Desde las soluciones de transporte hasta las aplicaciones de streaming de vídeo, la inteligencia artificial (IA) permea casi todos los aspectos de nuestra vida. Esto incluye al gobierno, donde la IA tiene un impacto cada vez mayor. Consideremos los dos ejemplos siguientes:
Chatbot Emma: Los Servicios de Ciudadanía e Inmigración de Estados Unidos reciben a diario una cantidad considerable de solicitudes de servicio. En respuesta, se desplegó un chatbot llamado Emma para atender consultas sobre inmigración. Emma, que puede operar tanto en inglés como en español, gestiona más de un millón de consultas sobre inmigración al mes.
Marco Firebird: Desarrollado conjuntamente por Georgia Tech y el Departamento de Bomberos y Rescate de Atlanta, Firebird ayuda a la ciudad de Atlanta a priorizar los edificios que deben inspeccionarse según su riesgo de incendio.
La adopción generalizada de la IA ha sido más lenta en el gobierno que en el sector privado. Dada la magnitud del impacto que la IA podría tener en las entidades públicas, es importante comprender los obstáculos que se interponen en la adopción sistémica de la IA por parte del gobierno.
Tras una amplia consulta a las partes interesadas, hemos identificado cinco barreras clave para la adopción de la IA en el gobierno:
1. Uso eficaz de los datos
Vivimos en un mundo digital y cada día dejamos un rastro de datos digitales, desde el recuento de pasos hasta los patrones de navegación por internet. IBM estimó en 2017 que el 90 % de los datos del mundo se habían generado en los dos años anteriores. El problema es que nuestras organizaciones, tanto públicas como privadas, no fueron creadas para gestionar y aprovechar este volumen y variedad de datos. La mayoría de las organizaciones tienen una comprensión muy rudimentaria de sus activos de datos (es decir, los datos que poseen y la infraestructura que los almacena), y tratar de responder incluso a preguntas básicas, como cuántas bases de datos existen dentro de la organización, qué base de datos contiene qué información o cómo se recopilan los datos en primer lugar, puede resultar complicado. Se trata de un problema importante, dado que los datos son el combustible que impulsa las soluciones de IA modernas.
Un obstáculo paralelo es que la mayoría de las organizaciones no cuentan con procesos de gobernanza de datos, como propietarios de datos establecidos, un responsable de datos a nivel empresarial, como un director de datos (Chief Data Officer); herramientas que permitan a sus empleados acceder de forma segura y eficiente a los datos empresariales y aprovecharlos, ni prácticas para gestionar y garantizar la privacidad e integridad de los datos. Las organizaciones que no poseen las capacidades para comprender y gestionar sus datos no pueden aprovechar la IA.
2. Habilidades en datos e IA
Las habilidades en IA y gestión de datos escasean. Aunque la curva de aprendizaje de la gestión de datos es relativamente superable, adquirir las competencias necesarias para desarrollar soluciones de IA es mucho más difícil. Las organizaciones otorgan un valor especial a la captación de talento en IA de alto nivel, lo que eleva las remuneraciones y dificulta que las organizaciones con presupuestos de contratación más reducidos, como el gobierno, atraigan a los mejores candidatos. Las agencias públicas carecen de las habilidades básicas en IA, lo que dificulta su capacidad para desplegar y operar soluciones de IA.
Además, el personal gubernamental que desempeña funciones no técnicas, como directores de departamento, responsables de políticas y funcionarios de contratación pública, no siempre tiene suficiente comprensión de los datos y la IA. Esto incluye el conocimiento técnico y, lo que es más importante, el conocimiento de las implicaciones legales y éticas del uso de grandes cantidades de datos, donde la principal preocupación es la privacidad. Esto les dificulta sentirse cómodos invirtiendo en la tecnología o conocer las leyes vigentes que afectan directamente a los proyectos de IA, como la legislación sobre datos y privacidad.
Emprender proyectos de IA sin una comprensión plena de las leyes locales aplicables amenaza los derechos de los ciudadanos, como la privacidad, así como la capacidad a largo plazo del gobierno para desplegar la IA con el pleno respaldo de la sociedad. Esto puede tener un efecto tan grande en la contratación de IA como la falta de competencias técnicas en IA.
Las agencias gubernamentales que sí cuentan con conocimientos internos de IA se enfrentan a una complejidad adicional: la falta de comunicación. Los silos entre funciones dificultan que los recursos de IA y sus colegas, como los responsables de políticas, mantengan contactos frecuentes y aprovechen plenamente los conocimientos mutuos.
