Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de McKinsey
¿Qué es la IA?
La inteligencia artificial es la capacidad de una máquina para realizar
las funciones cognitivas que normalmente asociamos con las
mentes humanas.
abril 2023
Humanos y máquinas: una combinación perfecta La IA aplicada - simplemente, la inteligencia artificial
en el paraíso de la productividad. Nuestra especie aplicada a problemas del mundo real - tiene serias
no se habría vuelto muy lejos sin nuestros caballos implicaciones para el mundo empresarial. Mediante
de batalla mecanizados. Desde el desde la rueda el uso de inteligencia artificial, las empresas tienen
que revolucionó la agricultura hasta el tornillo que el potencial de hacer negocios más eficientes y
mantuvo unidos proyectos de construcción cada rentables. Pero, en última instancia, el valor de la
vez más complejos hasta las líneas de montaje inteligencia artificial no está en los sistemas en sí,
robóticas de hoy, las máquinas han hecho posible sino en cómo las empresas usan esos sistemas
la vida tal como la conocemos. Y, sin embargo, a para ayudar a los humanos - y su capacidad para
pesar de su utilidad aparentemente infinita, los explicar a los accionistas y al público lo que hacen
humanos han temido durante mucho tiempo a las esos sistemas - de una manera que genera y gana
máquinas; más específicamente, la posibilidad de confianza.
que las máquinas algún día adquieran inteligencia
humana y actúen por su cuenta. Para obtener más información sobre la IA y cómo
aplicarla en los negocios, sigue leyendo
Pero tendemos a ver la posibilidad de maquinas
consciente con fascinación y miedo. Esta ¿Qué es el aprendizaje automático?
curiosidad ha ayudado a convertir la ciencia ficción
en ciencia real. Los teóricos del siglo XX, como el El aprendizaje automático es una forma de
informático y matemático Alan Turing, imaginaron inteligencia artificial basada en algoritmos que se
un futuro en el que las máquinas podrían realizar entrenan en datos. Estos algoritmos pueden
funciones más rápido que los humanos. El trabajo detectar patrones y aprender a hacer predicciones
de Turing y otros pronto hizo esto realidad. Las y recomendaciones mediante el procesamiento de
calculadoras personales estuvieron ampliamente datos y experiencias, en lugar de recibir
disponibles en la década de 1970 y, para 2016, el instrucciones de programación explícitas. Los
censo de EE. UU. mostró que el 89 por ciento de algoritmos también se adaptan en respuesta a
los hogares estadounidenses tenía una nuevos datos y experiencias para mejorar su
computadora. Las máquinas - máquinas eficacia con el tiempo. El volumen y la complejidad
inteligentes - ahora son solo una parte ordinaria de los datos que ahora se generan, demasiado
de nuestras vidas y nuestra cultura. vastos para que los humanos los consideren
razonablemente, han aumentado el potencial del
Esas máquinas inteligentes son cada vez más aprendizaje automático, así como la necesidad de
rápidas y complejas. Algunas computadoras ahora este. En los años transcurridos desde su
han cruzado el umbral de la exaescala, lo que implementación generalizada, que comenzó en la
significa que pueden realizar tantos cálculos en un década de 1970, el aprendizaje automático ha
solo segundo como lo haría un individuo en tenido un impacto en una serie de industrias,
31,688,765,000 años. Pero no se trata sólo de incluidos los logros en el análisis de imágenes
computación. Las computadoras y otros médicas y el pronóstico del tiempo de alta
dispositivos ahora están adquiriendo habilidades y resolución.
percepciones que antes eran de nuestra exclusiva
competencia.
¿Qué es el aprendizaje profundo?
