Especulando sobre un mercado para robots humanoides (II): segmentos de clientes

Acometo el segundo de los posts que dedico a especular sobre un posible mercado para los robots humanoides y una posible dinámica de desarrollo de ese mercado.

Si en el post anterior me centraba en la proposición de valor, que pueden aportar diferencial los robots humanoides, en este artículo especularé un poco sobre los posibles segmentos de cliente.

En ese sentido estoy siguiendo un orden diferente al que se aplica normalmente, cuando se usa el Business Model Canvas y herramientas relacionadas. En esa aplicación, lo lógico es que primero se identifiquen posibles segmentos de cliente y luego se defina la proposición de valor. Es una metodología lógica pero en este caso, y dado lo poco claro aún que están ambas cosas, la escasa definición actual de este mercado, creo que tiene sentido primero preocuparse de ver qué tienen de especial estos robots (con los que ya se están experimentando) y qué pueden hacer, y luego identificar ya posibles segmentos donde esas capacidades tengan sentido.

Si estuviésemos hablando de una empresa, una startup real, el orden debería ser el canónico (segmentos de cliente->proposición de valor) pero para especular en un mercado poco definido, creo que el orden proposición de valor genérica -> segmentos de cliente, puede resultar más ilustrativo. Si una empresa entra en este mercado, ya deberá decidir los segmentos de cliente a que se dirige y afinar y concretar la proposición de valor.

Sobre los segmentos de cliente

Antes de revisar los segmentos de cliente posibles, recordar que al hablar segmentos de clientes queremos decir grupos de cliente con la suficiente homogeneidad como para ofrecerles el mismo porfolio de productos y servicios, la misma proposición de valor y, a partir de ahí, derivar el mismo modelo de negocio.

Advertir también que no estoy pensando en segmentos de cliente a muy largo plazo, sino los segmentos de clientes iniciales a corto o medio plazo, los que podrían contribuir a que este mercado despegase.

De los primeros segmentos de cliente que se me ocurren, estarían los siguientes:

• Los 'early adopters' adinerados
• Instituciones sanitarias y sociales
• Las grandes ferias
• Plataformas de robots
• Las super-tecnológicas

Pero no quiero dejar de comentar lo que imagino respecto a otros cuatro segmentos de clientes:

• Hostelería
• Industria
• El sector espacial
• Mercado doméstico

Vamos a verlo

***

Empezamos por los segmentos a los que veo mejores perspectivas.

Los 'early adopters' adinerados

Me ha costado encontrar un nombre para este segmento de clientes. ¿A qué me refiero? Pues estoy pensando en grandes millonarios, algo excéntricos y con proyección mediática. Cuando pienso en este segmento, se me vienen a la mente las grandes estrellas de Hollywood, por ejemplo, aunque probablemente podríamos incluir casos como los jeques árabes millonarios por el petróleo, quizá grandes deportistas, grandes cantantes, algún o alguna 'influencer' y perfiles similares.

En general son personas (personas más que empresas) para las cuales el probable alto coste de un robot humanoide no signifique nada, y a cambio, les permita afianzar su estatus, impresionar a sus visitas, aparecer en medios y, bueno, tampoco descartemos que realmente les interesen o diviertan, imagen aparte.

En mi imaginación, podrían jugar un papel más importante de lo que parece, pero eso lo explicaré en el siguiente post.

Instituciones sanitarias y sociales

Para mi este es un segmento un poco incógnita, pero al que hay que claramente tener en cuenta. Admito que me cuesta visualizarlo si pienso en España pero, sin embargo, es un segmento muy lógico y sobre el que en países como Japón, y creo haber oído que también en China, se está trabajando.

Tiene bastante lógica. La población mundial está envejeciendo y se está alargando la esperanza de vida. Las personas mayores necesitan atención, ya sea en hospitales, residencias o domiciliaria. Y no hay profesionales sanitarios y sociales suficientes, ni tampoco es fácilmente sostenible la atención directa por familiares. Por ello, tiene sentido buscar mecanismos de automatización.

Aunque a nivel de hospitales, por ejemplo, se pueden usar otro tipo de robots para, por ejemplo, transporte de medicinas o comida, para la relación y atención a pacientes tiene cierta lógica que estemos hablando de robots sociales y dentro de eso, parece también bastante lógico que sean humanoides.

No me parece necesario que deban ser humanoides de alta fidelidad, pero sí parece la morfología humanoide la más adecuada. Conviene que sean sofisticados en cuanto a capacidades relacionales (sobre todo lenguaje verbal) y con cierto manejo responsable de elementos como la mirada. Estructuralmente, creo que, aunque depende de su uso final, deben exhibir cierta destreza en cuanto a manipulación (para entrega de medicinas, comida incluyendo quizá alimentar a la persona, quizá arreglar camas, etc) y en algún caso con fuerza, para desplazar camas ocupadas o, y aunque esto es delicado, mover a las personas. A cambio, no creo que deban ser sofisticados en cuanto a desplazamiento. No creo que en general se necesite, puede que ni siquiera convenga, que sean bípedos. El eliminar las piernas simplificaría mucho el movimiento y su control y podría abaratar costes. En algunos casos, y si se expandiera el modelo, hasta podrían ser robots asignados a habitaciones, con necesidades de desplazamiento mínimas.

Aparte de la necesidad, y de la adecuación funcional de los robots, hay otro elemento a tener en cuenta: la capacidad de pago. Como comenté en el artículo anterior, al menos de momento los robots humanoides son caros. Pero el sector sanitario y social se caracteriza porque, especialmente en el caso de sector público, no 'repara en gastos'. Decirlo así puede ser exagerado, pero sí es cierto que es un sector menos sensible al precio, porque se prioriza la salud y el bienestar de las personas y no se busca tanto el retorno como la sostenibilidad. 

Las grandes ferias

Cuando hablo de las grandes ferias, me refiero a grandes exposiciones como el Mobile World Congress y similares. No necesariamente de tanto tamaño e importancia, ni siquiera necesariamente del sector tecnológico, aunque parece razonable empezar por ahí.

En estas ferias, los robots humanoides pueden realizar el papel de azafatas, o guías, o de punto de información móvil, aportar explicaciones, indicar dónde se encuentran los stands, quizá hacer alguna 'demo', etc.

De hecho, no es raro ya desde hace algunos años, ver robots sociales como Pepper en este tipo de ferias. Lo que pienso es que se podría generalizar algo más y abarcar nuevos tipos de feria (turismo, arte, etc)

Eso sí, salvo quizá excepciones en que haya exposiciones permanentes o de muy larga duración o itinerantes, me cuesta imaginar que los responsables de estas ferias adquieran en propiedad los robots. No me parece imposible, pero tampoco muy generalizable.

Para ello les convendría más, seguramente, alquilar o subcontratar esos robots (cosa que también ya se hace hoy en día). Y eso me lleva al siguiente segmento de clientes: las plataformas de robots.

Plataformas de robots

A lo mejor el nombre de plataforma de robots sea ligeramente pretencioso, y no del todo adecuado porque puede confundir con otros modelos de negocio...pero me gusta el nombre.

En el fondo lo que estoy pensando es en empresas que alquilen robots u ofrezcan servicios basados en robots. Para ello, adquirirían un parque de robots que irían alquilando a sus clientes o usando en los servicios que prestasen a sus clientes. Vendría a  ser lo que en alguna ocasión se  ha denominado RaaS ('Robot as a Service') y que ya se utiliza en algunos ámbitos incluyendo el industrial.

