«Nuestras reglas generales ya no están a la altura del desafío». Esta descripción de un gerente de la cadena de suministro del estado de la cadena de suministro que encontró en su nuevo rol se quedó conmigo. El tumulto de nuestros tiempos ha acelerado el interés en la inteligencia artificial (IA) para una ayuda más avanzada que las reglas, y el lanzamiento de ChatGPT impulsó este crecimiento ya explosivo. Sus notables habilidades parecen mágicas. Pero prefiero que la IA sea un truco de magia, así que permítanme llamar su atención sobre la tecnología detrás de la cortina para resaltar tanto sus riesgos como sus beneficios y compartir habilidades de liderazgo esenciales que la IA no puede proporcionar.
La IA generativa es como un truco de magia
Literalmente, millones de personas usan IA generativa (y generan mucho FOMO): ChatGPT ya había alcanzado los 100 millones de usuarios en enero, el adopción de tecnología de consumo más rápida en la historia. Parte del atractivo son sus habilidades aparentemente mágicas, desde conjurar canciones sobre cualquier tema en la voz de cualquier persona hasta pasar pruebas estandarizadas y mantener conversaciones espeluznantes como las de los humanos.
Pero la IA generativa es menos mágica y más parecida a un truco de magia, porque puede hacer cosas notables, pero solo en circunstancias cuidadosamente controladas. Un mago puede sacar un conejo de un sombrero en el escenario, pero no puede repetir el truco cuando se le ordena durante un encuentro casual e inesperado. Las obras de magia se basan en una secuencia de pasos realizados en un orden específico para (mal) dirigir la atención de la audiencia. A diferencia de una cadena de suministro, estos pasos no dependen de ninguna interrupción en su ejecución.
Los modelos matemáticos subyacentes a la IA generativa son máquinas estadísticas para completar oraciones que componen contenido en función de las probabilidades, los malentendidos, el contexto y la empatía. Un profesor de historia francés ilustró esta limitación con un largo interrogatorio que llamó «Mis cenas con GPT-4mostrando cómo las preguntas correctas obligaron a ChatGPT a contradecirse e incluso irritarlo al no cumplir con solicitudes específicas repetidas.
El poder de la IA generativa y su promesa para las cadenas de suministro
Lo que deslumbra con la IA generativa es su inmersión en áreas que pensábamos que eran nuestro único dominio humano, como el arte y la creatividad. Cualquier ser humano con un navegador puede producir este resultado, ya que no requiere ninguna habilidad o conocimiento de codificación sofisticados. Se puede acceder a ensayos, poesía y pinturas indistinguibles de la creación humana con un simple movimiento del mouse. Más que una simple novedad, sus aplicaciones empresariales están en auge. Alguno primeros casos de prueba van desde la creación de nuevas secuencias de proteínas hasta la personalización de mensajes de marketing y la respuesta a preguntas legales complejas. Solo estamos en las etapas más incipientes de esta tecnología, y la explosión de nuevas empresas de IA generativa solo ampliará las opciones.
He visto a nuestro propio equipo de I+D probar algunas aplicaciones muy interesantes y he estado siguiendo de cerca las noticias en busca de otros ejemplos relevantes de la cadena de suministro. Aunque hay especulaciones interminables, según mi lectura, dos oportunidades específicas de la cadena de suministro me han intrigado. El primer caso de uso es un profesor del MIT. La idea de Yossi Sheffi de usar IA generativa para monitorear todas las posibles fuentes de riesgo para que un proveedor determinado mitigue las interrupciones. el segundo es El uso de chatbots por parte de Walmart para negociar automáticamente contratos relativamente comunes.
Más allá de estos ejemplos específicos, veo aún más promesa en aplicaciones más amplias: generación de código, gestión del conocimiento e interfaces de usuario. Durante muchos años P&G ha lanzado una iniciativa para alentar a los «desarrolladores ciudadanos» en la cadena de suministro» para ampliar su transformación digital mediante el uso de sus propias habilidades para crear herramientas, en lugar de depender de TI. La IA generativa puede escribir código para alguien sin habilidades de codificación (e incluso depurarlo), una capacidad con un enorme potencial para extender la idea de P&G. Para la gestión del conocimiento, imagine una IA generativa lista para buscar de manera inteligente toda la documentación interna de una empresa para resolver todo tipo de problemas que van desde «cómo hicimos esto antes» hasta «cómo puedo hacer esto ahora».
Quizás la forma más útil de pensar en la IA generativa es el futuro de cómo interactuamos con las computadoras. En lugar de temer cómo nos reemplazará, podríamos considerar cómo puede conectarnos de manera más efectiva a las computadoras y todas sus capacidades cognitivas para buscar los terabytes de conocimiento guardados en documentos. La IA generativa puede ser la puerta de entrada a una colaboración de TI fluida con una interfaz de usuario mucho más allá de lo que conocemos hoy.