La IA es la capacidad de una máquina para
El aprendizaje profundo es un tipo de aprendizaje
realizar las funciones cognitivas que asociamos
automático que puede procesar una gama más
con la mente humana, como percibir, razonar,
amplia de recursos de datos (imágenes, por
aprender, interactuar con un entorno, resolver
ejemplo, además de texto), requiere incluso menos
problemas e incluso ejercitar la creatividad.
intervención humana y, a menudo, puede producir
Probablemente hayas interactuado con la IA
resultados más precisos que el aprendizaje
aunque no te hayas dado cuenta: los asistentes
automático tradicional. El aprendizaje profundo
de voz como Siri y Alexa se basan en la
utiliza redes neuronales, basadas en las formas en
tecnología de la IA, al igual que algunos chatbots
que las neuronas interactúan en el cerebro
de atención al cliente que aparecen para ayudarte
humano, para ingerir datos y procesarlos a través
a navegar por los sitios web.
de múltiples iteraciones que aprenden
2 ¿Qué es la IA?
El volumen y la complejidad de los datos que ahora
se generan, demasiado vastos para que los
humanos los consideren razonablemente, han
aumentado el potencial del aprendizaje automático,
así como la necesidad de este.
datos. La red neuronal puede entonces hacer Las CNN son un tipo de red neuronal de
determinaciones sobre los datos, saber si una avance modelada en la composición de la
determinación es correcta y usar lo aprendido corteza visual animal, la parte del cerebro
para tomar determinaciones sobre nuevos datos. que procesa imágenes. Como tales, las
Por ejemplo, una vez que "aprende" cómo se ve CNN se adaptan bien a las tareas de
un objeto, puede reconocer el objeto en una percepción, como poder identificar especies
nueva imagen. de aves o plantas en función de fotografías.
Los casos de uso empresarial incluyen el
Aquí hay tres tipos de redes neuronales diagnóstico de enfermedades a partir de
artificiales utilizadas en el aprendizaje exploraciones médicas o la detección del
automático: logotipo de una empresa en las redes
— Redes neuronales de avance sociales para gestionar la reputación de una
En esta red neuronal simple, propuesta por marca o identificar posibles oportunidades
primera vez en 1958, la información se de marketing conjunto.
mueve en una sola dirección: hacia adelante
desde la capa de entrada del modelo a su Así es como funcionan las CNN:
capa de salida, sin viajar hacia atrás para
volver a ser analizada por el modelo. Eso • Primero, la CNN recibe una imagen, por
significa que puede alimentar o ingresar datos ejemplo, de la letra "A", que procesa
en el modelo, luego "entrenar" el modelo como una colección de píxeles.
para predecir algo sobre diferentes conjuntos
de datos. Como solo un ejemplo, las redes • En las capas ocultas, la CNN identifica
neuronales de avance se utilizan en la banca, características únicas, por ejemplo, las
entre otras industrias, para detectar líneas individuales que componen "A".
transacciones financieras fraudulentas.
• La CNN ahora puede clasificar una
Así es como funciona: primero, entrena un imagen diferente como la letra “A” si
modelo para predecir si una transacción es encuentra que la imagen tiene las
fraudulenta en función de un conjunto de características únicas previamente
datos que ha utilizado para etiquetar identificadas como parte de la letra.
manualmente las transacciones como
fraudulentas o no. Luego, puede usar el — Redes neuronales recurrentes (RNN)
modelo para predecir si las transacciones Las RNN son redes neuronales artificiales
entrantes nuevas son fraudulentas, de modo cuyas las conexiones incluyen bucles, lo
que pueda marcarlas para un estudio más que significa que el modelo mueve los
datos hacia adelante y hacia atrás para
detallado o bloquearlas por completo.
volver a recorrer las capas anteriores.
¿Qué es la IA? 3
Machine Translated by Google
para volver a recorrer las capas anteriores. Los RNN — Optimización de la logística
son útiles para predecir un sentimiento o el final de El uso de IA para optimizar la logística puede reducir
una secuencia, como una gran muestra de texto, voz los costos a través de pronósticos en tiempo real y
o imágenes. Pueden hacer esto porque cada entrada entrenamiento conductual. Por ejemplo, la IA puede
individual se introduce en el modelo por sí misma y optimizar el enrutamiento del tráfico de entrega,
en combinación con la entrada anterior. mejorando la eficiencia del combustible y reduciendo
los tiempos de entrega.