En el caso más básico, se alquilaría el propio robot sin más y la empresa cliente lo utilizaría como lo necesitase. Pero no sería extraño que la plataforma de robots ofreciese servicios, que visualizo en dos niveles posibles:

• Un primer nivel en que la plataforma de robots configura o adapta el comportamiento del robot para el entorno en que va a ser usado pero a partir de ahí ya es gestionado por el cliente final.
• Un segundo nivel en que la plataforma de robots lo que ofrece realmente es un servicio basado en robots, por ejemplo, un catering, un servicio de recepción, etc y se ocupa del servicio en su conjunto, no sólo de los robots

Puede tener mucho sentido para dar servicio a clientes que quieren usar robots pero no de manera permanente (el caso de las ferias sería paradigmático) y, por tanto, para esos clientes no tiene sentido la adquisición de unos robots que son caros y que precisan mantenimiento y conocimientos especializados.

Incluso podría ser el caso de empresas u organizaciones que, aunque sí usasen los robots de manera permanente, no lo considerasen su 'core business' y prefiriesen externalizarlo. Las organizaciones de atención sociosanitaria podría ser un cliente de este tipo.

Super-tecnológicas

Estrictamente hablando, las super-tecnológicas no serían verdaderos clientes, sino empresas interesadas en este tipo de productos: los robots humanoides, pero para aprovechar sus capacidades tecnológicas y, quizá, lanzar en algún momento su propia solución.

Enlaza con lo que comenté en el post anterior: existe sinergia tecnológica de los robots humanoides con otros muchos tipos de soluciones técnicas avanzadas (sensores, inteligencia artificial, vehículos móviles, drones autónomos, robots móviles, etc) que los convierten en una gran plataforma de innovación... a la espera de desarrollar su mercado propio.

Cuando pienso en super-tecnológicas, pienso en empresas tipo Tesla, pero puedo incluir Google, Microsoft, otros fabricantes de coches, fabricantes de robots industriales, industria militar, etc. De hecho algunas de estas empresas o sectores ya están haciendo incursión en el sector de los robots humanoides.

***

Los segmentos de clientes anteriores son los que me imagino, aunque puedo haberme olvidado de alguno, como los que 'tiren' inicialmente del mercado de robots humanoides. Pero hay algún otro sector que pudiera jugar un papel, o que me parece interesante comentar. Vamos a ello,

Hostelería

A lo mejor llama la atención que no haya incluido la hostelería dentro de los sectores o segmentos de cliente para el desarrollo del mercado de robots humanoides cuando, incluso, la fotografía de cabecera del post es un caso de uso en hostelería: un robot camarero.

Lo veo un poco en el límite. Sí que veo la aplicación de robots sociales, y de hecho es algo que ya se está haciendo, como camareros, o sirviendo copas. Pero me parece que, caso de generalizarse, y salvo en lugares 'top' que buscasen una experiencia diferencial o una imagen de marca especial, tenderían a soluciones de escasa sofisticación, pudiendo ser válidos robots ya existentes, simplemente por motivos de coste.

Es cierto que, quizá en locales de lujo, por ejemplo, podrían desear robots humanoides de los sofisticados. Pero no estoy muy seguro de que eso fuese un gran mercado, al menos inicialmente.

Otro posible desarrollo en el sector hostelería, sería trasladar al menos parcialmente, a hoteles las soluciones de tipo sociosanitario. Si un robot fuese capaz, no sólo de relacionarse con las personas y traerles 'cosas' (comida o medicinas, por ejemplo), sino que también fuese capaz de ocuparse de la limpieza y de arreglar la habitación, podrían ser usados masivamente en cadenas de hoteles. No tengo claro sin embargo, en este momento, si hay robots capaces de hacer una cama (supongo que sí, y que incluso el diseño de camas simples, con poco más que un edredón, facilitaría las cosas, pero no estoy seguro).

En fin, que es un sector en el que, aunque veo posibilidades, tampoco las veo nítidamente a forma masiva a corto plazo.

¿Qué pasa con la industria?

Puede llamar la atención también que no haya incluido entre los sectores fundamentales para los robots humanoides, la industria, y más tendiendo en cuenta que el propio Elon Musk al hablar de Optimus lo sitúa en las fábricas de Tesla.

El motivo es que creo que, en un ambiente industrial, que es un ambiente en general muy previsible y un entorno acondicionado para la labor de fabricación o producción, tienen más sentido robots tradicionales, seguramente menos flexible que un robot humanoide, pero muy fiables, eficientes y seguramente robustos.

Quizá, como parte de alguna concepción moderna de 'célula de fabricación flexible' pudiera tener sentido algún robot humanoide pero, a la espera de ver lo que Tesla o similares puedan concebir, pienso que siendo prácticos, en el entorno industrial tienen mas sentido otro tipo de robots.

Quizá, y solo quizá, una eventual bajada importante de costes de los robots humanoides unido a un aumento de flexibilidad podría justificarlo.

O quizá, pudiera tener sentido una especie de híbrido entre robot humanoide y manipulador industrial: algo así como un robot de forma aproximadamente humanoide y con capacidades de relación social y de desplazamiento, pero que, en lugar de manos, tuviera elementos terminales para soldadura, pintura, etc, (quizá que tuviera más de dos brazos y alguno fuesen manos y otros elementos especializados) e, incluso, que quizá, el propio robot fuese capaz de determinar la herramienta que necesita y ajustársela.  

De todas formas, y aunque me mantengo a la expectativa, sigo viendo poco claro, al menos a corto o medio plazo, la aplicación masiva de robots humanoides en el ámbito industrial.

El sector espacial

El sector de la exploración espacial es muy interesante para la robótica de todo tipo y pudiera dar cabida también a robots humanoides por su versatilidad. Creo que el propio Elon Musk ha afirmado que los primeros viajes de SpaceX a Marte llevarán robots Optimus.

Aunque no es cien por cien seguro que un robot humanoide sea la mejor opción para exploración espacial, tampoco me parece del todo descabellado. 

Pero no lo sitúo como uno de los sectores principales por motivos de volumen. Aunque los contratos para exploración espacial seguro que son grandísimos y muy jugosos, el número de robots implicados creo que siempre sería escaso.

Me parece que es un sector que, caso de que realmente los robots humanoides encuentren su hueco en él, servirá más para el desarrollo tecnológico, la prueba de concepto, la puesta a punto de casos de uso, etc que como un mercado propiamente dicho.

Eso sí, caso de ser exitoso el uso de robots humanoides en este campo, podría suponer un aldabonazo para otros mercados y sectores.

¿Y el mercado doméstico?

¿Y qué pasa con el mercado doméstico? ¿Qué pasa con el consumo? ¿Llegarán los robots humanoides a nuestros hogares?

Bueno, no creo que sea el primer mercado. Aparte de alguna eventual resistencia psicológica, sobre todo creo que es prohibitivo, actualmente, el coste. Además, y desde un punto de vista práctico, no tiene sentido pagar lo que puede costar un robot humanoide para lo que realmente se puede obtener de él en el ámbito doméstico.

De todas formas conviene hacer algunas salvedades.

La primera es que, en mi opinión, el mercado masivo, el consumo, el mercado doméstico, en un sector o un mercado mucho más impredecible porque la decisión de compra, creo, es mucho menos racional. Si por algún motivo, a 'la gente' de repente, le apeteciese tener robots humanoides, en general o para algún uso concreto, si algún fabricante lograse 'apretar la tecla oportuna', a lo mejor la demanda explotaba. Pero de momento creo que, ni hay esa demanda, ni la relación coste-beneficio  justifica la compra. Es más, incluso aunque esa relación coste-beneficio no fuese mala, el precio no lo puede pagar cualquiera.

