IBM fue una vez el rey de la IA. El CEO Arvind Krishna está tratando de recuperar ese título

El día que IBM anunció que dejaría el cargo, la directora ejecutiva saliente, Ginni Rometty, llamó a Arvind Krishna “ la directora ejecutiva adecuada para la próxima era” en la empresa. “Es un tecnólogo brillante que ha desempeñado un papel importante en el desarrollo de nuestras tecnologías clave, como la inteligencia artificial, la nube, la computación cuántica y la cadena de bloques”, dijo.

De hecho, Krishna ha pasado toda su carrera profesional en IBM. El doctorado en ingeniería eléctrica, que tiene más de una docena de créditos de coautor en patentes de tecnología, comenzó en los laboratorios Watson Research de la compañía en 1990. Permaneció allí durante casi dos décadas y luego se desempeñó como jefe de la división de software cognitivo y en la nube de IBM. Ayudó a orquestar una de las mayores adquisiciones de la empresa en 2018 y asumió el cargo de director ejecutivo en abril de 2020.

El nombramiento de Krishna se produjo después de un período de estancamiento en IBM, especialmente en comparación con sus pares de Big Tech. Como uno de los primeros líderes en inteligencia artificial, la empresa invirtió dinero y recursos en su división Watson, tras la victoria de la tecnología sobre los concursantes humanos en Jeopardy! en 2011. IBM también exploró varias formas de convertir a Watson en una herramienta para los médicos que podría ayudarlos a hacer recomendaciones de tratamiento para sus pacientes, pero la tecnología no cumplió sus promesas iniciales.

IBM vendió los activos de su unidad Watson Health a principios de este año, pero el trabajo de la empresa con IA sigue vigente. Ahora, IBM está poniendo la IA a trabajar, ayudando a sus empresas clientes a navegar la crisis climática, esfuerzos que le valieron el reconocimiento como una empresa TIME100 este año.

Krishna habló con TIME recientemente sobre lo que podemos aprender de los primeros pasos en falso de la IA de IBM y lo que él ve como el propósito superior de la empresa.

La entrevista:

Arvind, crecí en un pueblo muy cerca de la sede de IBM en Armonk, Nueva York. Y, de hecho, mi primer viaje de clase en el jardín de infantes fue al campus de IBM a principios de los años 70. En ese momento, IBM representaba cierto tipo de innovación, cierta forma de trabajar, incluso cierta forma de vestir para el trabajo. ¿Qué queda de ese viejo ADN de IBM?

John, gran pregunta, y una que realmente me apasiona. Creo que hay algunas cosas en IBM que resisten el paso del tiempo. Mencionaste la gente, la cultura, la vestimenta, la innovación. Creo que la parte de la innovación sigue siendo cierta. La pura experiencia técnica de nuestra gente, esa parte se mantiene fiel. Pero cuando lo pensamos, ya sabes, miras las imágenes. Llegué a IBM en 1990. Pienso en los años 70, los científicos en batas de laboratorio con traje y corbata debajo. Eso se ha ido. Como cultura, como nación, no solo como IBM, estamos mucho más relajados sobre cómo nos vestimos y sobre toda la inclusión, porque eso libera lo máximo de las personas.

Ahora, ¿qué hay de nuevo? Las tecnologías en las que trabajamos cambian. Hace treinta años, el valor provenía de la construcción de computadoras físicas. Ahora, gran parte de ese valor proviene de la creación de software y la consultoría, lo que significa implementar la tecnología en nombre de un cliente. Lo que ha permanecido constante es la tecnología que ayuda a catalizar el negocio de nuestros clientes, la experiencia de nuestra gente y mucha de la cultura de velocidad y agilidad.

Usted es uno de los muchos directores ejecutivos de grandes empresas que fueron designados durante la pandemia. Los analistas han dicho que uno de los problemas con IBM antes de que usted tomara el timón era que la alta dirección estaba dominada por personas con experiencia en servicios y ventas en lugar de en productos tecnológicos. ¿Siente que su nombramiento es un intento de corregir eso?

Creo que la razón por la que me nombraron fue porque tenía una visión clara de lo que debería ser la empresa, centrada en la nube híbrida y la inteligencia artificial. Tenía la aspiración de que volvamos a crecer. Nos hemos comprometido a eso este año: lograremos un crecimiento del 5%, sin contar los ingresos de nuestra escisión de (empresa de servicios de infraestructura de TI) Kyndryl. Cuando miras esas aspiraciones, esas son más responsables de mi elección, que simplemente una formación en una disciplina u otra disciplina.

Si pienso en mi papel, ¿qué hago todos los días? Sí, dediqué una cierta cantidad de tiempo a la estrategia y los productos y las decisiones relacionadas con eso. Pero también paso mucho tiempo con los clientes y ayudo a asegurarme de que recibamos los cheques. También paso una cierta cantidad de tiempo trabajando con nuestros socios. Así que siempre es una mezcla en mi posición a través de esas diferentes disciplinas. Lo mismo sucedió con mis predecesores. Ahora, dicho todo esto, la velocidad y la aceleración en la industria de la tecnología están aumentando. Entonces, dada la naturaleza del cambio, tener una comprensión más profunda de algunas de las tecnologías y sus implicaciones probablemente sea útil en la toma de decisiones.

IBM fue visto como un verdadero líder en IA cuando Watson ganó Jeopardy en 2011. Pero luego, durante la próxima década, muchas de las esperanzas comerciales de Watson se desvanecieron. ¿Qué sucedió? ¿Y qué lecciones aprendió IBM de ese período?