Continuando con el ejemplo bancario, los RNN
pueden ayudar a detectar transacciones financieras - Servicio al Cliente
fraudulentas al igual que las redes neuronales de Las técnicas de IA en los centros de llamadas pueden
avance, pero de una manera más compleja. Mientras permitir una experiencia más fluida para los clientes y
que las redes neuronales de avance pueden ayudar a un procesamiento más eficiente. La tecnología va más
predecir si es probable que una transacción individual allá de comprender las palabras de una persona que
sea fraudulenta, Las redes neuronales recurrentes llama: el análisis de audio de aprendizaje profundo
pueden "aprender" de la comportamiento financiero de puede evaluar el tono de un cliente. Si una persona
un individuo, como una secuencia de transacciones que llama se molesta, el sistema puede redirigir a un
como el historial de una tarjeta de crédito—y mida operador humano o gerente.
cada transacción contra el registro de la persona
como un todo. Puede hacer esto además de usar los
¿Qué es la IA generativa?
aprendizajes generales del modelo de red neuronal
La IA generativa es un modelo de IA que genera
feedforward.
contenido en respuesta a un aviso. Está claro que las
herramientas de IA generativa como ChatGPT y DALL-
¿Qué sectores pueden beneficiarse del E (una herramienta para hacer arte generado por IA)
aprendizaje automático y el aprendizaje tienen el potencial de cambiar la forma en que se
realizan una variedad de trabajos. Sin embargo, aún
profundo?
se desconoce el alcance total de ese impacto, al igual
McKinsey recopiló más de 400 casos de uso de que los riesgos. Pero hay algunas preguntas que
aprendizaje automático y profundo en 19 industrias y podemos responder, como cómo se construyen los
nueve funciones comerciales. Casi todas las industrias modelos de IA generativa, qué tipo de problemas son
pueden beneficiarse del aprendizaje automático y más adecuados para resolver y cómo encajan en la
profundo. Estos son algunos ejemplos de casos de uso categoría más amplia de IA y aprendizaje automático.
que abarcan
varios sectores: ¿Cómo pueden las empresas poner en
uso la IA generativa?
Mantenimiento predictivo
El mantenimiento predictivo es una parte importante Probablemente haya visto que las herramientas de IA
de cualquier industria o negocio que dependa de generativa como ChatGPT pueden generar
equipos. En lugar de esperar hasta que una pieza interminables horas de entretenimiento. La oportunidad
del equipo se averíe, las empresas pueden utilizar el también es clara para las empresas. Las herramientas
mantenimiento predictivo para proyectar cuándo será de IA generativa pueden producir una amplia variedad
necesario el mantenimiento, evitando así el tiempo de escritura creíble en segundos y luego responder a
de inactividad y reduciendo los costos operativos. El las críticas de un usuario para hacer que la escritura
aprendizaje automático y el aprendizaje profundo se ajuste más a su propósito. Esto tiene implicaciones
tienen la capacidad de analizar grandes cantidades para una amplia gama de industrias, desde
de datos multifacéticos, lo que puede aumentar la organizaciones de TI y software que pueden
precisión del mantenimiento predictivo. Por ejemplo, beneficiarse del código instantáneo generado por los
los profesionales de IA pueden superponer datos de modelos de IA hasta organizaciones que necesitan una
nuevas entradas, como datos de audio e imagen, copia de marketing. En resumen, cualquier organización
que pueden agregar matices al análisis de una red que necesite producir borradores de materiales
neuronal. claramente escritos potencialmente pueda befeiciarse.
4 ¿Qué es la IA?
