El líder de Aboitiz Data Innovation, con sede en Asia, explica por qué cree que la regulación ayuda en lugar de obstaculizar la innovación en IA.
Como CEO de Aboitiz Data Innovation, David Hardoon supervisa las operaciones de un conglomerado tecnológico centrado en el uso de la IA para apoyar sus negocios en diversos sectores. Por ejemplo, la banca, los servicios financieros, los servicios públicos, la agricultura y la construcción en Singapur y Filipinas.
En su puesto, David lidera algunos usos inesperados, pero prácticos, de la IAl, como el reconocimiento de voz e imágenes para detectar el estrés en el ganado. Además, el análisis de datos de internet de las cosas para reducir los residuos y las emisiones de CO2 en el proceso de I+D del cemento.
Ayudar a los médicos a tomar mejores decisiones con datos: Ziad Obermeyer de UC Berkeley
David se une a este episodio del podcast Me, Myself, and AI para hablar sobre el amplio alcance de las organizaciones de las que es responsable. Así como del importante papel de la regulación y la gobernanza de la IA para ayudar a estimular la innovación.
Suscríbete a Me, Myself, and AI en Apple Podcasts, Spotify o Google Podcasts.
Sam Ransbotham: ¿La producción de hormigón? ¿La ganadería? ¿El método socrático? De alguna manera, hablamos de los tres. Descubre cómo conectan con la IA en el episodio de hoy.
David Hardoon: Soy David Hardoon de Aboitiz Data Innovation, 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.
Lo digital es primero, lo físico después: Fiona Tan de Wayfair
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 David Hardoon, que ocupa varios puestos de responsabilidad en el Grupo Aboitiz. David, gracias por acompañarnos.
David Hardoon: Muchas gracias, Sam, Shervin.
Sam Ransbotham: ¿Puede decirnos primero un poco sobre el Grupo Aboitiz? ¿Dónde trabaja?
David Hardoon: El Grupo Aboitiz es un conglomerado con más de 100 años de antigüedad que se originó en España, en Cataluña, y se trasladó a Filipinas.
Empezó en el negocio del cáñamo, pero ahora está muy diversificado. Desde la actividad principal hasta servicios financieros, cemento, construcción, servicios públicos, inmobiliaria, aeropuertos, alimentación y agricultura. Estamos transformándonos y convirtiéndonos en un conglomerado tecnológico.
La IA como herramienta para ejercitarse: Ameen Kazerouni de Orangetheory Fitness
Sam Ransbotham: ¿Qué es Aboitiz Data Innovation?
David Hardoon: Hace unos siete años, más o menos, el banco comenzó con toda la digitalización de los servicios bancarios. Y el resultado, como se puede imaginar, fue una enorme cantidad de datos.
Cuanto más se involucra digitalmente a los consumidores y más servicios digitales se prestan, sorpresa, sorpresa, más datos se obtienen.
Y también surgió la pregunta: ¿cómo los estamos utilizando realmente? ¿Los estamos utilizando? ¿Cuál es la mejor manera de darles un buen uso? Y esa pregunta fue más allá de los bancos y se extendió al resto de las empresas. La energía tiene muchos datos. La agricultura, los aeropuertos, etc., tienen muchos datos.
Nacimos con un mandato muy concreto: hacer operativos los datos, hacer operativa la IA. ¿Cómo podemos hacer un buen uso de ellos?
Shervin Khodabandeh: ¿Cuáles son algunos de esos usos?
Medicina de precisión en la industria farmacéutica: Frank Nestle de Sanofi
David Hardoon: Quiero decir, está el lado financiero habitual, donde todos aprendemos de la hiperpersonalización, la delincuencia financiera. Y no me malinterpreten, esas cosas… siempre me entusiasman. Pasé unos buenos años en el ámbito de la regulación financiera aquí en Singapur.
