Agencias / MonitorSur, Ciudad de México.- Durante el panel de discusión, Inteligencia Artificial y Machine Learning: Aplicación e Impacto en México, en el cual My Press estuvo presente; expertos comentaron estar de acuerdo con que el freno en el desarrollo de la Inteligencia Artificial(IA) en México, se debe a la escasez de talento interesado en el tema. Del mismo modo, reconocen la necesidad de emprender acciones contundentes con el objetivo de fomentar mayores avances tecnológicos y adopción en campos como Machine Learning y Deep Learning.

El encuentro organizado por el grupo en pro de la adopción tecnológica regional HyperBlock, llevado a cabo en las instalaciones de fomento a la innovación de BBVA Bancomer en la capital y patrocinado por la compañía de soluciones móviles Ironbit; representantes de dichas instituciones, así como de General Electric, IBM y Everis, concordaron que el principal reto para América Latina en temas de IA no es el nivel educativo y profesional de la gente ya involucrada en IA, sino la poca masificación de talento con el fin de sostener un desarrollo continuo.

Al respecto, Alberto Otero, jefe de Arquitectura Digital e IA en las Américas de la firma internacional de consultoría Everis, afirmó: “No están saliendo suficientes ingenieros formados en estas tecnologías de las universidades, no hay suficiente inquietud. Me gustaría más gente aprendiendo, bien en las instituciones educativas o en la multitud de cursos online que hay para aprender de este tipo de técnicas […]. Para mí la disponibilidad es un reto claro en el país“.

La necesidad de obra especializada en técnicas de IA se hará más clara conforme la tecnología sea adoptada ampliamente en las diferentes industrias. Ricardo Arriaga, CEO de Ironbit, mencionó:

“hay una gran preocupación porque, estadísticamente, se prevé la desaparición del 50% de los empleos repetitivos y predecibles[…] “.

Precisamente a raíz de la intensa necesidad de datos que tendrían los desarrollos de IA en el futuro, también se ha comenzado a trabajar también en pro de la protección de la información personal, un tema en tendencia desde el escándalo generado por Facebook y Cambridge Analytica. En este aspecto, José Luis Rodríguez, gerente de datos del proyecto Watson y de ofertas de Inteligencia Artificial en IBM México, afirmó:

“Los modelos de conocimiento deben ser auditables, transparentes. Cuando yo le hago una pregunta a un robot y me contesta algo, se necesita saber de dónde vino esa respuesta. Si no es comproblable ese sistema, estamos entrando al terreno no-ético, es una situación de confianza […] “.

Otros de los tópicos discutidos durante el panel, fueron cuestiones como la posibilidad de construir máquinas con sentimientos y la diferenciación de diversos tipos de sistemas. Sobre el primer tema, Nadia Rojas, Product Owner de BBVA Bancomer, afirmó cómo las máquinas solo pueden aprender las cosas que los humanos les inculquen y únicamente bajo su supervisión, razón poco probable. Por otro lado, director de Ventas en Soluciones Digitales de General Electric Power en América Latina, opinó sobre el segundo tópico cómo Inteligencia Artificial es un entorno donde conviven múltiples desarrollos, Machine Learning se refiere a un sistema especializado en analizar información, encontrar patrones y tomar decisiones, mientras el Deep Learning está enfocado a reducir costos en programación mediante auto-aprendizaje continuo.