¿Yo Robot?

Una de las variables clave que todo empresario, director, gerente y colaborador debe tomar en cuenta es el impacto de la Inteligencia Artificial en el modelo de negocio. Esta debe ser vista desde la perspectiva de la influencia en la toma de decisión y desde el punto de vista de la automatización de trabajos. En el 2015 en la conferencia internacional de aprendizaje de máquinas, los expertos determinaron que la IA va a reemplazar a los humanos en la traducción de idiomas en el año 2024, escribiendo ensayos para los colegios en el año 2027 y escribiendo libros de alta calidad en el año 2049. De hecho, la subsidiaria Google Deepmind ha desarrollado una maquina capaz de vencer a los humanos en diferentes actividades rutinarias.

En el Perú, algunas empresas están elaborando sus planes estratégicos apoyados en la IA (por la gran cantidad de datos que  manejan) y gracias a esta toman decisiones más acertadas. En el estado los funcionarios deberían comenzar a incorporar la IA a la implementación de estrategias para dinamizar los diferentes sectores. La cantidad de datos que la inteligencia artificial provee a los tomadores de decisiones es inmensa, las maquinas miran y procesan millones de patrones mientras los humanos solo consideran uno (Moore, 2016).  De acuerdo con (Hoffman, 2016) la inteligencia artificial procesa y manipula una enorme cantidad de data que el cerebro humano sería incapaz de llegar a alcanzar. En la investigación de Reeves y Ueda (2016) se concluyó que la colaboración entre las capacidades tecnológicas y las habilidades humanas serian el factor de éxito en el trabajo estratégico.

Soporte de Decisión

Cuando nos referimos al soporte de decisión de la Inteligencia artificial tenemos que enfocarnos en como la tecnología puede soportar la toma de decisiones. El trabajo asistido por computadoras es la base de la toma de decisiones y soporta la orientación de estas (Bonczek, Holsapple, & Whinston, 1979). En este campo la investigación se centro en entender la dimensión del soporte asistido por computadoras a diversas fases del proceso estratégico, principalmente a la etapa de implementación (Sabherwal & Grover, 1989). Además, la importancia de la inteligencia artificial para mejorar los sistemas de apoyo a las decisiones, así como su aporte a la investigación de las ciencias de la decisión (Hess, Rees, & Rakes, 2000).

Elección Compleja y Decisión de Delegación  

 La literatura existente sobre la decisión de delegación en el contexto corporativo esta limitada al concepto de trabajo (Leana, 1986). En el nivel individual, la decisión de delegar ha sido analizada desde el punto de vista de la decisión estratégica del contexto, así como la ejecución de las elecciones (Charles, Whelan, Gafni, Reyno, & Redko, 1998; Degner & Sloan, 1992; Kenny, Quine, Shiell, & Cameron, 1999). La investigación demostró que cuando las personas tienen que tomar decisiones, prefieren ejecutar la elección en lugar de delegarla (Botti & Iyengar, 2004).

 Por otro lado, si la decisión es compleja las personas evitan tomarla porque no quieren asumir la responsabilidad si algo sale mal (Anderson, 2013). La complejidad percibida disminuye la confianza de las personas para tomar decisiones (Steffel & Williams, 2015). En conclusión, las personas se preocupan por no experimentar sentimientos de arrepentimiento, culpa o frustración al momento de tomar decisiones.

Inteligencia Artificial en la toma de decisión en la contratación en sectores de la economía.

Sin duda, la inteligencia artificial es una herramienta potente para que los gerentes tomen mejores decisiones. En un futuro no muy lejano esta determinará a quien contratar en un trabajo y la decisión estará apoyada en el grado de automatización del puesto. A continuación se muestran algunos trabajos que serán reemplazados junto a su porcentaje de automatización: 

Producción de Comida: 81 %

Administrativos : 60%

Transporte: 55%

Venta: 43%

Abogados: 38%

Educación: 18%

Empresarios: 14%

Fuente:“Automation and Artificial Intelligence: How Machines Are Affecting People and Places,” by Mark Muro, Robert Maxim, and Jacob Whiton (Metropolitan Policy Program at Brookings, 2019).

Referencias

Anderson, C. J. (2003). The psychology of doing nothing: Forms of decision
avoidance result from reason and emotion. Psychological Bulletin,
129(1), 129–167.

Bonczek, R. H., Holsapple, C. W., & Whinston, A. B. (1980b). The evolving
roles of models in decision support systems. Decision Sciences, 11(2),
337–356. https://doi.org/10.1111/j.1540‐5915.1980.tb01143.x

Botti, S., & Iyengar, S. S. (2004). The psychological pleasure and pain of
choosing: When people prefer choosing at the cost of subsequent outcome
satisfaction. Journal of Personality and Social Psychology, 87,
312–326. https://doi.org/10.1037/0022‐3514.87.3.312

Charles, C., Whelan, T., Gafni, A., Reyno, L., & Redko, C. (1998). Doing
nothing is no choice: Lay constructions of treatment decision‐making
among women with early‐stage breast cancer. Sociology of Health & Illness,
20(1), 71.95.

Degner, L. F., & Sloan, J. A. (1992). Decision making during serious illness:
What role do patients really want to play? Journal of Clinical Epidemiology,
45, 941–950. https://doi.org/10.1016/0895‐4356(92)90110‐9

Hess, T. J., Rees, L. P., & Rakes, T. R. (2000). Using autonomous software
agents to create the next generation of decision support systems. Decision
Sciences, 31(1), 1–31. https://doi.org/10.1111/j.1540‐5915.2000.
tb00922.x

Hoffman, R. (2016). Using artificial intelligence to set information free. MIT
Sloan Management Review, 58(1), 14–17.

Leana, C. R. (1986). Predictors and consequences of delegation. Academy
of Management Journal, 29, 754–774.

Moore, A. W. (2016). Predicting a future where the future is routinely predicted.
MIT Sloan Management Review, 58(1), 12–13.

Reeves, M., & Ueda, D. (2016). Designing the machines that will design
strategy. Harvard Business Review Digital Articles, 2–6.

Sabherwal, R., & Grover, V. (1989). Computer support for strategic decision‐
making processes: Review and analysis. Decision Sciences, 20(1),
54–76. https://doi.org/10.1111/j.1540‐5915.1989.tb01397.x

Steffel, M., & Williams, E. F. (2015). Empowering patients to be consumes
of their own medical care: Increasing the subjective ease of medical
SCHNEIDER AND LEYER decisions inceases patient participation. Working Paper, Northeastern
University, Boston, MA.