Pero permítanme una curiosidad: el cemento, un sector que no se asocia realmente con los datos o la IA. Nos sentamos con el CEO en ese momento y le dijimos:
“Mira, incluso en el mundo del cemento, tienes un montón de datos”.
¿Cómo puede funcionar esto? Así que permítanme darles un pequeño adelanto de cómo funciona el mundo del cemento.
Lo mejor de la semana: ¿Jornadas laborales cortas? Sí, pero no para todos
Y esto es algo que era nuevo para mí. Así que, básicamente, es como hornear. No sé si hornear, pero es como hornear. Es básicamente, tienes mezclas. Tienes este tipo de fórmulas, y terminas con cemento, que tendrá diferentes tipos de propiedades.
Estas propiedades son lo que es absolutamente crítico dependiendo de lo que estás planeando construir, si se trata de un centro comercial, un edificio alto, un edificio bajo, residencial, etc.
Dicho esto, al igual que con la repostería, hay que probar y equivocarse. Hay que probar diferentes mezclas para asegurarse de que sale la correcta. Eso se traduce en sobrecarga operativa.
El resultado es el desperdicio. Es decir, al igual que en la panadería, se mete el material en hornos (literalmente, es un horno) para cocerlo. El uso de datos, el uso de la información que proviene de todos los dispositivos, la IO, el uso de la IA, ser capaz de decir lo que va a ser la salida de esta mezcla antes de empezar, mientras que al mismo tiempo el mantenimiento de ese control de calidad, que es absolutamente crucial.
Por cierto, no se trata de una hipótesis. Esto ya está operativo desde hace un año en todas las plantas y se traduce en eficiencia operativa, en reducción de residuos, en lo que me gusta llamar ESG cuantificable. Una reducción de 35 kilotones de emisiones de CO2. Es un ejemplo poco habitual de cómo se utilizan los datos.
Medicina de precisión en la industria farmacéutica: Frank Nestle de Sanofi
Shervin Khodabandeh: Bueno, podría decirte que a Sam y a mí nos va a encantar. Los dos somos ingenieros químicos.
David Hardoon: Oh, bueno, ahí lo tienes.
Shervin Khodabandeh: En realidad, cuando has dicho hornear, hice mi doctorado en síntesis de catalizadores. Así que pasé mucho tiempo horneando diversos aluminosilicatos para crear catalizadores.
Tienes toda la razón: Pruebas todas estas cosas. Algunas funcionan; otras no. Y si hubiera tenido la posibilidad de saberlo de antemano, probablemente habría obtenido mi doctorado en una décima parte del tiempo.
Pero en serio, esto es bastante interesante. Ahora bien, si se pasa de la personalización a la cibernética y el fraude, y también se tiene este ejemplo en los cementos para hornear. Entonces debemos creer que hay una amplia cartera de cosas que se están considerando. Cuéntanos más sobre lo que entra en esa cartera, porque no hay fin a lo que podría hacer. ¿Qué tipo de cosas te entusiasman?
Cómo invertir en IA: Hina Dixit de Samsung
David Hardoon: Tienes toda la razón. Por suerte, al trabajar en un conglomerado, te levantas cada día y descubres algo nuevo. Así que hay una especie de dos dimensiones a la misma.
Por un lado son cosas que tienen que tener sentido para el negocio. Ingresos, eficiencia operativa, gestión de riesgos. Y luego tenemos que mirar las cosas a la vuelta de la esquina. Tenemos que experimentar. Pero puede que no sean cosas que se desplieguen inmediatamente.
Por ejemplo, en los constructores agrícolas, tenemos los animales: cerdos, cerdos y aves de corral. Y como parte de ese proceso, queremos asegurarnos de que los animales reciben los mejores cuidados posibles. En el aspecto experimental, decimos:
“Vale, ¿cómo podemos utilizar una tecnología que ya está disponible pero que quizá no se haya puesto en práctica exactamente en este contexto concreto, no en el Sudeste Asiático?”.
