En el estudio «Experiencia: Datos e Inteligencia Artificial en el sector público» se conoce que el uso de la inteligencia artificial ya es una realidad y se ha probado en el mundo y en la región. No obstante, es importante descifrar y comprender su potencial, su alcance, los desafíos y las posibilidades a las que nos enfrentamos. Este reporte regional sobre el uso estratégico y responsable de la inteligencia artificial en el sector público en América Latina, al que han contribuido expertos en la materia, presenta conceptos fundamentales sobre esta temática.
Además, está en el panorama latinoamericano actual frente al uso y apropiación de esta tecnología y da a conocer experiencias de adopción de estrategias para acelerar la implementación de la política pública en materia de inteligencia artificial. El documento presenta los retos existentes para un uso responsable en el sector público, para el establecimiento de infraestructuras de datos y su gobernanza y, desde luego, para el desarrollo de una fuerza de trabajo en el sector público con los perfiles y habilidades adecuados al nuevo entorno. Incluye también estudios de caso para enfrentar desafíos estructurales que requieren la atención del sector público.
La inteligencia artificial (IA) es un campo de estudio que se refiere a la creación, a partir del uso de tecnologías digitales, de sistemas capaces de desarrollar tareas para las que se considera que se requiere inteligencia humana. Una definición sencilla, acuñada por la Universidad de Stanford describe la inteligencia artificial como «toda actividad dedicada a hacer las máquinas inteligentes», agregando que la inteligencia «es aquella cualidad que permite a una entidad funcionar apropiadamente y con previsión en su ambiente» (Stone et al., 2016).
Más allá de su definición, la IA involucra tecnologías computacionales inspiradas por la forma en que las personas y otros organismos biológicos sienten, aprenden, razonan y toman decisiones (IEEE, 2019).
Existen muchas formas de clasificar la IA, una de ellas es según su capacidad de funcionamiento. En este sentido, se reconocen en la actualidad dos tipos de IA (Fjelland, 2020; OCDE, 2019c):
Inteligencia artificial general (Artificial General Intelligence [AGI, por sus siglas en inglés]). Son sistemas que pueden entender y ejecutar tareas generalizadas, tener interacciones y realizar operaciones como las que haría una persona. Esto significa que tiene una mayor capacidad para procesar información y para usarla de forma rápida. Cabe anotar que los desarrollos tecnológicos aún no han alcanzado esta etapa de la IA.
Inteligencia artificial específica (Artificial Narrow Intelligence [ANI, por sus siglas en inglés]). Es aquella que está diseñada para el cumplimiento de una tarea o función concreta, sin poder realizar tareas adicionales o diferentes. Son sistemas no conscientes, que no son sensibles ni están impulsados por emociones. Todas las aplicaciones actuales de IA se ubican dentro de esta categoría, por lo tanto, es a esta a la que se restringen las consideraciones y análisis presentados en este documento.
La IA puede dividirse también en IA simbólica o basada en reglas y la IA no simbólica. La primera de ellas se desarrolla a partir de reglas escritas por humanos para describir un flujo de trabajo y producir resultados, aplicando una secuencia condicional (if-then en inglés). También es conocida como «sistemas expertos», dado que se necesita la participación de especialistas con conocimiento de la organización, el proceso y el contexto para el establecimiento de las reglas. Por su relativa simplicidad, este tipo de IA resulta más adecuado para procesos o problemas de baja complejidad, donde participan pocos actores, las acciones a ejecutar son pocas y los cambios no son frecuentes (Berryhill et al., 2019).
El uso de IA simbólica puede ser un primer paso para que las entidades públicas comiencen a familiarizarse con las bases de la tecnología. A medida que esos sistemas resulten insuficientes para procesos más complejos, se pueden explorar aplicaciones más sofisticadas basadas en la IA no simbólica.
Esta última se refiere al aprendizaje automático o aprendizaje de máquinas (machine learning), consistente en una serie de técnicas que permiten a las máquinas aprender y hacer predicciones a partir de datos históricos, con base en la identificación de patrones, sin que sean necesarias las instrucciones de un humano. Lo más interesante de este tipo de IA es que, en lugar de recibir conocimiento a través de reglas explícitas, los sistemas se entrenan para obtener el conocimiento e inferir las reglas por sí mismos, lo que permite su aplicación en contextos donde los procesos o problemas no alcanzan a estar bien definidos. En años recientes, el aprendizaje automático se ha tornado el enfoque dominante, haciendo que con frecuencia sea tomado como un sinónimo de IA.
Dentro del aprendizaje automático se ubican las redes neuronales y como parte de estas últimas el aprendizaje profundo (deep learning [DL, por sus siglas en inglés]). Todos son expresiones o subconjuntos de la IA.
Como ya se señaló, la IA tiene una gran utilidad para identificar intereses, preocupaciones y percepciones de diferentes actores con el propósito de priorizar problemas a ser incluidos en la agenda de gobierno. No obstante, la oportunidad de generar análisis y herramientas que favorezcan un mejor entendimiento del comportamiento ciudadano o de ciertos grupos se extiende más allá de la definición y priorización de los problemas públicos hacia áreas que tienen que ver con la experiencia del acceso a servicios como el transporte, la salud, la educación, la seguridad o la justicia, o la manera en que grupos o ciudadanos se ven afectados por la actuación de las entidades públicas.
Gracias a la alta penetración de los dispositivos móviles, las plataformas sociales y los medios de comunicación, donde individuos y organizaciones expresan con frecuencia sus posiciones, las autoridades tienen la posibilidad de obtener información relevante sobre situaciones concretas que experimentan los ciudadanos en su vida diaria y que pueden afectar su bienestar, o revelar demandas específicas de ciertos actores. Esta información es fundamental para adaptar el diseño de los servicios a las maneras de pensar, sentir y actuar de las personas u organizaciones de acuerdo con sus realidades, lo que resulta muy útil, por ejemplo, para proveer servicios y asistencia a minorías o poblaciones específicas. En este sentido, el conocimiento de los usuarios puede conducir al diseño de servicios personalizados, que permitan tanto a ellos como a las entidades proveedoras ahorrar tiempo y recursos, con la definición de las rutas óptimas de atención a partir de técnicas de IA, como las redes neuronales.
Por otro lado, sistemas de IA, como los robots conversacionales, pueden hacer más eficientes las interacciones con los ciudadanos, dando respuestas rápidas a cuestiones o solicitudes puntuales en sus versiones más básicas o más sofisticadas, las cuales incluyen el aprendizaje automático, abordando interacciones más complejas. Esta capacidad de ofrecer orientación y respuestas de manera ágil posibilita mejorar los niveles de satisfacción de los ciudadanos con el desempeño de las entidades públicas.
Cabe destacar aquí que es fundamental que los ciudadanos conozcan el uso que se está haciendo de los datos que ellos mismos producen en el diseño, desempeño y mejoramiento de los servicios públicos a los que tienen acceso. Solo así se podrá generar la confianza necesaria entre la población y las entidades públicas para que el intercambio de información se mantenga en el tiempo, facilitando el seguimiento del uso que se hace de los servicios públicos y, con ello, robusteciendo los sistemas de IA y sus procesos de aprendizaje, de manera que respondan mejor a situaciones específicas, necesidades y expectativas.
Descargar publicación: Experiencia: Datos e Inteligencia Artificial en el sector público
nuestro Boletín de Noticias sobre
el emprendimiento en Bolivia!
