Aplicación de la inteligencia artificial para alcanzar los Objetivos de Desarrollo Sostenible de las Naciones Unidas

La inteligencia artificial tiene el potencial de transformar las actividades estratégicas y operativas de una organización para generar valor. Pero las organizaciones deben generar los algoritmos de IA más eficientes para un problema particular para hacerla sostenible. ¿Cómo puede aplicarse la IA para alcanzar los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas?

La IA tiene como objetivo simular la inteligencia humana y realizar tareas que normalmente requerirían inteligencia humana para completar. La IA imita a los humanos, y se ha categorizado por tipo según sus capacidades y sus funcionalidades.

Las capacidades hacen referencia a las habilidades generales que posee un sistema de IA. Estas habilidades suelen estar relacionadas con funciones cognitivas como pensar, aprender y resolver problemas. Las capacidades de un sistema de IA determinan qué tareas puede realizar y qué tan bien puede realizarlas.

Las funcionalidades hacen referencia a las tareas o aplicaciones que un sistema de IA puede realizar. Estas tareas suelen estar relacionadas con un campo particular, como el procesamiento del lenguaje natural, el reconocimiento de imágenes o la conducción autónoma. Las funcionalidades de un sistema de IA determinan las formas específicas en las que puede utilizarse.

Existen tres tipos de capacidades:

Está diseñada para realizar una tarea específica. Estos sistemas de IA están construidos para lograr un trabajo particular y no tienen la capacidad de realizar tareas más allá de esa. Por ejemplo, Siri y Alexa están diseñados para realizar tareas específicas como programar citas o proporcionar actualizaciones del clima.

Está diseñada para realizar cualquier tarea intelectual que pueda hacer un ser humano. Estos sistemas de IA pueden aprender y adaptarse a nuevas situaciones y pueden realizar tareas para las que no han sido diseñados específicamente.

Es más inteligente que los seres humanos. Estos sistemas de IA serían capaces de realizar tareas que están más allá de la inteligencia humana, como resolver problemas matemáticos complejos o hacer predicciones sobre el futuro.

Existen cuatro tipos de funcionalidades:

No tiene la capacidad de aprender a partir de experiencias pasadas. Este tipo de funcionalidad se basa en la entrada actual para tomar decisiones y no almacena ninguna memoria. Estos sistemas se utilizan comúnmente en juegos, donde la IA debe reaccionar rápidamente a las acciones del usuario. No puede planificar ni hacer predicciones sobre el futuro basándose en datos anteriores. Ejemplos de esto son la computadora de ajedrez Deep Blue de IBM y AlphaGo de Google.

Es una extensión de la IA reactiva, con la capacidad adicional de aprender a partir de experiencias previas. Puede almacenar datos limitados de experiencias pasadas que se utilizan para tomar decisiones actuales, por ejemplo, automóviles autónomos que evitan obstáculos o reconocen señales de tráfico basándose en experiencias anteriores. Pero la IA con memoria limitada no tiene la capacidad de planificar ni hacer predicciones.

Puede comprender emociones y pensar como los humanos. Puede reconocer emociones humanas, como la ira o la felicidad, y puede adaptar su comportamiento en consecuencia.

Tiene un nivel de conciencia. Es consciente de su propia existencia y puede comprender el impacto de sus acciones en el mundo que le rodea.

Uno de los mayores desafíos del uso de la IA es el desarrollo de una estrategia de IA. Muchas organizaciones tienen una comprensión incompleta o poco clara de la IA en cuanto a cómo puede aplicarse a sus estrategias comerciales y actividades operativas. Por lo tanto, toman malas decisiones al seleccionar las herramientas de IA adecuadas para sus necesidades específicas. Además, las empresas tienen dificultades para definir objetivos claros relacionados con sus iniciativas de IA, lo que puede llevar a resultados pobres o un proyecto fallido.

Las organizaciones deben invertir tiempo y recursos para desarrollar una estrategia de IA robusta que defina claramente los objetivos, evalúe los riesgos y desafíos potenciales y seleccione las herramientas y tecnologías adecuadas que se alineen con sus necesidades comerciales. Los sistemas de IA son tan buenos como los datos en los que se entrenan, y si los datos son sesgados, el sistema de IA también será sesgado. Esto puede tener implicaciones serias, como desigualdades sociales y económicas o discriminación contra ciertos grupos de personas.

Para abordar el sesgo en la IA, las organizaciones deben entrenar los sistemas de IA en conjuntos de datos no sesgados y diversos. Esto puede incluir la implementación de medidas de transparencia y responsabilidad algorítmica, como la supervisión del rendimiento de los sistemas de IA y la realización de auditorías regulares. Para tener una IA sostenible, las organizaciones deben considerar los desafíos de sostenibilidad cuando adoptan la IA. Los sistemas de IA consumen una energía significativa, y la potencia de procesamiento requerida para ejecutar estos sistemas puede tener un impacto significativo en el medio ambiente. Además, la fabricación y eliminación del hardware de IA puede contribuir a la contaminación ambiental.

Para promover una IA sostenible, las organizaciones deben tomar medidas para reducir el consumo de energía de sus sistemas de IA mediante la optimización de algoritmos y diseños de hardware. Además, las organizaciones deben considerar el impacto ambiental de todo el ciclo de vida de la IA, desde la fabricación del hardware hasta la eliminación de productos al final de su vida útil. El "análisis huérfano" ocurre cuando un sistema de IA se desarrolla y entrena para una tarea específica pero luego no logra integrarse con el resto de la infraestructura analítica de la organización. Esto conduce a un desperdicio de recursos y resultados pobres, ya que las ideas generadas por el sistema de IA no se utilizan eficazmente por la organización.

Para evitar el análisis huérfano, las organizaciones deben asegurarse de que sus sistemas de IA se desarrollen teniendo en cuenta la infraestructura analítica más amplia. Esto incluye la integración de herramientas y tecnologías de IA con fuentes de datos existentes y plataformas analíticas, y proporcionar canales claros de comunicación entre los desarrolladores de IA y otras partes interesadas.

Éticamente, la adopción de IA debe seguir requisitos regulatorios que reflejen las expectativas de la sociedad. La evidencia de la comunidad académica y la discusión entre responsables de políticas y empresas sugieren la necesidad de desarrollar estrategias de IA para hacerla sostenible. Es posible una mayor adaptabilidad de la IA cuando las estrategias se centran en la IA sostenible y su aplicación para alcanzar objetivos de sostenibilidad. Además, cuando cualquier empresa adopta la estrategia regional o nacional de IA para oportunidades futuras de desarrollo sostenible de la empresa, debe evitar cuidadosamente el sesgo en la modelización, el entrenamiento de datos y el uso de datos para aumentar la confianza entre sus partes interesadas y generar valor mediante la introducción de una IA inclusiva.

La IA puede acceder y procesar datos costosos a alta velocidad para los negocios. La visualización eficiente de datos reduce la repetición de algoritmos similares, las herramientas analíticas diagnósticas reducen la asimetría de información y el entrenamiento ético de datos, y por tanto, reducen la huella de carbono. Una herramienta analítica prescriptiva aumenta la confianza entre los usuarios de un ecosistema ágil de IA y puede hacerla altamente sostenible y preparada para alcanzar sus ODS. Recuerde que la estrategia empresarial de una organización debe centrarse en una IA sostenible y que los reguladores deben permitir que las empresas utilicen solo una IA sostenible para alcanzar los ODS.