Así que estamos utilizando el reconocimiento de voz y de imágenes en cerdos para ayudar a identificar el estrés y detectar enfermedades. De modo que podrían ser alertas automáticas para los cuidadores.
Confianza y detección de fraudes a escala: Stephanie Moyerman de Instagram
Shervin Khodabandeh: ¿Cuál es la verdad sobre el terreno? Sería interesante saberlo.
Sam Ransbotham: Esa es una gran pregunta.
Shervin Khodabandeh: ¿Cuáles son los datos de entrenamiento?
David Hardoon: Así que esto es lo increíble. Es un animal muy expresivo. Así que cuando realmente vas allí con las personas que cuidan de ellos, pueden literalmente señalarlos y decir: “Este animal está angustiado”, y estás constantemente grabando.
Estamos un poco, “OK, ¿es esto realmente algo que es relevante? ¿Tiene sentido?” Como, ¿podemos tener esa conversación con el panadero, ya sabes, el ingeniero químico? ¿Podemos hablar con el cuidador de animales, el veterinario, etc., o con el ingeniero de postes cuando se trata de cables eléctricos? Es muy importante.
Y esa es una de las cosas de las que me he dado cuenta a lo largo de mi carrera en el campo de los datos, que es donde fallan las cosas. Donde de repente se produce esta divergencia de explorar la investigación científica sin ver realmente esa conectividad.
Y si vamos todo el camino de vuelta, incluso cuando se inventó el radar, la razón por la que las cosas se desmoronan es por las muy, muy pequeñas lagunas de “Bueno, no es del todo allí; oh, no es del todo utilizable”. Así que esa es la primera parte.
En segundo lugar, ¿se trata de algo que, en la medida de lo posible, va a marcar la diferencia para nuestros usuarios internos y para muchas de las empresas del grupo, que en realidad son B2B, como en el sector de la energía, donde, básicamente, suministramos energía y electricidad al por mayor?
Por tanto, para nuestros usuarios internos, el mantenimiento predictivo de los activos es de vital importancia.
Las asociaciones en IA ayudan a cuidar el planeta: Dave Thau de WWF
Shervin Khodabandeh: Es fantástico. Lo que has dicho es inspirador a muchos niveles. Uno de ellos es dejar que la imaginación sea el límite, porque la pregunta es: “¿Se puede hacer algo mejor, con más eficacia? ¿Puedes ver a la vuelta de la esquina?” Y hay datos, entonces, sí. Eso es algo inherente a todos estos ejemplos que has dado.
Empezaste con lo que la mayoría consideraría cosas bastante avanzadas e interesantes, y tenemos invitados que hablan de ellas todo el tiempo: personalización, fraude, cibernética. Todos ellos son muy importantes. Y luego pasó al cemento. Luego a los cerdos. Y luego hablaste de humanos y de IA…
David Hardoon: Sí.
Shervin Khodabandeh: Que es bastante crítico también. Lo encuentro muy, muy energizante.
David Hardoon: Bueno, es el nexo entre el ser humano y la IA. Hay dos cosas fundamentales que creo que tienen que ir de la mano, tienen que hacerlo. Aunque esto puede cambiar en el futuro hasta cierto punto, ¿quién sabe lo que va a pasar a la vuelta de la esquina?
Las cosas cambian muy deprisa. Pero seré el primero en admitirlo: Realmente llegué a esta apreciación cuando trabajaba para el regulador de la criticidad de combinar gobernanza e innovación. Y solían preguntarme repetidamente:
“Ah, pero ¿no cree que la gobernanza inhibe la innovación? Nos ahoga”.
Y llegué a la opinión de que estoy vehementemente en contra de esa perspectiva.
