Por Henrique Schneider en GIS Report
La predicción basada en IA es una bendición para la toma de decisiones humanas que mejorará la productividad, los ingresos y la calidad de vida.
La principal preocupación de la economía clásica giraba en torno a cómo la especialización y el intercambio mejoran la vida humana. Una de las principales ventajas de la inteligencia artificial (IA) radica en permitir una mayor especialización y división del trabajo. La IA procesa datos para predecir y los humanos usan las predicciones para tomar decisiones.
Desempaquemos este fenómeno ahora.
Humanos y tecnología
Los economistas de la primera generación, o clásicos, estaban particularmente preocupados por cómo la división del trabajo según las líneas de especialización elegida libremente permite que las personas se beneficien de una cadena de creación de valor en toda la sociedad. El padre de la economía moderna, Adam Smith (1723-1790) estableció que la especialización impulsa los excedentes y la innovación. David Ricardo (1772-1823) identificó cómo incluso los miembros menos productivos de la sociedad podrían beneficiarse de la especialización. E incluso el enojado Karl Marx (1818-1883) vio la ventaja de la división del trabajo. Su reparo erróneo fue que el capitalista retuviera los beneficios de la división del trabajo en lugar de permitir que fluyeran hacia el trabajador especializado.
La especialización, sin embargo, no está restringida a los humanos. Cuanto más impregna la tecnología el intercambio económico, mayor es la división del trabajo entre los humanos y la tecnología. En lugar de tejer a mano, la mayoría de los productores textiles utilizan maquinaria para esa tarea. La máquina fabrica la tela que ha sido diseñada y fabricada por personas. En lugar de hacer cálculos arduos nosotros mismos, dejamos que la calculadora realice la aritmética de modelos concebidos por humanos. La Terminal Bloomberg liberó al analista humano de escribir citas en una pizarra para poder concentrarse en decidir cómo invertir. En resumen, utilizar la tecnología se trata de encontrar su empleo especializado a lo largo de la cadena de creación de valor.
La tecnología es cada vez más barata de usar, lo que la hace cada vez más significativa económicamente.
La tecnología mejora la división del trabajo entre humanos y máquinas. Permite que cada uno se especialice aún más en lo que mejor sabe hacer. Y esto viene al mayor beneficio para los humanos. Esta división del trabajo les permite crear novedades, producir más bienes y aumentar la calidad. Al permitir que las personas se concentren en lo que individualmente hacen mejor, la especialización y la división del trabajo mejoran su productividad y, junto con ella, sus ingresos y la calidad de vida.
Haciendo la predicción más barata
¿Cómo encaja la IA en esta imagen? A medida que bajaban los precios de las máquinas de tejer, las calculadoras y las computadoras, se incorporaron a la división del trabajo. Lo mismo está sucediendo con la IA. La tecnología es cada vez más barata de usar, lo que la hace cada vez más significativa económicamente. Y si bien la IA está progresando en diferentes aplicaciones , es especialmente destacada en un área: la realización de predicciones.
Actualmente, predecir es costoso porque implica recopilar una enorme cantidad de datos, analizarlos, identificar patrones y calcular posibilidades. Pero, a medida que la IA se emplea cada vez más para realizar exactamente estas tareas , la predicción se vuelve menos ardua y menos costosa. En un círculo virtuoso, la IA se está abaratando. Si la predicción se vuelve más barata a través de la IA, el alcance de su uso se ampliará y su uso se intensificará.
La predicción es el proceso de completar la información que falta. Utiliza los datos disponibles para encontrar patrones para generar nueva información y calcular las probabilidades de que estos patrones se repitan o cambien. La predicción se utiliza para tareas tradicionales, como la gestión de inventario y la previsión de la demanda. Más significativamente, debido a que se está volviendo más barato, se está utilizando para tareas que hasta hace poco no eran problemas de predicción, como conducir, traducir o atención médica.
La caída en el costo de la predicción de IA influirá en el valor de otras cosas. Una IA más barata aumenta el valor de complementos como los datos, el juicio y la acción y disminuye el valor de sus sustitutos (predicción humana).
Predicción de IA
Las máquinas y los humanos tienen distintas fortalezas y debilidades en el contexto de la predicción. Los seres humanos, incluidos los expertos profesionales, hacen malas predicciones bajo ciertas condiciones: a menudo sobrevaloran la información más destacada y no tienen en cuenta las propiedades estadísticas. A medida que las máquinas de predicción mejoren y se vuelvan más baratas, es probable que las empresas ajusten la división del trabajo entre humanos y máquinas en respuesta.
Las máquinas de predicción son mejores que los humanos para tener en cuenta interacciones complejas entre diferentes indicadores, especialmente en entornos con datos ricos. A medida que crece el número de dimensiones para tales interacciones, la capacidad de los humanos para hacer predicciones precisas disminuye, especialmente en comparación con las máquinas. Sin embargo, los humanos a menudo son mejores que las máquinas cuando su comprensión del proceso de generación de datos les confiere una ventaja de predicción, especialmente en entornos con datos limitados. Los humanos manejan mejor la incertidumbre y son significativamente mejores para tomar decisiones basadas en predicciones.
A medida que las máquinas de predicción hagan predicciones cada vez mejores, más rápidas y más baratas, el valor del juicio humano aumentará.
Por lo tanto, la especialización de IA en predicción es valiosa porque a menudo puede producir predicciones mejores, más rápidas y más baratas que los humanos. La predicción es un ingrediente crucial en la toma de decisiones en condiciones de incertidumbre, y la toma de decisiones es omnipresente en la economía y la vida social. Sin embargo, una predicción no es una decisión, solo un componente de decisión, y otro componente crucial es el juicio. Y aquí radica la ventaja de lo humano, y por lo tanto, su área de especialización, el juicio humano.