Las organizaciones también pueden usar IA Los líderes deben ser consciente de estos riesgos
generativa para crear materiales más técnicos, como antes de recurrir a la IA generativa como solución
versiones de imágenes médicas de mayor resolución. empresarial. Para obtener más información sobre los
Y con el tiempo y los recursos ahorrados, las riesgos de la IA generativa y cómo las empresas
organizaciones pueden buscar nuevas pueden mitigarlos, consulte la sección a continuación
oportunidades comerciales y la posibilidad de crear llamada "¿Cuáles son las limitaciones de los
más valor. modelos de IA y cómo pueden ¿Serán vencidos?
Estudio de caso: Vistra Corp. y la central eléctrica de Martin Lake
Vistra es un gran productor de energía en la temperatura del vapor, la presión, los 30 minutos para que los operadores
los Estados Unidos y opera plantas en 12 niveles de oxígeno y la velocidad del mejoren la eficiencia de la tasa de calor de
estados con una capacidad para alimentar ventilador. la planta. Un gerente de operaciones
a casi 20 millones de hogares. Vistra se experimentado en la planta de la compañía
ha comprometido a lograr cero emisiones Vistra y un equipo de McKinsey, en Odessa, Texas, dijo: “Hay cosas que
netas para 2050. En apoyo de este incluidos científicos de datos e me tomó 20 años aprender sobre estas
objetivo, así como para mejorar la ingenieros de aprendizaje automático, plantas de energía. Este modelo los
eficiencia general, QuantumBlack, AI by construyeron un modelo de red neuronal aprendió en una tarde.
McKinsey trabajó con Vistra para construir de varias capas. El modelo analizó los
e implementar un optimizador de tasa de datos de dos años en la planta y En general, el HRO impulsado por IA
calor (HRO) impulsado por IA. aprendió qué combinación de factores ayudó a Vistra a lograr las siguientes
optimizaría el algoritmo y lograría la tasa métricas:
La "tasa de calor" es una medida de la de calor más eficiente en cualquier
eficiencia termal de la planta; en otras momento. Cuando los modelos tenían — aproximadamente 1,6 millones de
palabras, es la cantidad de combustible una precisión del 99 por ciento o más y toneladas de carbono reducidas
necesaria para producir cada unidad de se sometieron a un riguroso conjunto de anualmente
electricidad. Para alcanzar la tasa de pruebas del mundo real, el equipo — 67 generadores de energía
calor óptima, los operadores de la convirtió en un motor impulsado por IA optimizados
planta monitorean y ajustan que genera recomendaciones cada — $60 millones ahorrados en
continuamente cientos de variables,como aproximadamente un año
¿Qué es la IA? 5
— Riesgo y legal. Los modelos de IA pueden responder Más específicamente, es más probable que este
preguntas complejas, basadas en grandes cantidades grupo de líderes vincule la estrategia de IA con los
de documentación legal, y redactar y revisar informes resultados comerciales e "industrialice" las operaciones
anuales. de IA mediante el diseño de una arquitectura de datos
modular que pueda adaptarse rápidamente a nuevas
— I+D. La IA generativa puede ayudar a acelerar el aplicaciones.
descubrimiento de fármacos a través de una mejor
comprensión de las enfermedades y el descubrimiento
de estructuras químicas. ¿Cuáles son las limitaciones de los modelos
de IA y cómo se pueden superar?
Si bien la IA generativa por sí sola tiene un gran
potencial, es probable que sea más poderosa en Dado que son tan nuevos, todavía tenemos que ver el
combinación con los humanos, quienes pueden largo efecto de cola de los modelos de IA. Esto
ayudarla a lograr un trabajo mejor y más rápido. significa que hay algunos riesgos inherentes
involucrados en su uso—algunos conocidas y algunas
desconocidas.
¿Cómo se está expandiendo el uso de
Los resultados que producen los modelos de IA a
la IA?
menudo pueden sonar extremadamente convincentes.