Otra salvedad que quiero hacer es que estoy pensando en robots humanoides de sofisticación media o alta, como los robots sociales de gama alta actuales o más evolucionados. Formas robóticas más simples y baratas, más cercanas a un juguete o a una forma avanzada de altavoz inteligente móvil, aunque tampoco apuesto por ello claramente a corto plazo, no me parece descabellado. Solo se trata, de nuevo, de encontrar la 'tecla' y apretarla.

En busca de una 'killer app'

Y esa búsqueda de la tecla' nos refiere en parte al famoso concepto de la 'killer app', esa solución o ese caso de uso de una tecnología que, de repente, y puede que inesperadamente, puede que incluso inexplicablemente, haga explotar el mercado.

En el caso de los robots humanoides, también puede aparecer esa 'killer app' que no nos imaginemos ahora mismo, o que no consideremos cercana. En el caso de los robots humanoides, sin descartarla completamente, creo que se necesita todavía un 'afinamiento' de la solución desde el punto de vista técnico y funcional y, sobre todo, una bajada de costes.

Conclusiones

Como toda esta serie de posts, realmente lo que he hecho es mera especulación, basada en mi intuición más que en datos firmes, pero he intentado recorrer los segmentos de clientes y los mercados donde me imagino que los robots humanoides pudieran tener éxito a corto o medio plazo, y algún sector adicional en que lo veo menos claro pero que, por un motivo u otro, me parece que tienen o pueden tener relevancia.

En el próximo post, que creo que será el último de esta 'mini-serie', comentaré, de nuevo como mera especulación, estrategias y dinámicas de mercado para la introducción más o menos masiva de robots humanoides.

Artículos de este blog relacionados

• Especulando sobre un mercado para robots humanoides (I): proposición de valor

Especulando sobre un mercado para robots humanoides (I): proposición de valor

Que el mundo de la robótica en general, y de la robótica cognitiva y los robots humanoides en particular, es algo que pueden saber bien quienes sigan este blog o en otros medios digitales.

Un poco bajo esa perspectiva ,acojo con una mezcla de entusiasmo y escepticismo la creciente presencia en medios y eventos de este tipo de robots y algunas predicciones que ya nos hablan de adopciones masivas y de mercados gigantescos.

En busca de estudios de mercado de robots humanoides

He intentado, aunque confieso que aún sin mucho ahínco, encontrar informes lo más serios posible sobre ese mercado y esas expectativas. Aunque confieso, insisto, en que aún le he dedicado poco esfuerzo a esa búsqueda de informes, de momento lo poco que me he encontrado es de pago o no muy fiable. Así que aún tengo pocas opiniones fundamentadas al respecto.

Especulando acerca del mercado de robots humanoides

Así que, sin renunciar a esa búsqueda y lectura de informe de terceros (que espero poder acometer esta misma semana), me ha apetecido hacer algunas reflexiones propias sobre ese mercado de robots humanoides, sobre lo que éstos tienen que ofrecer, sobre su madurez tecnológica, sobre su proposición de valor y sobre posibles estrategias de lanzamiento.

Esto me ocupará un corto número de posts, calculo que  tres, y que empiezo hoy con este dedicado a la proposición de valor de los robots humanoides.

Adelanto, y vuelvo a insistir en ello, que se trata de una valoración bastante especulativa, más basada en mi intuición que en datos, así que pudieran existir lectores que, con base en alguna información más o menos sólida, tuvieran otra perspectiva bien fundada, e incluso pudiera suceder que yo mismo cambiase de opinión si los hechos, los datos o nuevas reflexiones, me demostrasen que 'las cosas', van por otra vía a la que imagino ahora mismo.

Pero, de todas formas, me lanzo a dar mi opinión y mi percepción actual. Y lo hago, como he dicho, reflexionando sobre la proposición de valor de los robots humanoides.

La proposición de valor de los robots humanoides

Cuando explico a alumnos la casilla de proposición de valor del famosísimo Bussines Model Canvas, les suelo decir, simplificando, que en la proposición de valor tenemos que decir dos cosas:

• El porfolio de productos y servicios que ofrecemos
• Qué aportamos a los segmentos de cliente a que servimos, qué nos hace diferentes y sobre todo valiosos para esos clientes

Las personas avezadas en estos temas de modelos de negocio, seguramente conocen la existencia del lienzo específico de proposición de valor en que se retrata, de manera más detallada, a los segmentos de cliente con sus trabajos, frustraciones y alegrías y qué ofrecemos en esos tres aspectos. Pero no voy a llegar tan lejos en este artículo: simplemente voy a razonar en lenguaje natural lo que creo que se puede aportar desde el campo de los robots humanoides.

La proposición de valor de los robots humanoides

Reflexionando brevemente sobre los robots humanoides, y sin pensar aún en segmentos de cliente concretos (cosa que trataré en otro post), creo que, de forma simplificada, puedo identificar los siguientes valores o elementos de valor de los robots humanoides:

• Versatilidad en la automatización 
• Cercanía y facilidad de uso
• Atractivo, efecto 'wow'
• Plataforma de innovación

La versatilidad en la automatización

La automatización de tareas y procesos, suele utilizar, y así lo ha hecho también en el mundo de la automatización, equipos especializados, aptos para el ámbito concreto de aplicación y muy eficientes en ella. 

Así, en el caso de los robots manipuladores que automatizan procesos industriales, no les dotamos de ruedas ni ningún otros mecanismo de transporte puesto que están fijos en una línea de producción. Aunque sí exhiben cierta flexibilidad en cuanto a los elementos terminales, los 'gripper' o 'garras' puesto que son reemplazables, cuando el robot está trabajando en régimen permanente utiliza siempre el mismo tipo de elemento terminal, apto para soldar, pintar, manipular o la tareas que le correspondan, porque durante semanas, meses o años va a estar haciendo siempre esa misma labor. Y el programa también es un programa fijo, con pocos elementos de flexiblidad, como mucho la detección mediante sensores de una pieza o cosas similares aunque, también, evidentemente, si el mismo robot lo vamos a usar para otra tarea, se puede reprogramar.

Los robots móviles, por ejemplo los AMR ('Autonomous Mobile Robot') aunque parecen exhibir más flexibilidad en su comportamiento, no dejan de tener sus limitaciones o especializaciones. Así, en ambientes industriales, e incluso en ambientes de exterior, de hospital u oficina, el mecanismo de movimiento son las ruedas, un gran mecanismo realmente, pero que funciona bien en terrenos lisos y normalmente con nula o escasa pendiente, teniendo dificultades, por el contrario, en terrenos irregulares. En algunos casos se puede mejorar la situación usando orugas, pero no deja de ser un mecanismo aún de cierta especificidad. Los robots habituales se enfrentan mal, por ejemplo, a escaleras.

Frente a eso, los robots humanoides pueden ofrecer una gran versatilidad y capacidad de adaptación a todo tipo de tareas. El disponer de manos y piernas les permiten acometer todo tipo de tareas de la misma forma que los seres vivos en general, y los seres humanos en particular, son capaces de hacer. En cierto sentido podemos entender que los seres vivos, aunque tienen especializaciones evidentes, tienden a ser 'maquinas de propósito general', puesto que el día a día de la naturaleza y sus entornos les hace tener que enfrentar situaciones y tareas muy variadas. Al imitar a los seres vivos, en concreto a los humanos, los robots humanoides heredan al menos parte de esa versatilidad, y más versatilidad cuanto mejor imiten a los humanos, a nivel tanto físico como cognitivo.