Tomar 600 mil millones de decisiones con IA: Rathi Murthy de Grupo Expedia
Yo diría que no sólo no la ahoga, sino que daría lugar a más y mejor innovación. Se trata esencialmente de simplemente tener, ya sabes, sentido común. Tuve el privilegio de participar en el proceso y proponer el principio FEAT. Se trataba de justicia, ética, responsabilidad y transparencia en la Autoridad Monetaria de Singapur.
Recuerdo que cuando salió a la luz y se lo mostré a nuestro gobernador, nuestro director gerente, y él me dijo:
“David, ¿no es esto de sentido común?”. Yo sonreí y le dije: “Bueno, no; incluso el sentido común tiene que… no siempre es tan común. Tiene que estar escrito”.
Pero es fundamental. Ese es el número 1.
Y número 2, lo que mencionabas es que, sí, aunque la IA y los datos pueden hacer cosas aparentemente milagrosas es fundamental que esta combinación con nosotros y cómo la utilizamos, se incorpore desde el principio. E incluso ahora, obviamente, todo el mundo habla de ChatGPT, pero recuerda: Hasta cierto punto, todos los datos con los que se entrena proceden de nosotros.
Aprendizaje continuo con IA: Shelia Anderson de Aflac
Shervin Khodabandeh: Sí. No puedes sacar a los humanos del bucle, porque al cabo de un tiempo perderán lo que les hace humanos.
Sam Ransbotham: Pero tenemos ejemplos de ello. Quiero decir, eso está bien en algunos lugares. Ninguno de ustedes sabe cómo navegar por las estrellas, supongo, a menos que, Shervin, tengas algunos trucos bajo la manga que yo no he aprendido todavía.
Quiero decir, la mayoría de la gente no conduce una transmisión manual. Esa parece ser una habilidad que… bueno, OK, tal vez uno o dos de nosotros lo hacemos aquí. Pero la cuestión es que no tenemos que retener todas las habilidades posibles. Sólo tenemos que saber a cuáles nos aferramos.
David Hardoon: Eso es correcto, lo que has dicho: Son algunas, no todas. Pero a veces ves esta tendencia de: “Oh, mira lo que puede hacer. Todo se automatiza”.
Recuerdo en mis primeros días como consultor. Un montón de veces los clientes potenciales y las personas con las que hablaba lo que trataban de lograr con la IA era algo así como lograr hacer todo automáticamente.
Y necesitas tener casi esta inclinación natural diciendo: “Vale, si es contextual, si tiene sentido“. Como dijiste, tal vez quiero aprender navegación estelar porque me interesa. Quiero aprender sobre astrología o astrofísica o lo que sea. Genial. Pero ahora se convierte en un tema de nicho que algunas personas aprenden.
Los tres roles del director de datos: Jack Berkowitz de ADP
El público en general no necesita saber cómo hacerlo. Pero tenemos que ser capaces de identificar ese punto de decisión en lugar de entrar en una situación del tipo “No, ahora todo, AI galore”.
Shervin Khodabandeh: Bueno, lo que quieres decir es que el diálogo continuo tiene su valor. Hay valor en el desafío continuo. Y cada vez que hay un diálogo, quiero decir, incluso en tiempos de Sócrates, el diálogo es donde se eleva la conversación.
Y señalas con razón que en el momento en que se dice que la IA es el todo y el fin, es el momento en que no se está cumpliendo con la IA. Entonces seguro que no se está cumpliendo con el potencial humano.
David Hardoon: Bueno, estás perdiendo una respuesta potencial. Permítame darle dos ejemplos. En el apartado financiero, tenemos el Union Bank de Filipinas, entre otros.
Aunque la regulación de la gobernanza de la IA aún no es un requisito, digamos, en Filipinas, hemos situado un grupo de trabajo, que es una interesante combinación de personas, desde su responsable de riesgos, legal, de cumplimiento, y luego tienes marketing, compromiso con el cliente, experiencia.