3. El entorno de la IA
El panorama de la IA es muy complejo y está en constante evolución. En sectores tecnológicos más consolidados existen unos pocos actores muy conocidos, de modo que los compradores saben a dónde acudir. Por ejemplo, el mercado de la nube está dominado por Alibaba, Amazon, Google y Microsoft, que en conjunto representan aproximadamente el 84 % del mercado mundial de la nube pública. En cambio, el mercado de la IA, en el que también tienen una presencia significativa los grandes gigantes tecnológicos, está más fragmentado y en él surgen continuamente numerosas pequeñas empresas. Consideremos el entorno canadiense de la IA: un estudio de 2019 realizado por Deloitte Canadá identificó más de 800 empresas de IA. De ellas, la mayoría tenía menos de 50 empleados y más del 50 % se había fundado en los últimos cinco años. El número de actores y la velocidad de cambio del mercado de la IA son lo bastante grandes como para obstaculizar potencialmente a un comprador que se incorpora por primera vez a este mercado. Muchos compradores quizá ni siquiera conozcan el panorama completo.
Esta diversidad de actores en el sistema se debe a las numerosas startups de IA que han surgido en múltiples regiones. Esto representa un segundo desafío para el gobierno: existe una cantidad considerable de conocimientos sobre IA en organizaciones pequeñas y más recientes, que tienen experiencia limitada en la colaboración con el gobierno y dificultades para escalar en proyectos de gran envergadura. Los gobiernos deben encontrar formas de involucrar a estos nuevos actores, tanto para aprovechar su considerable experiencia como para fomentar el crecimiento de centros industriales de IA que puedan contribuir de manera significativa a la economía local.
4. Cultura heredada
Todas las organizaciones enfrentan desafíos al adoptar nuevas tecnologías. Sin embargo, las entidades públicas tienden a ser menos ágiles que sus homólogas del sector privado, en parte debido a sus prácticas y procesos consolidados. En algunos sectores privados, una cultura sólida de experimentación anima a los empleados a innovar y se recompensa el buen desempeño. En el gobierno, puede haber menos incentivos para que los empleados asuman riesgos.
Como señala un artículo de Apolitical, : «Los incentivos gubernamentales para asumir riesgos, por su parte, no existen realmente. Si logras una mejora importante en la prestación de servicios, no recibes un aumento de remuneración ni un ascenso más rápido».
Aunque muchos empleados públicos derivan gran parte de su satisfacción laboral de la oportunidad de impactar positivamente en la sociedad, más que de la compensación económica, puede resultar difícil adoptar una tecnología transformadora como la IA si la agilidad no es inherente a la cultura de la organización.
5. Mecanismos de contratación pública
La IA plantea desafíos que los mecanismos de contratación actuales no abordan; por ejemplo, el sector privado trata los algoritmos como propiedad intelectual. Los gobiernos que adquieren algoritmos listos para usar pueden querer entenderlos y modificarlos según sea necesario a lo largo del ciclo de vida de la herramienta, ya que la personalización es muy habitual en la contratación de software, pero es probable que los proveedores de IA se opongan a ello.
Un debate paralelo es la imposibilidad del gobierno de evitar la dependencia de un proveedor cuando los algoritmos se tratan como propiedad intelectual, dado que el proveedor original muy probablemente no consentiría que otros desarrolladores de IA accedieran a su algoritmo. En la mayoría de las tecnologías, esto afecta al mantenimiento, pero en el caso de la IA también repercute en la capacidad del gobierno para actualizar continuamente el algoritmo con nuevos datos a fin de mantenerlo relevante, lo que afecta significativamente a su vida útil.
¿Qué está haciendo el Foro Económico Mundial en relación con la Cuarta Revolución Industrial?
El Centro para Tecnologías de Frontera e Innovación reúne a científicos, responsables de políticas y líderes empresariales para comprender las tecnologías emergentes y sus implicaciones en el mundo real.
Al facilitar la colaboración y la experimentación, el Centro ayuda a los socios a convertir la innovación procedente de la investigación en aplicaciones prácticas que abordan desafíos globales compartidos.
Además, los mecanismos de contratación pública son conocidos por ser lentos y complicados. Entre los obstáculos habituales se encuentran las condiciones extensas, los largos plazos de espera desde la presentación de la oferta en respuesta a la licitación hasta la decisión final, y las propuestas que exigen soluciones específicas en lugar de centrarse en el desafío u oportunidad en cuestión. Estos factores dificultan que los proveedores respondan, especialmente las pequeñas empresas. Por ejemplo, los largos plazos de espera dificultan enormemente que las pequeñas empresas se comprometan con futuras necesidades de personal, ya que normalmente necesitan asignar recursos a proyectos en cuanto surge uno disponible para mantener un flujo de caja positivo.
El gobierno enfrenta desafíos significativos para la adopción generalizada de la IA. Contrariamente a la creencia popular de que la tecnología es el principal obstáculo, los desafíos técnicos son solo una parte de la tarea y son la parte más sencilla de abordar. La cultura y los procesos, arraigados en las organizaciones, también necesitan ajustes antes de que la IA pueda explotarse plenamente.