Salvando muchas distancias, podemos aludir a un cierto paralelismo y decir que los robots humanoides pueden tener un efecto generalizador sobre la robótica similar al que los modelos fundacionales tienen en el procesamiento del lenguaje y en la inteligencia artificial en general.

Una versatilidad que, sin embargo, puede ir en detrimento de su eficiencia para tareas específicas que probablemente fuesen realizadas de manera más eficiente por máquinas especializadas o robots más tradicionales. Esto es muy importante tenerlo en cuenta, sobre todo cuando hablemos de costes.

Cercanía y facilidad de uso

El segundo elemento de la proposición de valor de los robots humanoides es su 'facilidad de uso' por parte de las personas.

Los robots humanoides emulan, no solo en su forma, sino también en su comportamiento y comunicación a las personas: se comunican mediante voz y lenguaje natural, utilizan convenciones sociales en su relación con personas y las acciones que realizan son, más o menos, las que podríamos esperar que realizase una persona. Es decir, apenas hay que 'aprender a utilizarlos'. Nada de APIs, listas de comandos, etc para relacionarnos con ellos, sino una relación natural y, por supuesto salvando algunas distancias y limitaciones, similar a la que tendríamos con una persona.

Así que son fáciles, casi triviales de utilizar.

Siguiendo con los paralelismos, los humanoides son al mundo físico lo que los agentes conversacionales avanzados, basados en grandes modelos de lenguaje e interacción por voz en el mundo de las aplicaciones: apenas hay que aprender a usarlas, al menos para una interacción inicial, porque es la máquina la que se ha adaptado al modo de comunicación humano.

Esta facilidad de uso, útil en cualquier situación, puede ser especialmente importante para entornos domésticos o de oficina y para conseguir una eventual masificación del mercado de los robots humanoides.

Atractivo y efecto 'wow'

Es bastante evidente el efecto de fascinación que, no sólo en mi, sino creo que en muchísima gente, ejercen los robots humanoides. Ese atractivo, y ese efecto 'wow' puede ser explotado en muchos casos de uso y en muchas aplicaciones, especialmente en los momentos iniciales de su penetración en el mercado.

Es evidente que si esta tecnología y este mercado maduran, se perderá ese efecto 'wow', pero creo que en este momento es una parte importante de la proposición de valor para algunos segmentos de cliente y casos de uso, y que puede jugar, como explicaré en otro post, un papel importante en el desarrollo de este mercado.

Plataforma de innovación

Finalmente, y aunque este elemento de proposición de valor sólo aplica a segmentos muy especiales de clientes, los robots humanoides son una gran plataforma de experimentación e innovación.

Los robots humanoides son máquinas muy complejas, donde se unen desde tecnologías relativamente tradicionales de la ingeniería como materiales, motores, cinemática/dinámica, sensores, etc con elementos avanzados de inteligencia artificial, no sólo en el campo de la percepción (voz, visión artificial) y en el procesamiento del lenguaje, sino también en gestión de emociones, en planificación del movimiento, en resolución de problemas. Incluso, y yendo más allá de la pura tecnología, los robots sociales se han utilizado para experimentar en materia de psicología, aprendizaje, comportamiento, comportamientos sociales, antropología,...

Incluso si los robots humanoides tardasen en generar un mercado voluminoso, las sinergias con muchos otros tipos de soluciones podrían convertirlos en unas excelentes plataformas de experimentación, investigación e innovación pudiendo exportar soluciones tecnológicas a otros campos como los vehículos autónomos, la propia inteligencia artificial y así un largo etcétera y obteniendo una rentabilidad indirecta

Elementos del reverso tenebroso

Conviene, a pesar de los elementos interesantes de los robots humanoides, ser conscientes de algunas 'pegas' algunos reversos tenebrosos que pueden limitar o retrasar su despliegue. Se me ocurren los siguientes:

• Madurez tecnológica: A pesar de los espectaculares vídeos que muchos fabricantes de estos robots nos ofrecen (algo que abanderó Boston Dynamics), a pesar de las demos en congresos y eventos tecnológicos, a pesar del ruido mediático, tengo la sensación (y en este punto estaría encantado de dejarme convencer de lo contrario) que los robots humanoides (me refiero a los avanzados, no a robots sociales más o menos básicos) no están aún tecnológicamente preparados para el 'prime time', que no están aún a la altura de la promesa que esos vídeos y el 'hype' que les rodea plantean, que no podemos 'soltar' a robots humanoides en entornos domésticos o de oficina, que aún necesitan moverse en entornos especializados y bajo supervisión. Esto puede cambiar, claro. Y ojala que cambie. Y probablemente cambie. Pero creo que esta es la situación actual.


• Coste: Los robots humanoides son máquinas sofisticadas y caras. No tengo muchas cifras pero seguramente estemos hablando de una horquilla entre los 10.000€ y los 50.000 €, algo así como un coche y, en muchos casos, un coche caro. Eso limita mucho sus posibilidades de mercado. En este punto hay una cierta realimentación, un cierto círculo virtuoso, que comentaré en otro post, entre el desarrollo de un mercado y el coste de la tecnología que pueden 'correr a favor' de los robots humanoides. Pero ese círculo virtuoso hay que ser capaces de activarlo y, en este momento, creo que aún no lo está. Y, por ello, ahora mismo los robots humanoides son bastante caros. 


• El valle inquietante: Este tercer punto es un riesgo que, quizá sea con diferencia el menos importante, pero no quiero dejar de señalarlo porque podría tener alguna relevancia en mercados domésticos o no profesionales. Aunque los robots humanoides resultan en general atractivos, es cierto que cuando su aspecto es muy similar a un humano pueden llevar a un rechazo. Eso puede ser relativamente gestionable por los fabricantes, cuidando que el aspecto sea solo 'relativamente humano', sin cruzar las fronteras del valle inquietante. Aún así, sospecho que para ciertos colectivos o en ciertas aplicaciones, un robot humanoide puede generar rechazo o incluso miedo. 

Conclusiones

En este post he intentado, y siempre siguiendo mi intuición más que datos, delimitar los elementos de la proposición de valor de los robots humanoides. En próximos posts hablaré, creo, de los segmentos de cliente a que pueden ir dirigido y qué les aportan, y en posibles estrategias de desarrollo de este mercado.

Grandes modelos de lenguaje y el derecho al olvido

Uno de los derechos de que se habla mucho en el mundo digital, con frecuencia ligado a los aspectos de privacidad, es el del derecho al olvido.

Este derecho, se podría ver comprometido, de una forma quizá insospechada, por la existencia y el uso de los grandes modelos de lenguaje o de los modelos fundacionales en general.

Antes de abordar el problema, dos breves incisos: uno para comentar en qué consiste eso del 'derecho al olvido' y otro para recordar brevemente cómo se produce el entrenamiento de los grandes modelos de lenguaje (LLM, 'Large Language Models').