Los peligros de la IA generativa son numerosos
Si bien las recompensas son atractivas, los riesgos son igualmente desalentadores. Estos peligros están bien manejados otra parte, pero resumiré mis cuatro preocupaciones principales. El primero es el sesgo y la desinformación. Los modelos entrenados en datos humanos nos reflejan, tanto nuestro orgullo como nuestros prejuicios. La salida refleja probabilidades estadísticas de ocurrencia, no precisión. Esta orientación conduce a lo que se denominan alucinaciones, que pueden ir desde citar investigaciones que no existen hasta decirle a un periodista que deje a su esposa. En segundo lugar, la IA generativa puede armar más fácilmente a los malos actores con herramientas aún más poderosas para la malversación. Ambos riesgos son significativos y deben mitigarse, pero son amplificaciones de los riesgos existentes, no nuevos.
En tercer lugar, la preocupación por la pérdida de puestos de trabajo, que es válida y espero exagerado. Comparto el sentimiento de muchos economistas que postulan que, históricamente, las nuevas tecnologías conducen al desplazamiento a corto plazo pero a la creación neta de empleo. El cuarto riesgo es lo que a veces se llama el «problema de alineación», una IA que opera según sus propios intereses que no se alinean con los nuestros, generando Terminator. Mi convicción es que estamos lejos de la inteligencia artificial general que realmente supondría este riesgo.
La única respuesta honesta a cualquier pregunta sobre el futuro de la IA es «No lo sé». El ritmo es tan rápido que nadie puede seguirlo. Entonces, en cambio, quiero llamar la atención sobre lo que sé.
Las claves del éxito en IA
Como argumentan un trío de economistas en dos libros, el más reciente Poder y predicción: la economía disruptiva de la inteligencia artificial, buscamos predicciones donde hay incertidumbre. Las predicciones pueden ser poderosas, pero también advierten contra la planificación en silos desalineados con lo que llaman el impulso de la IA, porque un pronóstico de demanda generado por IA altamente preciso es inútil si no hay capacidad para producirlo. Las cadenas de suministro están llenas de incertidumbres y silos, pero en lugar de producir pronósticos innecesarios o acumular inventario, también podemos adoptar mejores prácticas como la planificación concurrente.
Lo que mejor sé es que liderar una cadena de suministro en la era de la IA requiere tres habilidades de liderazgo, todas las cuales son exclusivamente humanas.
La primera es hacer las preguntas correctas. Incluso la IA generativa necesita nuestra ayuda en la forma del campo emergente de ingenieros rapidos, humanos que mejoran el software haciéndole preguntas. Las personas a menudo son mejores para describir los síntomas que los problemas, por lo que la capacidad de descubrir problemas subyacentes para una investigación específica es esencial. Enmarcar adecuadamente el problema de negocio es clave para resolverlocualquier cosa la IA no puede hacer.
Dirigir la atención a las cosas correctas es la segunda habilidad esencial. Tanto la magia como el liderazgo dependen de dirigir bien nuestra atención, y AI FOMO puede distraerte. ChatGPT puede ser lo más brillante del día, pero un ROI definitivo es invertir en personas y procesos para permitir inversiones en tecnología. Muchos temas aterrizan en el escritorio de un líder: el desafío es reconocer los que realmente importan y mantener el enfoque en ellos. La IA generativa tiene un «mecanismo de atención» para ayudarlo a sopesar la importancia de las palabras en una oración, pero no puede igualar el juicio humano.
Y el juicio es una habilidad de liderazgo indiscutiblemente humana. Como el el trío de economistas Agrawal, Gans y Goldfarb explican, la IA hace predicciones, que son entradas en las decisiones. Creamos reglas para situaciones en las que la toma de decisiones es difícil, pero la IA puede aumentar nuestra productividad y la calidad de nuestras decisiones al automatizar lo obvio con predicciones más precisas, como planificar los plazos. Como señalé al principio, muchas de las reglas generales que sustentan nuestras cadenas de suministro ya no están a la altura del desafío.
Debemos esforzarnos por aliviar a los planificadores que se quejan bajo el peso de decisiones tediosas, pero no por impulsar una cadena de suministro “sin luz”. Debemos mantener las luces encendidas, porque las decisiones más importantes aún requieren juicio. Hay muchas situaciones en las que las compensaciones son complejas y poco claras y los resultados arriesgados. Es en estas situaciones donde las personas importan más y donde más necesitamos poder hacer las preguntas correctas, prestar atención a las cosas correctas y ejercer el buen juicio. Y todas estas son habilidades que son de naturaleza muy humana.
Polly Mitchell-Guthrie es Vicepresidenta de Alcance de la Industria y Liderazgo de Pensamiento en Kinaxis, el líder en empoderar a las personas para que tomen decisiones seguras sobre la cadena de suministro. Anteriormente, se desempeñó como Directora de Servicios de Consultoría Analítica en el Sistema de Atención Médica de la Universidad de Carolina del Norte, Directora Senior del Grupo de Enlace de Clientes de Análisis Avanzado en la División de Investigación y Desarrollo de SAS y Directora del Programa Académico Global de SAS.
Mitchell-Guthrie tiene un MBA de la Escuela de Negocios Kenan-Flagler de la Universidad de Carolina del Norte en Chapel Hill, donde también obtuvo su licenciatura en ciencias políticas con una beca Morehead. Ha ocupado numerosos cargos en INFORMS (el Instituto de Investigación de Operaciones y Ciencias de la Gestión), incluso como presidenta y vicepresidenta de la Junta de certificación de análisis y secretaria de la Sociedad de análisis.