Lo que ocurre es que, aunque seguimos con el proceso tradicional de validación de modelos, etc. Desde un punto de vista estadístico, matemático y de datos, los modelos se presentan en este grupo de trabajo para que podamos debatirlos. Porque un modelo puede pasar todas las pruebas estadísticas, pero si este modelo sale mal hay un riesgo significativo de reputación en juego o hay un impacto potencial para los consumidores.
Ese debate es importante porque si sólo se mira desde ese punto de vista estadístico, incluso un proceso potencialmente automatizado, se pasaría por alto.
Invertir en la última milla: Khatereh Khodavirdi de PayPal
Ahora, la resolución, curiosamente no son los datos, no es AI. La resolución muchas veces es el proceso, que es la gente. Y eso nos hace realmente más sabios y preguntarnos: “OK, ¿cómo lo usamos, y cómo nos involucramos con él? ¿Cuándo permitimos esa automatización?” Y cuando decimos “no”, conservo el veto para anular, hasta cierto punto. Ese es un ejemplo.
La otra es que si vuelvo a mi ejemplo del cemento, y de hecho, hicimos esto muy deliberadamente al principio porque no queríamos que nuestros colegas e ingenieros químicos pensaran:
“Oh, genial. ¿Para qué me necesitáis? Vas a automatizarlo todo”.
No. La cuestión era que los necesitamos absolutamente porque puede haber nuevos tipos de mezclas que no hayamos considerado. Todavía tendrás que tener esa experimentación. El objetivo es proporcionar información.
El resultado es la eficacia. Cuando salió ChatGPT, me preguntaron enseguida en algunos foros: “¿Qué significa esto?“. Y mi reacción instintiva, en lugar de entrar en toda esta larga explicación de la liberación, sólo respondí diciendo: “Significa que cada uno de nosotros puede tener la productividad de 10 personas“.
Así que esto es lo que significan estas cosas, y eso es lo que significan ese nexo, el diálogo, la integración, el aumento: que ahora tenemos la capacidad de ser mucho más productivos, sea lo que sea lo que “productivo” signifique en ese contexto.
Algunas personas pueden decir:
“Solo quiero trabajar dos horas pero parecer que trabajo todo el día”.
Otros pueden decir: “Quiero trabajar todo el día”.
Puede variar. Pero eso es lo que significa porque ahora somos capaces de tomar todos estos datos.
Estoy seguro de que algunos de ustedes recuerdan, allá por el año 2000, estos memes en línea de “obtener información de Internet es como beber de una manguera de incendios”.
Sigue siendo cierto. Estamos inundados de información, de datos, pero se trata de destilarla hasta convertirla en algo que sea relevante para mí, utilizable, que pueda hacer algo con ella y obtener esa ganancia, esencialmente.
Sam Ransbotham: Creo que una cosa que está saliendo de esta conversación, Shervin utilizó la palabra socrática, y, David, que utilizó la palabra diálogo.
Lo bueno de esto es que se ha eliminado esta arrogancia que me parece ver en gran parte del aprendizaje automático. El aprendizaje automático parece tratarse de humanos enseñando a máquinas. Así que es esta especie de “Lo sabemos todo. Hacemos que las máquinas nos emulen, y si lo hacen, pasan la prueba de Turing, y, sí, todo es oro”.
Pero entonces recibes un rechazo, y dices, “Oh, no. La máquina puede enseñarnos cosas que nunca antes habíamos sabido“. Bueno, eso sólo ha cambiado la dirección. Sigue teniendo esa misma arrogancia direccional, pero las cosas de las que ambos habláis están mucho más socrático y el diálogo.
Cuando se piensa en lo que ese grupo puede formar junto, y Shervin y yo tenemos algunos resultados de la investigación del año pasado que dijo que alrededor del 60 por ciento de las personas están pensando en la IA como un compañero de trabajo.
Y eso me parece ese tipo de relación, porque entre los dos, sí, se encuentra algún nuevo compuesto que tal vez alguien no habría probado. No sé cuál es el equivalente en ingeniería química del fracaso de Fosbury.
