Tabla de contenidos
Fue a finales del siglo XVIII cuando las máquinas de vapor tuvieron un auge exponencial en la bien conocida revolución industrial. Es en el siglo XXI cuando las máquinas de aprendizaje toman el protagonismo en la era de la inteligencia artificial. En muchas industrias hemos visto cómo actúa esta tecnología a su favor, desde ChatGPT hasta otras herramientas, pero ¿cómo funciona la inteligencia artificial para el área del capital humano?
En los recientes años, la adopción de la IA por la industria se ha dado de forma exponencial. Y es que al día de hoy ya interactuamos con modelos de inteligencia artificial en los diversos ámbitos de nuestras vidas. Desde sistemas de recomendación, modelos de visión por computadora, procesamiento del lenguaje natural hasta autos autónomos.
Cada vez son más las empresas e industrias que incluyen tecnología
Tal ha sido el crecimiento y la adopción de la inteligencia artificial en las diferentes industrias que cada vez más empresas buscan adaptar sus procesos a un esquema basado en modelos de máquinas de aprendizaje y/o aprendizaje profundo.
Para automatizar muchos de sus procesos y así poder ahorrar tiempo y dinero. Algunas empresas han volcado su modelo de negocio a una estructura en donde la IA es la base.
Por ejemplo, el sector bancario y financiero que ha implementado modelos de inteligencia artificial para automatizar procesos y tomas de decisiones. Consiguiendo que los algoritmos y la inteligencia artificial funcione a su favor, investigando a la persona que esté solicitando un préstamo o un crédito.
Esto ha ayudado tanto a los usuarios como a las empresas financieras para conocer respuestas mucho más acertadas y rápidas.
Sin embargo, dado que la inteligencia artificial ha tomado un papel muy importante en la toma de decisiones automatizadas. Emerge la interrogante ¿qué tanto se debería confiar en los modelos de inteligencia artificial?
En otras palabras, ¿qué determina que la predicción arrojada por un modelo de inteligencia artificial sea confiable? Sin duda son interrogantes que no son fácil de responder.
¿Cómo funciona la IA y qué incluye en su modelo?
Para saber cómo funciona la inteligencia artificial, pero debes saber que a grandes rasgos, un modelo de inteligencia artificial tiene 2 ingredientes esenciales, los datos y el algoritmo. Empecemos por los datos que determinan cómo será el dominio del aprendizaje del modelo, los cuales son una muestra representativa del problema que se quiere resolver.
Por otra parte, el algoritmo es el proceso mediante el cual se extrae información determinada por los datos, el cual, a través de un proceso iterativo (repetitivo), genera un aprendizaje (o sea un patrón de aprendizaje). No obstante, se dice que cuando un modelo de inteligencia artificial no es interpretable, es un modelo explicable o mejor conocido como una caja negra.
¿Qué son los modelos de Machine Learning?
Debes conocer este punto muy importante, hasta el momento existen 4 tipos de modelos de Machine Learning. Esto es la manera en la que un algoritmo y absorción de datos aprende, los cuales son:
- Aprendizaje supervisado.
- Aprendizaje no supervisado.
- Aprendizaje de refuerzo.
- Deep Learning.
Cualquiera de estos cuatro los conoceremos como modelos, que pueden ser explicables o interpretables.
¿Qué es una caja negra?
Los modelos explicables o caja negra, son aquellos modelos que requieren de técnicas externas al algoritmo de IA para poder ser interpretados, tales como LIME y Shapely Values. Por otra parte, los modelos interpretables son aquellos que por sí mismos exponen explícitamente cómo se llegó a una predicción determinada.
La tecnología en el área de recursos humanos
En la era de la inteligencia artificial, las predicciones acertadas ya no son la única demanda. La interpretación de los modelos se ha vuelto un requerimiento fundamental dado el valor que aporta en la toma de decisiones y en el entendimiento del problema.
Entonces, la forma en la que funciona la inteligencia artificial para el área de Recursos Humanos, debemos plantearnos la siguiente pregunta:
¿Cómo saber o establecer qué factores determinan si a una persona puede ser el aplicante ideal o candidato erroneo para contratarlo?
Hasta el momento, es importante destacar que los modelos interpretables por naturaleza (que son los que constituyen los árboles de decisión, regresión lineal, etc.), podrían aportar mayor información sobre los factores que influyen más o menos en la predicción final de un buen candidato, a comparación de los modelos explicables (o cajas negras).
Sin embargo, los modelos interpretables suelen ser menos efectivos. Esto es debido a la cantidad de información y patronaje que debe seguir el algoritmo y por ello, en ocasiones requiere del criterio humano para saber si es el correcto o no.
Por otro lado, en las predicciones de las cajas negras, podemos decir que actúan con mayor exactitud, debido a que tienen mayor aprendizaje a detalle.
Finalmente, la interpretación de los modelos de inteligencia artificial es un problema abierto, que sigue en discusión y en construcción. Sin bien, existen modelos interpretables y técnicas para exponer modelos explicables, aún queda mucho por hacer para que la inteligencia artificial sea transparente. De tal manera que, sin problema, se pueda entender cualquier modelo del amplio espectro de la inteligencia artificial.
La IA y la tecnología seguirán desarrollándose y creciendo con el paso del tiempo. Todas las industrias y las personas podemos automatizar varios procesos y nos ayuden a encontrar mejores resultados y toma de decisiones.
