Liderazgo Capital Humano Actualidad

Cuatro lecciones de los pioneros del internet de las cosas

Theodore Kinni Cuatro lecciones de los pioneros del internet de las cosas: tomando uno de los diálogos más icónicos del […]

MIT SMR México 22 Mar 2021

Theodore Kinni

Cuatro lecciones de los pioneros del internet de las cosas: tomando uno de los diálogos más icónicos del finado Roy Scheider, en una de las mejores películas de la historia, vas a necesitar un router más grande. En 2025, predice Machina Research, el internet de las cosas (o IoT, por sus siglas en inglés) representará un mercado de 3 billones de dólares, con 27 mil millones de dispositivos generando más de 2 zettabytes de datos. Dos zettabytes de datos es como el doble del tráfico IP mundial que se generó en 2016, según Cisco.

Publicidad
Publicidad

El exceso de datos es, por cierto, la primera de cuatro lecciones que podemos extraer de los primeros usuarios del IoT, según el colaborador Howard Baldwin para su artículo en Computerworld. Las iniciativas del IoT en ARI Fleet Management, por ejemplo, generan la misma cantidad de datos en dos semanas que la cantidad de datos que la empresa podía recopilar en dos décadas. “Comprende de dónde provienen los datos y determina cómo los vas a analizar”, escribe Baldwin.

La segunda lección es que el IoT exige una colaboración multifuncional. Debido a que el IoT se implementa y se usa en fábricas, flotas y productos, el departamento de TI necesitará asociarse con otras funciones y unidades comerciales. “Determina cómo y cuándo combinar las operaciones y las TI para obtener el máximo conocimiento de los datos”, escribe Baldwin.

La tercera lección de Baldwin para los primeros usuarios es que el IoT requiere trabajar y coordinarse con varios proveedores. La nueva línea de tranvías de Kansas City, por ejemplo, requirió la colaboración de Sprint, Cisco y otros proveedores. “Cuando dirijas varias piezas móviles para la implementación del IoT, asegúrate de saber quién desempeña qué papel”, aconseja Baldwin.

En cuarto y último lugar, en lo que respecta a las incursiones en cualquier tecnología joven y de rápida aparición, ten cuidado de no quedar atrapado en la curva de crecimiento del IoT. “Algunos pioneros han reportado problemas de confiabilidad con sensores o proveedores o con ambos, y otros han tenido problemas para reconciliar los protocolos de la competencia”, advierte Baldwin. “Prepárate para los contratiempos de un mercado inmaduro e intenta seleccionar un protocolo que tenga el apoyo de la industria a largo plazo y una huella de seguridad sólida”.

Las bases de la inteligencia artificial: si estás buscando una buena introducción a la IA, Devin Coldewey de TechCrunch encontró una joya. Resulta que, a finales de junio, la Oficina de Política Científica y Tecnológica de la Casa Blanca emitió una solicitud de información “sobre preguntas generales, investigación y herramientas de IA, y las tecnologías y la capacitación necesarias para responder estas preguntas”. E IBM decidió ayudar a que la oficina principal de EU se pusiera al día con el informe que publicaron aquí.

“Es una visión optimista, y centrada en IBM, por supuesto”, escribe Coldewey sobre la respuesta de Big Blue (apodo de IBM), “pero más allá de eso, realmente vale la pena leerlo para tener una idea del estado actual, el futuro y los riesgos de la IA. Lee los enlaces “ver más”, ahí es donde está lo bueno”, aseguró.

Ejecutivos + Algoritmos> Ejecutivos: Los humanos somos pésimos para tomar decisiones, todos los estudios lo demuestran. Y, sin embargo, según este persuasivo artículo de Deloitte Review, sobre la toma de decisiones en la era de la IA, los ejecutivos (suponiendo que sean expertos en lo que hacen) no serán reemplazados por IA, por lo menos, en un futuro cercano.

“Si bien los algoritmos simples suelen superar el juicio de expertos sin ayuda, no ‘sacan a los humanos del juego’, por varias razones”, declaran el científico de datos James Guszcza, jefe de Deloitte en EU, y el analista de negocios de Monitor Deloitte, Nikhil Maddirala. Las razones por las que se necesitan humanos expertos son: para crear modelos predictivos; seleccionar los datos para alimentar los modelos; y evaluar la aplicabilidad de las predicciones resultantes.

“Aunque los modelos predictivos y otras aplicaciones de IA pueden automatizar ciertas tareas rutinarias, es muy poco probable que el juicio humano sea puesto al servicio de los algoritmos en el corto plazo”, escriben Guszcza y Maddirala. “Un escenario más realista sería utilizar tanto la ciencia de datos como la psicología para eliminar los sesgos y mejorar el juicio humano. Cuando los datos son abundantes y los aspectos más importantes del mundo no cambian rápidamente, es conveniente apoyarse en métodos estadísticos. Cuando hay poca o ninguna información disponible, la inteligencia colectiva y otros métodos psicológicos se pueden utilizar para aprovechar al máximo el juicio de los expertos”.

Conclusión: “Hablando en sentido figurado, la ecuación no debería ser ‘algoritmos> expertos’, sino ‘expertos + algoritmos> expertos'”. Al menos es algo alentador… siempre y cuando seas experto en actividades no rutinarias.

SOBRE EL AUTOR

Theodore Kinni es periodista de negocios, autor y colaborador. Escribe el blog Reading, Writing re: Management y tuitea como @tedkinni.