El derecho al olvido

No soy jurista, así que no pretendo aportar una definición rigurosa, sólo introducir la idea por si algún lector no estuviese familiarizado con ella. Solicito ayuda a ChatGPT y obtengo una explicación que me parece perfectamente ajustada a lo que quería explicar. Me dice:

El derecho al olvido es un concepto legal y de privacidad que permite a las personas solicitar la eliminación de información personal de los motores de búsqueda, bases de datos y otras fuentes digitales cuando dicha información ya no es relevante, es inexacta o afecta negativamente su reputación. Se origina en el derecho a la protección de datos personales y la privacidad.

En efecto, esa es la idea: debido a nuestra interacción con los medios digitales, y muy especialmente, aunque no únicamente, con redes sociales, existe o puede existir una gran información en la red sobre nosotros, en muchos casos mucha información que hemos aportado voluntariamente y, en ciertos casos, una información que incluye datos personales o que posibilita la identificación.

En cualquier caso, incluso en el caso de información no personal, es posible que, en un momento dado prefiramos que esa información deje de estar en la red. El derecho al olvido, en buena medida, creo, apoyado en el caso europeo en el RGPD (Reglamento General de Protección de Datos), pretende proteger ese derecho a la eliminación de datos.

Desde un punto de vista legal, al menos hasta donde se me alcanza, lo que protege el RGPD y, por tanto, el 'verdadero derecho al olvido' que tenemos, al menos los ciudadanos europeos, se enfoca a los datos sensibles y de carácter personal. No tengo tan claro, lo reconozco, el derecho a eliminar otro tipo de contenidos como un artículo, un post, un tuit, etc.

El entrenamiento de los grandes modelos de lenguaje

Hagamos otro alto en el camino para hablar brevemente y de forma algo superficial de cómo se hace el entrenamiento de los grandes modelos de lenguaje.

En los grandes modelos de lenguaje actuales, lo que entrenamos son unas redes neuronales complejas. El entrenamiento se refleja, fundamentalmente, en el ajuste de los pesos de la red neuronal. Con base en los ajustes de esos pesos, los modelos aprenden a codificar los textos como unos vectores (los famosos 'embeddings') que albergan cierto contenido semántico; aprenden también, de alguna manera la estructura del lenguaje humano (su sintaxis y morfología); y aprenden, finalmente, y de alguna manera, una gran cantidad de conocimiento de todo tipo recogido en texto, en lenguaje.

Para eso se basan en la lectura y, en cierto sentido, 'digestión, de una ingente cantidad de texto contenido en libros, páginas web etc. En esa digestión es en lo que, metafóricamente, consiste el entrenamiento.

Es importante entender, aunque no es fácil del todo de imaginar que, aunque estos modelos, aprenden de alguna manera, no tienen para nada los conceptos simbólicos, lógicos, causales, etc que tenemos los humanos y que asociamos al conocimiento y cuya adquisición asociamos al aprendizaje. En el caso de los grandes modelos de lenguaje, de los modelos fundacionales en general, hablamos de modelos altamente probabilistas, donde el conocimiento como los entendemos los humanos, está implícito, diluido, recogido en unos pesos y unos parámetros que sólo muy indirectamente, aunque de una forma muy eficaz, tienen que ver con un verdadero conocimiento.

Aunque es 'invento mío' esta idea del 'conocimiento diluido' es importante tenerlo claro: en un gran modelo de lenguaje no hay una base de datos, o un repositorio de conocimiento donde podamos encontrar elementos de conocimiento, ni mucho menos la fuente de donde se obtuvo ese conocimiento.

La dificultad para olvidar

Esa 'dilución, que insisto que es una forma de expresarlo que me acabo de inventar para escribir este post, explica la dificultad para olvidar que presentan estos modelos de lenguaje. 

En efecto, no hay un mecanismo sencillo, probablemente ni siquiera viable, para pedirle a un gran modelo de lenguaje que elimine datos concretos, conocimientos concretos, de su 'acervo de conocimiento'. No existe ese mecanismo, o no es sencillo, porque ese conocimiento, porque los datos, porque la información factual están diluidos en el modelo. No están en ningún sitio concreto. No hay un elemento concreto, un registro de una base de datos, un link, un documento... no hay un soporte concreto para un dato o para un conocimiento sino que éste se encuentra diluido en el modelo. Y por ello es muy difícil actuar sobre él.

Esta idea está recogida de alguna forma en el último libro de Chip Huyen titulado, 'AI Engineering: Building Applications with Foundation Models', y donde, en un momento dado, nos explica:

Imagine you published a blog post that you eventually deleted. If that blog post was included in a model’s training data, the model might still reproduce the post’s content. As a result, people could potentially access removed content without your consent.

No habla explícitamente de derecho al olvido, y no se centra en datos personales sino en un artículo de un blog, pero el mensaje es el mismo.

En tecnología, especialmente en el campo del software, casi todo es posible. Supongo que, de la misma forma que chatbots basados en modelos fundacionales como ChatGPT rodean a su modelo de los famosos 'guardrails' para intentar garantizar la eliminación de lenguaje ofensivo o respuestas poco éticas, alguna forma de superposición, de protección de datos podría hacerse también orientada a posibilitar el olvido. Pero esa superposición intuyo que, caso de ser posible, sería compleja, escalaría mal, en ocasiones fallaría, penalizaría las prestaciones y, en definitiva, sería muy costosa y muy poco práctica.

Así que, siempre con la esperanza de que los ingenieros que trabajan en estos modelos puedan 'inventar' algo práctico, de momento tenemos que pensar que en aplicaciones basadas en grandes modelos de lenguaje, el derecho al olvido es muy difícil, casi imposible, de garantizar en estos momentos.

Conclusiones

La conclusión está clara: en estos momentos, garantizar el derecho al olvido cuando la información que se quiere 'olvidar' ha sido utilizada en el entrenamiento de un gran modelo de lenguaje, es una tarea muy difícil, probablemente imposible. 

Un motivo buen para revisar cómo se entrenan estos modelos y también un acicate para que, como ciudadanos individuales, seamos lo más cuidadosos y responsables posible con los datos que volcamos en la red.

Modelos fundacionales versus modelos tradicionales de machine learning

La existencia de los modelos generativos, tanto modelos de lenguaje como modelos multimodales, están cambiando, o más bien añadiendo, nuevas perspectivas al trabajo con inteligencia artificial y, en este caso, estoy pensando en la aplicación de la inteligencia artificial en empresas u organizaciones concretas, y no tanto en el desarrollo general de algoritmos o modelos.

Trabajo 'tradicional' con machine learning

Hasta hace aproximadamente dos o tres años, cuando se produjo la explosión de la inteligencia artificial generativa creo que, aunque sea de manera sin duda simplificada, podríamos decir que había (y hay todavía, claro) dos formas de construir soluciones basadas en inteligencia artificial o adaptar la inteligencia artificial a empresas y organizaciones concretas:

• La primera trataba de construir modelos de machine learning para el análisis y la predicción con datos de la empresa. Los algoritmos como tal están definidos pero la adaptación, el entrenamiento para los datos de la empresa u organización se realiza localmente. Es la forma de trabajar fundamentalmente en analítica inteligente y en la construcción de modelos predictivos, por ejemplo. 


• Reutilización de capacidades ya funcionales de inteligencia artificial: se trataría de utilizar, sin modificar, modelos o capacidades basadas en inteligencia artificial para construir soluciones apoyadas en ellas pero sin modificarlas. Es la forma de trabajar fundamentalmente en automatización inteligente. Así, los robots industriales, por ejemplo, utilizan capacidades de visión artificial, los robots RPA ('Robotic Process Automation') utilizan capacidades de reconocimiento óptico de caracteres (OCR, 'Optical Character Recognition') o de entendimiento de lenguaje natural, y los chatbots tradicionales utilizan también capacidades de entendimiento de lenguaje natural y de reconocimiento y generación de voz. 

