT Sloan Management Review. Shervin Khodabandeh es socio sénior y director gerente de BCG y colíder de BCG GAMMA (la práctica de IA de BCG) en Norteamérica. Puede ponerse en contacto con él en shervin@bcg.com.
Me, Myself, and AI es un podcast en colaboración de MIT Sloan Management Review y Boston Consulting Group, presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y las productoras coordinadoras son Allison Ryder y Sophie Rüdinger.