Soy alguien que no se disculpa en absoluto por lo que ocurrió en la última década. La inteligencia artificial es la única técnica que conocemos que puede aprovechar y recolectar todos los datos que se producen. Sabemos que hay un valor increíble en todo ello. Sin IA, es posible que pueda llegar al 1% de la misma. Ganar Jeopardy fue realmente un hito. Realmente puso a la IA en el mapa. [Pero] ya no es un juguete de laboratorio. Ya no está en el dominio de un par de profesores inteligentes en el MIT, Stanford o Berkeley. Es algo que podría hacer algo en el mundo real.

Podemos atribuirnos el mérito de invertir, de poner a trabajar a cientos de científicos para hacerlo. Cuando tomas una tecnología y la conviertes del laboratorio para hacer algo útil, tu imaginación comienza a desbocarse en términos de todo lo que puede hacer. El mercado no estaba del todo listo en 2012, 2013, 2014 para comenzar a adoptar y confiar en la inteligencia artificial en algunos de los dominios más críticos a los que nos dirigimos.

El error que cometimos fue ir hacia cosas más críticas, más cosas que tienen un impacto en la economía real. Aquellos que tuvieron éxito comenzaron a aplicar [IA] más en áreas donde podría ser útil; ya sabes, si haces una recomendación ligeramente incorrecta para un libro, una película o un sitio web, eso no es vida o muerte. Lo reconozco, tal vez deberíamos haberlo aplicado a más áreas que eran menos críticas. Ahora, dicho esto, aprendes y corriges el rumbo. Tal vez podamos ayudar a un restaurante de servicio rápido a automatizar su etiquetado automático. Tal vez podamos ayudar a que las aplicaciones empresariales sean mucho más amigables. Debe comenzar en áreas que están mucho más contenidas, no tomando decisiones de vida o muerte. Vamos a llegar allí. Hagamos que la gente confíe en él. Y entonces puedes empezar a escalar como un loco. Y eso es lo que estamos haciendo ahora. Entonces, Watson está vivo y bien. Pero creo que no deberíamos intentar hacer moonshots. Deberíamos tratar de hacer más pasos medidos.

Estamos lanzando un término que mucha gente cree que conoce, pero quiero obtener su definición muy simple de cena de lo que es la IA.

La inteligencia artificial es una técnica mediante la cual se aprende a partir de los datos observados. Entonces, piense en el ejemplo más simple: cómo los humanos hacen coincidir patrones. Y, por cierto, la IA no es tan buena como un bebé humano de 9 meses. Les muestras un perro tres veces, la cuarta vez dirán perro. En IA, tal vez si le muestras un millón de fotografías de un perro, la millón y una vez diría que ese es el perro. Si se observa A y sucede B, y le muestra un millón de patrones de este tipo, aprende todos esos patrones juntos. Eso es inteligencia artificial.

Pero AI no conocería la gravedad hoy. Observaría que una manzana cae de un árbol, si le muestra un millón de videos de este tipo, concluirá que las manzanas caen en esa dirección. Pero no concluirá que las peras caigan en esa dirección. Entonces, creo que cosas como el conocimiento se van a fusionar, y tomará algún tiempo.

IBM está haciendo mucho en este momento con la IA y el cambio climático. ¿Puedes hablar un poco sobre eso?

Creemos que el cambio climático es uno de los temas que es imperativo para nosotros, nuestra generación, para ayudar a mejorar para la próxima. Así que nos hemos comprometido a ser cero neto sin compensaciones, pero para 2030, no para 2050 o 2060. A medida que comienza a aplicar IA en esto, la pregunta es, ¿qué tan buena es su recopilación de datos? Porque si no puede obtener todos los datos correctos, podría estar subestimando o sobreestimando enormemente lo bueno que es. ¿Puedo tal vez descubrir materiales que van a ser mucho mejores en el secuestro de carbono? Además, el 30% de la energía que creamos se desperdicia. ¿Podemos optimizar y deshacernos de ese desperdicio que tanto beneficio nos producirá a todos? Pero también, ¿podemos aprovechar el espíritu del código abierto? ¿Podemos crear programas que incentiven a las personas a crear tecnología para ayudar con el cambio climático, usando inteligencia artificial? Presentamos esas herramientas y alentamos a las personas a hacer cosas que podríamos ayudar a algunos de ellos a comenzar en sus propias empresas emergentes, etc. Esas son todas las cosas que creemos que es parte de nuestro deber cívico de hacer.

¿IBM está haciendo algo diferente en estos días para atraer una fuerza laboral joven? Las encuestas muestran que muchos jóvenes quieren trabajar en una empresa que tiene un propósito superior. ¿Hay un propósito superior en IBM?

Primero, algunas estadísticas. La última vez que miré, teníamos 3 millones de personas en nuestra base de datos de solicitantes. Me siento bastante bien con eso. Nos las arreglamos para contratar a decenas de miles cada año. Absolutamente tienes que tener un propósito más allá del trabajo en sí.

Donde tenemos mucho éxito es que estamos dispuestos a tomar problemas que son realmente difíciles y requieren años de persistencia para hacer las cosas. Un ejemplo que tomaré es la computación cuántica, que ha pasado de ser ciencia ficción a donde ahora todo es solo ciencia. Ha sido un viaje de 10 años; probablemente también le queden otros cinco a 10 años. Entonces, si viene a nosotros y quiere trabajar en cuántica, ya sabe, tendremos el poder de permanencia para llegar a donde sea muy, muy exitoso. Volviendo a tu ejemplo de ganar Jeopardy: ese fue un proyecto de siete años de principio a fin. Entonces, si te gusta trabajar en ese tipo de cosas, te encanta estar rodeado de personas realmente inteligentes, te gusta resolver problemas para clientes que realmente marcan una gran diferencia, este es un gran lugar para estar. Si quieres ganar mucho dinero creando la próxima aplicación o juego móvil.

Fuente: time

Artículos Relacionados

DEJA UN COMENTARIO:

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.