Por supuesto que es una forma de resumirlo bastante simplificada pero creo que sí representa las formas de trabajo mayoritarias y muchos de los que trabajan con inteligencia artificial se verán reflejados en ellas.  

Trabajo con modelos fundacionales

Aunque las formas anteriores de trabajo siguen siendo de actualidad, la aparición de los modelos generativos, digamos los modelos fundacionales, introducen cambios y novedades.

Por una parte, ponen al alcance de usuarios 'normales' sin especialización técnica ni mucho menos en inteligencia artificial, hacer uso de capacidades avanzadas para multitud de tareas, sin más que usar las herramientas, sobre todo las tipo chatbot como ChatGPT, y donde gana importancia la habilidad del usuario para formular las preguntas o peticiones de la mejor forma posible usando las técnicas recogidas bajo el concepto de 'prompt engineering'. Incluso, se añaden cada vez más, capacidades para que el usuario se haga pequeñas automatizaciones como las Tareas de ChatGPT.

Además de eso, y de nuevo al alcance de cualquier usuario, cada vez más y más herramientas ofimáticas, como Office 365 o herramientas de videoconferencia como Zoom o Teams, o herramientas de desarrollo y así un largo y creciente etcétera, incluyen capacidades y asistentes basados en inteligencia artificial.

A nivel ya de grupos de desarrollo en gran medida las aplicaciones en torno a los modelos fundacionales se construyen tomando un modelo ya existente y que resulte adecuado y se intenta personalizar el modelo, si es necesario, y usarlo de la mejor forma posible. En el camino de la personalización se dispone de los mecanismos como el fine tunning o el uso de RAG ('Retrieval Augmented Generation').

Y, finalmente, se abre el camino de los agentes que, sin embargo y pese a ser una idea novedosa, recuerda mucho, como ya comenté en el post 'La hibridación de los robots software: agentes frente a RPA y robots conversacionales', a la forma en que se ha trabajado hasta la fecha en RPA o en agentes conversacionales.

Una caracterización de lo diferencial del trabajo con modelos fundacionales

Si yo tuviera que hacer una caracterización rápida de las principales diferencias que traen consigo los modelos fundacionales, diría, a bote pronto, lo siguiente:

• La posibilidad de cambiar de manera notable el comportamiento, simplemente, mediante instrucciones en lenguaje natural ('prompt engineering'), en lugar de hacerlo mediante instrucciones en un lenguaje de programación o reglas formales de algún tipo.


• La generalidad de los modelos subyacentes (que por ello llamamos fundacionales) y que valen para multitud de tareas diferentes y la facilidad para usar modelos de una altísima potencia


• La naturaleza 'no exacta' ni cien por cien previsible del resultado que producen lo que que lleva a tener que tomar precauciones cuando se utilicen en automatización industrial o de procesos por ejemplo, o cuando la eficiencia sea clave, o en el caso tareas críticas donde 'no se puede fallar' y donde no se admiten sorpresas.

Las tres diferencias según Chip Huyen

Leyendo el último libro de Chip Huyen titulado, 'AI Engineering: Building Applications with Foundation Models', me encuentro con que Huyen, autora también de un fantástico libro sobre machine learning, 'Designing Machine Learning Systems', y un poco, creo, comparando con lo que ella misma había escrito, identifica tres diferencias fundamentales entre el trabajo con modelos de machine learning, digamos tradicionales (objeto de su libro anterior), y la creación de soluciones con modelos fundacionales (objeto de su último libro). Ella destaca las tres siguientes diferencias:

• En el machine learning 'tradicional', tú tienes que entrenar tu propio modelo, mientras que en trabajando con modelos fundacionales se usa un modelo que ya ha sido entrenado (o, al menos, añado yo, pre-entrenado)


• Al trabajar con modelos fundacionales se trabaja con modelos mayores, que consumen más recursos y presentan una mayor latencia. Eso pone más presión en la optimización tanto del entrenamiento como de la inferencia y la necesidad de personal especializado en el uso de GPUs y grandes clústers.


• Los modelos fundacionales generan respuestas abiertas lo cual les confiere flexibilidad pero también mayor dificultad de evaluación.

La autora resumen esas tres diferencias en el hecho de que, en el machine learning tradicional el foco está en el desarrollo de modelos, mientras que en desarrollo basado en modelos fundacionales (lo que ella llama ingeniería de IA) el foco está en la adaptación y evaluación de modelos existentes.

Conclusiones

El trabajo con modelos fundacionales lleva a una forma diferente de trabajo en el campo de la inteligencia artificial. Una forma que, al menos por el momento, no sustituye a la anterior, pero que sí introduce nuevos métodos y técnicas de trabajo y donde el foco está más en el mejor uso de modelos existentes y su explotación mediante un buen 'prompting', 'fine tunning' o RAG y en una algo más difícil evaluación del desempeño de eso modelos.

Tres factores para un rápido crecimiento de las soluciones de inteligencia artificial

La amplia disponibilidad de grandes modelos generativos, típicamente grandes modelos de lenguaje, así su cada vez mejor comportamiento, permite la construcción relativamente sencilla de potentes aplicaciones  de inteligencia artificial, incluyendo, por supuesto, los tan 'traídos y llevados' agentes.

Eso es a lo que hay quien ha decidido denominar, como veremos en seguida, ingeniería de inteligencia artificial.

Veamos un poco en qué consiste y a desmenuzar un poquito más, sólo un poquito más, del porqué de su rápido crecimiento actual y más que probable en el futuro.

El concepto de ingeniería de inteligencia artificial

Este concepto de ingeniería de inteligencia artificial ('AI engineering'), o este nombre, más bien, no es de uso común, al menos no hasta el momento, pero es el que adopta una autora tan relevante de este campo como es Chip Huyen en su último libro, 'AI Engineering: Building Applications with Foundation Models', al que, de hecho da título.

Bajo a este nombre, que la propia autora explica que le costó elegir y sólo lo hizo siguiendo las opiniones de terceros, lo que se designa es la construcción de aplicaciones de inteligencia artificial con base en grandes modelos de lenguaje (LLM, 'Large Language Models') o, quizá mejor, grandes modelos multimodales (LMM, 'Large Multimodal Models') o, aún mejor, modelos fundacionales ('foundation models'),  ya existentes .

Nada más y nada menos que eso.

En las primeras paginas de este libro, la autora identifica tres factores que en seguida veremos que posibilitan el rápido crecimiento de este tipo de soluciones.

Modelos como servicio

Antes, mencionar siguiera de pasada, una idea que expresa la autora y que quiero resaltar más por su importancia que por su originalidad, que es el de los modelos como servicio, que podríamos expresar como el típico acrónico MaaS ('Model as a Service'), siguiendo la práctica habitual en el mundo cloud.

En efecto, con los grandes modelos generativos se sigue aplicando, quizá aún con más fuerza y relevancia, el planteamiento 'as a Service' (aaS) del mundo cloud. Si ya la tendencia a prestar servicios y capacidades IT de todo tipo desde la nube es una tendencia o, más bien, una realidad imparable, este planteamiento tiene aún mucho más sentido en el caso de los grandes modelos generativos.