La IA es una gran historia para todo tipo de
Esto es por diseño. Pero a veces la información que
negocios, pero algunas empresas claramente se están
generan es simplemente incorrecta. Peor aún, a veces
adelantando al resto. La encuesta sobre el estado de
está sesgado (porque se basa en el género, la raza y
la IA en 2022 de McKinsey mostró que la adopción
muchos otros prejuicios de Internet y la sociedad en
de modelos de IA se ha más que duplicado desde
general) e incluso puede manipularse para permitir
2017, y la inversión ha aumentado a un ritmo
actividades poco éticas o delictivas. Por ejemplo,
acelerado. Además, las áreas específicas en las que
ChatGPT no le dará instrucciones sobre cómo robar un
las empresas ven el valor de la IA han evolucionado,
automóvil, pero si le dice que necesita robar un
desde la fabricación y el riesgo hasta estas:
automóvil para salvar a un niño, el algoritmo cumplirá
--- marketing y ventas
instantáneamente. Las organizaciones que se basan
— desarrollo de productos y servicios
en modelos de IA generativa deben tener en cuenta
— estrategia y finanzas corporativas
los riesgos legales y de reputación que implica la
Y un conjunto de empresas continúa adelantándose a publicación involuntaria de contenido sesgado, ofensivo
sus competidores, haciendo mayores inversiones en o protegido por derechos de autor.
IA, mejorando sus prácticas para escalar más rápido
y contratando y capacitando al mejor talento de IA.
Si bien la IA generativa por sí sola tiene
un gran potencial, es probable que sea más
poderosa en combinación con los
humanos, quienes pueden ayudarla a lograr
un trabajo mejor y más rápido.
6 ¿Qué es la IA?
Sin embargo, estos riesgos se pueden mitigar de Para escalar la IA, las organizaciones pueden
varias maneras. Por un lado, es crucial seleccionar hacer tres cambios importantes:
cuidadosamente el datos iniciales utilizados para
entrenar estos modelos para evitar incluir contenido
1. Pase del trabajo en silos al colaboración
tóxico o sesgado. A continuación, en lugar de
interdisciplinaria.
implementar un modelo de IA generativa listo para
Los proyectos de IA no deben limitarse a grupos
usar, las organizaciones podrían considerar el uso de
discretos de organizaciones. Más bien, la IA es
modelos más pequeños y especializados. Las
organizaciones con más recursos también podrían
más efectiva cuando la utilizan diferentes equipos
personalizar un modelo general basado en sus con una gama de talentos variados para ayudar a
propios datos para satisfacer sus necesidades y garantizar que la IA aborde las prioridades
minimizar los sesgos. Las organizaciones también comerciales generales.
deben mantener a un ser humano informado (es
decir, asegurarse de que un ser humano real verifique 2. Empoderar a la primera línea en la toma de
el resultado de un modelo de IA generativa antes de decisiones basada en datos .
publicarlo o usarlo) y evitar el uso de modelos de IA La IA tiene el potencial de permitir decisiones
generativa para decisiones críticas, como aquellas mejores y más rápidas en todos los niveles de
que involucran importantes los recursos o el bienestar una organización. Para poner esto en práctica, los
humano. empleados deben ser capaces de confíe en lo que
sugiere el algoritmo y siéntase capacitado para
¿Cómo pueden las organizaciones actuar en consecuencia.
ampliar sus esfuerzos de IA de
proyectos ad hoc a la integración total? 3. Adopte y refuerce una mentalidad ágil
La mayoría de las organizaciones están sumergiendo La mentalidad ágil de prueba y aprendizaje puede
un dedo del pie en el grupo de IA, no disparando. Es ayudar a los empleados a ver los errores como
probable que el lento progreso hacia la adopción inspiración, disipando el miedo al fracaso y
generalizada se deba a barreras culturales y acelerando el desarrollo.
organizativas. Pero los líderes que derriben estas
barreras de manera efectiva estarán mejor ubicados
para aprovechar la oportunidad de la era de la IA. Y,
lo que es más importante, las empresas que no están
aprovechando al máximo la IA están siendo
superadas por aquellas que sí lo están, en industrias
como la fabricación de automóviles y servicios
financieros.
¿Qué es la IA? 7