Ayuda a desglosar una decisión en sus componentes para comprender mejor el impacto de las máquinas de predicción en el valor de los humanos y otros activos. El valor de los sustitutos de las máquinas de predicción, es decir, la predicción humana, disminuirá. Sin embargo, aumentará el valor de los complementos para hacer predicciones, como las habilidades de juicio humano.
El juicio implica determinar el pago relativo asociado con cada posible resultado de decisión, incluidos los asociados con una decisión correcta y los asociados con errores. El juicio requiere especificar el objetivo que se persigue y es un paso necesario en la toma de decisiones. A medida que las máquinas de predicción hacen predicciones cada vez mejores, más rápidas y más baratas, el valor del juicio humano aumentará porque la sociedad necesitará más y lo valorará mejor, o le costará más. Los seres humanos pueden estar más dispuestos a esforzarse y aplicar el juicio a los casos en los que previamente se abstuvieron de decidir (por ejemplo, al aceptar la situación o el entorno predeterminado).
Lo más probable es que la calidad de la predicción de IA aumente más rápido de lo que baja su precio.
¿Por qué los humanos juzgan mejor que la IA? Si bien la máquina puede dar cuenta de más datos y, por lo tanto, más patrones para hacer una predicción, el ser humano tiene una intuición. Los agentes humanos pueden lidiar con las brechas en un conjunto de datos y llenar esas brechas en función de la intuición, y ninguna IA puede hacer eso. Además, los humanos son buenos para tratar y responder a «incógnitas desconocidas» o «cisnes negros». Podría decirse que este conjunto de habilidades proviene de dos fuentes diferentes. Primero, los humanos ven la incertidumbre como un recurso o una oportunidad que conduce a oportunidades. En segundo lugar, los seres humanos deben asumir la responsabilidad de sus juicios, que perfeccionan su capacidad de toma de decisiones.
Resumen
La IA se considera mejor en términos de cómo se usa y lo que hace en lugar de lo que es. Actualmente, la predicción es una de sus aplicaciones más vitales. Cuanto más baratas se vuelvan las predicciones de IA, y cuantas más y mejores predicciones de IA se hagan, más agentes económicos podrán utilizar la tecnología como activo. Podría emplearse en tareas especializadas en la elaboración de predicciones, lo que libera a los humanos para especializarse en actividades de juicio y toma de decisiones. Esta incorporación de IA en una cadena de creación de valor, utilizando su especialización y división del trabajo con humanos, es ampliamente beneficiosa.
Al permitir que el ser humano se concentre en lo que hace mejor, la IA especializada en predicción aumenta la eficacia y la eficiencia humanas y, como resultado, los ingresos y la calidad de vida .
Escenarios
De este razonamiento surgen cuatro escenarios amplios.
El primer escenario base
AI continúa aumentando sus capacidades de predicción, haciéndolas mejores y más baratas. Este resultado podría esperarse si continúan las tendencias actuales de inversión e investigación relacionadas con la IA. Lo más probable es que la calidad de la predicción de IA aumente más rápido de lo que baja su precio. Como resultado, se podría esperar una menor tasa de adopción de la predicción de IA entre los agentes económicos que la tasa de aumento de la capacidad de la tecnología.
El segundo escenario
Este escenario se basa en el primero. Bajo este guión, la economía incorporará la IA en diversas actividades, aumentando el grado de especialización. Las máquinas se especializarán en hacer predicciones y los humanos se especializarán en emitir juicios y tomar decisiones. La toma de decisiones humana será mejor y más valiosa con la mayor división del trabajo dentro de esta alianza. Además, la demanda crecerá. Probablemente, los aumentos en la calidad de la toma de decisiones serán más rápidos que el crecimiento de su valoración. ¿Bajo qué condiciones podría materializarse este escenario? Depende del grado de libertad que tendrán las economías y los empresarios individuales para desarrollar e implementar la tecnología.
El tercer escenario
Este también se basa en el primero. Pero admite que, al menos en el corto o mediano plazo, la especialización y la división del trabajo podrían no ocurrir. Puede haber diferentes razones para esto. Si los agentes económicos perciben la IA como una amenaza en lugar de un activo, pueden intentar competir contra ella. En lugar de permitir la especialización según las diferentes ventajas, los humanos dirigirían sus habilidades a tareas menos productivas, como la recopilación de datos y la predicción. Otra posible razón para este escenario sería la regulación que impide el uso de IA o limita sus funciones. El tercer desencadenante de este escenario también sería la prohibición o disminución de la regulación económica del uso de la IA. Por ejemplo, al no permitir que los inversionistas lo financien o retengan los ingresos de su uso.
El cuarto escenario
Este escenario no se relaciona con ninguno de los tres anteriores. Aquí, el enfoque de la IA cambia por completo y se aleja de la predicción hacia alguna aplicación diferente, por ejemplo, sensores o robótica. En este escenario, la IA aún puede ser utilizada en beneficio o desventaja de los agentes económicos; La IA podría incluso conducir a la especialización y la división del trabajo. Pero en esta variante, la especialización no se produciría en la línea de la predicción de las máquinas y la decisión humana, sino que sería el resultado de otras aplicaciones. Del mismo modo, en este escenario, existe un potencial alcista y bajista. El cuarto escenario podría materializarse si los retornos de la predicción caen considerablemente o si otros usos de la IA se abaratan más rápido, haciendo que estos usos encajen más fácilmente en la cadena de valor agregado.
Henrique Schneider es el economista jefe de la Federación Suiza de Pequeñas y Medianas Empresas, así como profesor de economía en la universidad de ciencias aplicadas Nordakademie en Alemania. Es miembro de varias juntas no ejecutivas en Suiza, Asia y a nivel de las Naciones Unidas.