El MaaS lo que significa es que cuando una empresa o un particular desea usar un modelo, no desarrolla su propio modelo desde cero lo cual, por las necesidades de hardware, de computación y de 'know-how', estaría al alcance de muy pocas organizaciones. Bien al contrario, lo habitual es usar un modelo ya existente y, aunque es posible en algunos casos la descarga en local, con mucha frecuencia se usan esos modelos desde la nube y se paga por su uso.

Así ocurre cuando usamos APIs como la de OpenAI o los modelos abiertos que nos  ofrece Hugging Faces.

Esta disponibilidad de los modelos y su cada vez más fácil uso mediante APIs sencillas o entornos de desarrollo elimina en gran medida la dificultad, las denominadas barreras de entrada. Con ello, la situación es como nos indica la propia autora

the demand for AI applications has increased while the barrier to entry for building AI applications has decreased.

es decir, tenemos una cada vez mayor demanda de soluciones de inteligencia artificial, unida a una cada vez mayor facilidad para construirlas.

Los tres factores

En parte como consecuencia de lo anterior, junto con algún elemento adicional, llegamos a los tres grandes factores que Huyen identifica como las condiciones ideales para el crecimiento de este tipo de soluciones, y que serían:

• Factor 1 - Capacidades IA de propósito general: Dado que los modelos fundacionales no sólo funcionan cada vez mejor, sino que son capaces de realizar una grandísima variedad de tareas, de ahí en parte su nombre, en el fondo.


• Factor 2 - Mayores inversiones en IA: Superados en apariencia todos los inviernos, la nueva inteligencia artificial, que claramente ha demostrado su capacidad para proporcionar soluciones reales, recibe abundantes inversiones tanto de organizaciones de capital-riesgo como de empresas. Y eso supone, evidentemente, un impulso adicional, casi definitivo.


• Factor 3 - Baja barrera de entrada: que entronca con lo que hemos visto en la sección anterior, la disponibilidad de modelos, su posibilidad de contrato como servicio y su facilidad de uso incluyendo en muchas ocasiones la necesidad de una cantidad mínima de codificación.

No sé si se podría identificar algún factor más, pero claramente estoy de acuerdo con los aportados por Huyen.

Conclusiones

Estamos ante un momento casi dorado para el rápido crecimiento de soluciones de inteligencia artificial con base en modelos generativos fundacionales. Y según Chip Huyen los tres factores que crean un entorno ideal para el crecimiento de este tipo de soluciones son su generalidad, la recepción de inversiones y la facilidad de uso.

OdiseIA4Good: un hackathon y ocho reflexiones

Ayer culminó el 'I Hackathon internacional de IA para colectivos vulnerables' organizado por OdiseIA (Observatorio del Impacto Social y Ético de la Inteligencia Artificial), organización a la que pertenezco desde hace, creo, cinco años. Y un evento en que participe, fundamentalmente dando soporte a algunos de los equipos que participaban, en un rol que la organización definió como 'supermentor'.

Un evento del que no había hablado en este blog aunque sí había dejado rastro en algunos de mis otros canales digitales.

El hackathon en total duró casi tres semanas, pues hubo dos semanas previas de fase online, un poco de calentamiento, pero la parte nuclear, la fase presencial, tuvo lugar los días 25, 26 y 27 de Febrero.

En este post quiero recoger algunas impresiones y reflexiones personales sobre el evento. Decir que, aunque pertenezco a OdiseIA y he colaborado en el evento, son reflexiones absolutamente personales. 

El esfuerzo de organización

La primera impresión, quizá la de índole más práctica, es la que tiene que ver con el tremendo esfuerzo de organización que supone montar un evento así. No he estado involucrado en la organización propiamente dicha salvo para echar una mano en temas puntuales porque mi rol era otro, pero al estar muy cerca de la organización y conocer bien a quienes se encargaban de ella, he podido observar bastante de cerca la gestión, la organización, la logística e incluso la necesidad de reaccionar ante los siempre presentes imprevistos.

Y, hasta donde lo he percibido, he podido comprobar cómo organizar un evento de esta naturaleza, es un esfuerzo de gestión fenomenal (y la palabra esfuerzo es muy adecuada) con mil y un aristas, mil y un detalles, mil cosas que pensar, organizar o resolver, y todo ello bien orquestado para que las cosas se hagan o sucedan en el modo y momento en que tiene que ser. Hay mucha, muchísima gestión, y también mucho esfuerzo y mucha voluntad y dedicación para salvar todo aquello que la mera organización no puede prever.

Realmente, hasta la fecha, OdiseIA no había acometido una iniciativa de esta envergadura y, aunque siempre hay puntos de mejora (tengo en mi cuaderno mental alguna propuesta), creo que el reto, y ahora me refiero no al social, sino al organizativo, se ha superado con muy buena nota. 

El atractivo de la IA responsable

Algo muy reconfortante es comprobar cómo la inteligencia artificial responsable, y cómo su aplicación social, y en este caso para colectivos vulnerables, son temas que resultan atractivos. La respuesta en número de 'hackers' y equipos ha sido muy alta y no ha dejado de sorprenderme cosas como que haya participado, bien que en modalidad online, alguna persona de lugares tan remotos como Sri Lanka (todavía no me explico cómo tuvo noticias del hackathon), que bastantes hackers con residencia fuera de Madrid se hayan desplazado a la capital para estar tres días dedicados al hackathon o que en el evento de cierre de ayer, lo que se denominó el congreso, también asistiera como espectador alguna persona venida de fuera de Madrid expresamente para el acto.

Desde luego, OdiseIA organizó un evento muy atractivo, pero también creo que existe un atractivo intrínseco, no sólo de la inteligencia artificial como tecnología o como negocio, que es casi evidente, sino también del uso ético y de su aplicación social.

Y ese interés es muy esperanzador.

El impacto social

Hay otro gran motivo de esperanza. Muchos de los proyectos que han salido de este hackathon o que se han impulsado durante el mismo, tienen, por supuesto, una clarísima vocación social pero es que, además, son, no tengo ninguna duda, perfectamente viables e implantables.

Me tocó 'supermentorizar' dos proyectos de estos que son maduros, de alto impacto e implantables. Uno de ellos es un proyecto espectacular, casi diría una línea de trabajo, de la Universidad Complutense, que aplican inteligencia artificial para distintos elementos relacionados con el agua, como su detección o el análisis de potabilidad. Y todo ello con el propósito, en primera instancia, de desplegarlo de la forma más masiva posible en Etiopía, aunque es aplicable en cualquier lugar, especialmente afectada por sequía y escasez de agua.

También me tocó en suerte, 'supermentorizar' un equipo y un proyecto, que a la postre fue el ganador del Hackathon, que trabaja en el campo de la accesibilidad web y que dispe de un plugin que analiza el texto de una web y lo traduce a lenguaje sencillo en primera instancia y lo que se denomina en accesibilidad, 'lectura fácil (no es lo mismo aunque lo parezca). Y lo demostraban sobre páginas de la administración pública, creo recordar que de la agencia tributaria, aunque de este último extremo no estoy seguro. El último día por la mañana me acerqué a su mesa a ver si me podían hacer una 'demo' informal. Tras acabar de verlo les dije que en mi opinión eso era implantable ya. Que tenía mercado. Que, mas allá del hackathon 'había que moverlo'. El jurado debe haber pensado algo parecido desde el momento que obtuvieron el primer premio.

Estos son los casos que conozco más, pero seguro que muchas de las soluciones creadas o evolucionadas en el hackathon tienen posibilidades reales de implantación y, por tanto, posibilidades reales de tener impacto social.  