¿Recuerdas el fracaso de Fosbury, cuando aprendió una forma diferente de saltar la barra alta y, de repente, todo el mundo adoptó esa técnica? Ese tipo de idea parece que podría surgir de este enfoque.
¿Qué, preocuparme por la Inteligencia Artificial?
David Hardoon: En realidad es muy interesante que lo menciones. Quiero decir, me encantaría decir:
“Oh, sí, teníamos todo esto previsto desde el principio”.
Pero voy a ser muy honesto y decir que creo que es más una consecuencia agradable que no estaba totalmente prevista en un momento dado.
Pero quiero volver a ese principio de la FEAT. Uno de los principios dio lugar a un montón de discursos donde teníamos una declaración entre todos ellos que decía que debemos mantener la IA al menos al mismo nivel que las decisiones humanas.
Así que las decisiones basadas en la IA deberían tener al menos el mismo nivel de exigencia que las decisiones humanas. Y el debate fue fenomenal y la gente dijo: “Oh, no, deberíamos aplicarle un nivel más alto”, etc., etcétera.
Pero lo que la intención de ese principio es, si estás usando ahora la IA, digamos, un en el sector financiero. Y si estás utilizando un algoritmo y descubres que “oh, estamos discriminando”, de acuerdo, sí, absolutamente. Eso es algo que debe ser abordado, revisado y corregido.
Pero espera un momento. Da un paso atrás. Saca la IA de la ecuación. ¿Habías estado discriminando antes de la IA? Y esa es realmente la cuestión porque… Recuerdo que mantuve largos debates con muchos reguladores. Tal vez debate es la palabra equivocada: discusiones con muchos reguladores. Y en realidad me oponía un poco a regular la IA, y explicaré lo que quiero decir con eso.
No me opongo a la regulación. Pero cuando dijeron “regular la IA”, me puse un poco a la defensiva. Dije:
“Lo que me preocupa es que digamos: ‘Bueno, como la IA me está mostrando todas estas cosas que no quiero saber, no voy a usar la IA’. Y vamos a volver a los mismos procedimientos anteriores, que, adivina qué es el mismo problema. Simplemente no le estabas prestando atención porque esa información, ese conocimiento, no salía a la superficie”.
Por tanto, lo que sigo argumentando es que, sí, la regulación tiene que estar en juego. Y sí, puede haber ciertos escenarios en los que la IA requiera un mayor escrutinio. Pero la regulación sigue estando en el resultado.
La regulación sigue estando en el hecho de que, por ejemplo, es un caso de discriminación. No se debe discriminar. si se utiliza un proceso basado en humanos o un proceso basado en IA no viene al caso.
Pero quiero insistir en ese punto, Sam, porque realmente se remonta a lo que decías de que ahora nos está enseñando cosas que, digamos, a veces ignorábamos conscientemente y a veces ignorábamos inadvertidamente.
De los datos a la sabiduría: Tonia Sideri de Novo Nordisk
Shervin Khodabandeh: David, háblanos de tus antecedentes. ¿Cómo hasllegado hasta donde estás?
David Hardoon: Si retrocedo hasta el principio, y voy a repetirlo con una gran sonrisa, ¿cómo acabé donde estoy? Así es como acabé aquí.
Debía tener 14, 15, 16 años, y me mandaron a la biblioteca porque estaba castigado. Y, ya sabes, si estás en una biblioteca, no tienes nada mejor que hacer.
Cogí un libro sobre Prolog. No me preguntes por qué, de todos los libros que podría haber cogido, cogí uno sobre Prolog. Y esto es realmente antes de saber nada acerca de todo el mundo de, bueno, supongo que en ese caso, sería sistemas basados en expertos.
Así empecé a leer, y yo simplemente no podía dejarlo. Y que tipo de desencadenó esta exploración de, ¿cómo podemos capturar mejor el conocimiento?¿Cómo podemos aprender mejor?
