Historias & Noticias

En primera persona

“Hay que acumular conocimiento”

El tecnólogo Marcelo Rinesi nos cuenta cómo aprovechar los datos para innovar en los negocios.

“Hay que acumular conocimiento”, dice el tecnólogo Marcelo Rinesi al explicar cómo aprovechar los datos para innovar en los negocios. Bastan diez minutos de su monólogo en las charlas TEDx Talks para darse cuenta de aquello que lo motiva aún más que la inteligencia artificial o los algoritmos: su curiosidad personal. A este correntino de 41 años siempre le atrajo encontrar “herramientas para pensar mejor” (como le gusta decir a él). 

“Mi interés primario sigue siendo el próximo paso, el ‘¿Qué sigue?’ en las posibilidades cognitivas individuales y colectivas”, define Rinesi, científico de datos que desarrolló software y modelos matemáticos para empresas de finanzas, juegos, seguridad, e-commerce y marketing, en Estados Unidos, Europa y América Latina. 

Director de Tecnología del Institute for Ethics and Emerging Technologies, Rinesi además es miembro del Instituto Baikal, donde integra el Proyecto Climatológico de Inversión, una iniciativa para mapear la dinámica conceptual de la subcultura del ecosistema empresarial. “El objetivo no es solo monitorear cuáles son los temas de los que se está hablando en este momento en el mundo de las inversiones, sino entender las dinámicas de cómo cambia. Con herramientas de procesamiento de lenguaje natural es posible obtener los patrones de cambio del uso de diferentes conceptos. Esta es la razón del nombre de la iniciativa: no se trata de clima de inversiones, sino de climatología de inversiones. No acumular datos, sino conocimiento”, se explaya en esta entrevista con Mundo Seguro.

El procesamiento de lenguaje natural (en inglés, natural language processing, NLP) es una rama de la inteligencia artificial que ayuda a las computadoras a entender, interpretar y manipular el lenguaje humano. Toma elementos prestados de muchas disciplinas, incluyendo la ciencia de la computación y la lingüística computacional, buscando cerrar la brecha entre la comunicación humana y el entendimiento de las computadoras.

–¿Cómo se puede aprovechar esa “puja” entre datos y conocimiento a la hora de innovar en los negocios?

–Si sabés de lo que están hablando los inversores, podés hablarles de cosas que les interesan. Si tenés una idea de qué cosas hablarán en un futuro, podés construir de antemano cosas que vayan a querer. Y si entendés cuáles son los puntos ciegos culturales de los inversores, podés explotar ideas en las que no vas a tener competencia. Sin datos, no sabés si lo que estás haciendo está funcionando. Sin un modelo de tu actividad, no sabés si lo que estás haciendo puede funcionar. Y sin un modelo del contexto de tu actividad, no podés crear procesos radicalmente nuevos.

–Con frecuencia decís que en data science suele confundirse la visualización de algo con entender realmente lo que está pasando…

–Es que la visualización o la “historia contada con datos” es el primer paso, pero el objetivo es la construcción de modelos abstractos coherentes de lo que está pasando y de lo que puede pasar, lo que es una actividad más lenta y muchas veces más complicada desde lo institucional, pero profundamente transformadora. 

–¿Qué papel cumple la ética en este juego?

–Idealmente, uno estructural. En la práctica, es más bien un ítem en una checklist. Que se hable de ética en inteligencia artificial ya es un progreso pero, como en lo climático, hay más gestos simbólicos que cambios efectivos.

Aceleración de una tendencia que ya existía

La economía del conocimiento se reinventa constantemente. Sin embargo, Rinesi advierte que, en la actualidad, somos testigos de la aceleración de una tendencia que ya existía: una bifurcación drástica no solo entre actividades sino entre entidades individuales. “Quienes ya venían utilizando herramientas y procesos más avanzados tienen ventajas comparativas que les permiten reinvertir todavía más en esas herramientas, mientras que los que no lo hacían sufren una contracción económica y estratégica más acelerada que los lleva a sub-invertir, perder todavía más competitividad, y seguir así en un ciclo descendente”, señala el especialista. 

–¿En qué radica la diferencia entre estos dos grupos?

–Principalmente, es una decisión cultural y de política interna. Algunas de estas tecnologías requieren recursos humanos o informáticos costosos, pero hay muchos que son extremadamente baratos, sobre todo en instituciones o grupos de bien público. El cuello de botella es el costo político interno y la percepción de que es algo “buenísimo pero para más adelante o para otro contexto”. Cualquier tecnología nueva de procesamiento de información y toma de decisiones implica un cambio en las formas y en el balance del poder dentro de una institución. Esto es algo que, de manera consciente o inconsciente, frena incluso la exploración inicial de oportunidades de mejora. 

–¿Entonces?

–Cuando la estás peleando desde atrás, la única forma de ganar es usar herramientas más nuevas y más extrañas que las de los líderes. No hay que replicar tímidamente y de forma limitada lo que ya hacen. Incluso las empresas y países más avanzados son conservadores en relación a las posibilidades técnicas existentes, pero los países y empresas golpeados por la crisis son todavía más conservadores, y esto lleva a la profundización de la diferencia.

No te pierdas la charla de Marcelo Rinesi en TEDxRíodelaPlata sobre el mundo de los datos:

–¿Cuáles son los modelos de negocios alrededor de la inteligencia artificial?

–Hay una tendencia hacia la concentración. Algunas de las empresas más grandes usan inteligencia artificial de forma más intensiva, lo que les da ventajas competitivas –no solo operativas, sino también en acceso a capital– que pueden explotar de forma sistemática, a la vez que su tamaño les permite desarrollar formas de inteligencia artificial a escala. Al mismo tiempo, aplican inteligencia artificial de formas que tienden a hacer más desigual la distribución de ingresos y control dentro de la misma empresa; es mucho mejor ser dueño de IA que construir IA, y construir IA que trabajar bajo la supervisión de una.

–¿Qué nos espera a mediano plazo?

–Hay una ventana de oportunidad enorme para nuevos actores sociales y económicos que estén dispuestos a utilizar inteligencia artificial de formas creativas e intensivas, y no como agregado decorativo, feature de productos o una “iniciativa de innovación”. Estamos apenas empezando a explotar el potencial de la inteligencia artificial, más limitados por la inercia cultural e institucional que por las posibilidades técnicas. Los eventuales beneficios –económicos, sociales e incluso políticos– de encontrar maneras apropiadas de aprovechar todo este potencial son incalculables.

Para conocer más sobre Marcelo Rinesi, podés ingresar a rinesi.com 

#Innovación #InteligenciaArtificial #Inversiones #negocios #Tecnologia
x