Y que, obviamente, dio lugar a tipo de aprender un poco más acerca de las redes neuronales, IA. De hecho, yo fui uno de los dos primeros estudiantes que tomaron el grado de ciencias de la computación con inteligencia artificial. Era literalmente nuevo, desde esa perspectiva.
Mi tesis doctoral versaba sobre modelos semánticos, es decir, literalmente la representación y encapsulación del conocimiento, efectivamente, y la información. Trataba sobre el aprendizaje de patrones musicales, o la generación de música a partir de patrones cerebrales.
Los tres roles del director de datos: Jack Berkowitz de ADP
Y la idea de todo esto es, esencialmente, proporcionar un conocimiento basado en sistemas expertos, si lo piensas de esa manera, para personas que, digamos, no pueden sentarse delante de un piano y tocar, pero que son plenamente capaces cognitivamente.
Eso es lo que me trajo aquí. Sé que es un viaje muy extraño. Pero sí, tengo que dar las gracias a mi profesor de alfabetización: Gracias por enviarme a detención.
Sam Ransbotham: OK, así que tenemos un segmento en el que vamos a hacerle algunas preguntas rápidas.
¿De qué se siente más orgulloso en términos de inteligencia artificial?¿De qué se siente más orgulloso?
David Hardoon: ¿Por dónde empezar? De lo que estoy más orgulloso es de la forma en que hemos sido capaces de pasar del mundo académico al mundo industrial.
Sam Ransbotham: ¿Qué te preocupa de la IA? Hoy ha mencionado algunas preocupaciones. Pero, ¿qué te preocupa?
David Hardoon: Lo que me preocupa es que no creo que estemos apreciando plenamente lo que estamos creando. Creo que tenemos que centrarnos de lleno en darnos cuenta de lo que estamos creando y de las posibilidades que estamos sembrando, para bien y para mal.
Sam Ransbotham: ¿Cuál es su actividad favorita que no implique tecnología?
Inteligencia Artificial, ¿la mejor herramienta para las empresas?
David Hardoon: Estar en el agua y simplemente remar. Es muy relajante. Para quien no lo haya probado, es un ejercicio fenomenal.
Sam Ransbotham: Lo he intentado y me he perdido la parte de estar de pie. Lo de remar me parece bien, pero lo de estar de pie me trae problemas. ¿Cuál es la primera carrera que querías hacer mientras estabas detenido? ¿Qué querías ser de mayor?
David Hardoon: Yo quería ser un astrofísico.
Sam Ransbotham: ¿Cuál es tu mayor deseo para la IA en el futuro? ¿Qué espera que podamos ganar con ella?
David Hardoon: No lo sé.
¿Autorrealización? Espero que aprendamos más sobre nosotros mismos. Ya nos está dando capacidades. Por ejemplo, yo soy disléxico. ¡Gracias al cielo por los correctores ortográficos automáticos!
Sam Ransbotham: Bueno, gracias por tomarse el tiempo. Creo que ha mencionado muchas cosas. Hace miles de años teníamos un terrible problema de limpieza de los alimentos, y ahora tenemos una cadena de suministro en la que podemos confiar.
Quizá podamos construir ese mismo tipo de cadena de suministro con datos. Gracias por dedicarnos su tiempo hoy. Ha sido un placer.
David Hardoon: Gracias, Sam, Shervin.
Shervin Khodabandeh: Sí. Muchas gracias.
David Hardoon: Y tal vez, si se me permite añadir otra nota, creo que eso es realmente lo crítico: Es IA confianza. Se trata de confianza. Muchas gracias.
Sam Ransbotham: Gracias por escuchar. La próxima vez, Shervin y yo hablamos con Naba Banerjee, jefe de producto y operaciones de confianza en Airbnb, sobre cómo la plataforma de viajes utiliza la IA y el aprendizaje automático para hacer que las experiencias de viaje sean más seguras.
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.