De hecho, los premios (en realidad había muchos y diferentes tipos de premios) estaban orientados a convertir en realidad, a conseguir el despliegue de las soluciones presentadas.

Y eso es valiosísimo. Eso es un resultado real. 

Ese es el tipo de ética que me gusta a mi personalmente, y que nos gusta en OdiseIA como organización: la ética en positivo y la ética de acción.

La motivación

Algo especial de este evento, supongo que común en este tipo de eventos, es la motivación y el entusiasmo que se respira. Una motivación y un entusiasmo que es de doble cara, tanto en el equipo de organización como en los hackers y los equipos que se esfuerzan por encontrar la mejor solución.

La motivación y el entusiasmo son motores extraordinarios de cualquier actividad humana, y poderlos sentir, respirar, y en abundancia, a raudales, es siempre algo especial

El talento

Uno de mis ideales, uno de los valores, no éticos pero sí de personalidad, que admiro y al que aspiro, es el conocimiento. Así lo tengo declarado en mi página oficial desde hace muchos años, y así lo voy dejando caer en diferentes posts, podcasts o cualquier otro medio que uso para expresarme.

Más allá del mero conocimiento, admiro el talento, el talento que, de alguna manera, es la fusión de unas capacidades intelectuales innatas, con ese conocimiento que mencionaba y con la voluntad de movilizar ambas cosas.

Y un hackathon como el que culminó ayer es una explosión de talento, de personas de todo tipo y condición, valiosas, inteligentes y comprometidas.

Hace ya bastantes años, en otro blog diferente a este, publiqué un post que se titulaba  'Qué bonita es la inteligencia'. En aquel caso, y pese a lo que el título pueda hacer pensar, el ámbito era el del baloncesto, y me fijaba en una jugada famosa, entre Kobe Bryant y nuestro Pau Gasol, un 'pick & roll' donde, éste último, nuestro Pau, demostraba toda su inteligencia en el juego y se permitía guiar al entonces mejor jugador del mundo: Kobe Bryant.

Cambiando sólo la palabra y el entorno, pero con el mismo sentido, puedo exclamar ahora ¡Qué bonito es el talento!

Y bonito era, en efecto, contemplar la sala donde los equipos trabajaban y bonito fue ver sus exposiciones finales, sus 'pitches'.

Las personas y el networking

En un evento de cualquier tipo, una de las cosas que se valoran es la posibilidad de hacer networking, de conocer a personas nuevas, intercambiar experiencias y, quién sabe, si alumbrar oportunidades.

El networking tiene, para mi, una doble cara. Por un lado, la cara práctica, la posibilidad de enterarte de cosas, de establecer conexiones o de encontrar oportunidades profesionales. Pero tiene también una cara de puro placer, de disfrutar conociendo a personas, personas con talento, personas motivadas, personas interesantes y charlar con ellas, sólo por el placer de charlar y de compartir.

En mi etapa profesional y vital actual, tengo que decir que, aunque pueda parecer 'postureo', realmente disfruto casi más de lo segundo, del mero placer de conocer e intercambiar ideas y experiencias, aunque no niego que luego, casi sin buscarlo, casi sin querer, una cosa lleva a la otra y no es raro que surjan oportunidades.

Tengo la sensación de haber podido dedicar poco tiempo a ese networking en esta ocasión ya que el rol que estaba desempeñando y el echar una mano en otras coas (así como alguna limitación de agenda por otros motivos) me impidieron dedicar mucho tiempo a ello. ¡Con la cantidad de gente interesante que había! Pero aún así, me llevo nuevas personas conocidas, nuevos contactos en LinkedIn y algún compromiso real de vernos en otro momento, alrededor de un café o cerveza.

Para los hackers y equipos participantes, espero que también les haya servido para conocer a otras personas que trabajan en proyectos parecidos, que tienen inquietudes parecidas y quién sabe que conocimiento podrán intercambiar, qué contactos establecer o en qué iniciativas podrán colaborar.

Unas palabras sobre la juventud

En el hackathon participaron todo tipo de personas y eso incluye todo tipo de rangos de edad, desde muy jóvenes hasta personas bastante maduras. Eso es fantástico. Esa gran variedad de edades era algo que me comentó alguna persona que le sorprendía, que ella hubiera esperado sólo gente joven. Y es una gran cosa esa especie de mestizaje de edades. No deja de ser otra forma de inclusión y de enriquecimiento.

Pero quisiera centrarme en la juventud, en los más jóvenes, fundamentalmente estudiantes universitarios (en algún caso de primero). Personalmente, me tocó 'supermentorizar' dos equipos de personas jóvenes: un equipo formado por unas chicas estudiantes de la Universidad Rey Juan Carlos, y un equipo de chicos de la Universidad de Santiago de Compostela. Era un placer hablar con ellos y ellas. Era un placer sentir sus ojos atentos a lo que les contabas. Y lo que, a lo mejor, se imaginan menos, y puede que les sorprendiera saberlo, es el placer, casi el orgullo, que sentía cuando l@s veía volcados en sus portátiles, o debatiendo entre ell@s, concentradísim@s en su reto y en sacar adelante sus soluciones respectivas. Es otra forma de ver la motivación y el talento en acción.

También me acerqué a otro equipo, que no era 'mío', el de los 'puntos violeta', porque me causó curiosidad una exposición informal previa y quise entender por qué habían planteado un tipo de modelo de IA concreto. Me acerqué a donde estaba el equipo, y me contestaron a esa pregunta y ya de paso, les pregunté varias cosas más que me interesaban y les hice alguna leve sugerencia, no tanto de cara al hackathon, sino para la continuación del trabajo. Me fui encantado de ver su madurez, lo robusto de la idea (y no sólo desde el punto de vista tecnológico) y lo sensato@s que eran en todos sus planteamientos.

A lo largo del hackathon, en un momento de receso, una compañera de OdiseIA (que se reconocerá si lee esto) me preguntó sobre mi opinión como docente que soy en buena medida actualmente, sobre el nivel y motivación de los estudiantes actuales o de la juventud en general.

No voy a detallar toda mi contestación pero, en esencia, le vine a decir que, en mi experiencia, había de todo. Expresé alguna reserva, que la tengo, respecto al modelo y nivel educativo actuales, pero también le dije, y esto es lo principal, que precisamente en mi actividad docente, aunque me había encontrado de todo, aunque había tenido, claro, alumnos 'pasotas' y poco preparados, también había tenido much@s alumn@s de buen nivel, motivados, trabajadores, entusiastas y, en algunos casos, incluso realmente brillantes. Y concluí diciéndole que, en conjunto, y pensando en el futuro, no me parecía que fuésemos a quedar en malas manos.

Y esa es mi idea: creo que en la juventud actual hay de todo, como lo hay en mi generación o como lo hubo en la de nuestros padres o abuelos. No creo que sea mucho mejor ni mucho peor, probablemente sólo tenga algunos elementos culturales diferentes, pero sólo eso, algo diferentes...como también nosotros fuimos algo diferentes de quienes nos precedieron.

Esa es mi idea en general pero, claro, este hackathon es un 'chute de optimismo', un refuerzo a la visión positiva sobre la juventud. En él hemos podido ver a esa parte de la juventud que es inteligente, formada, entusiasta, comprometida, trabajadora y, en algunos casos, realmente brillante. 

La experiencia

Por encima de muchas cosas, quizá este hackathon sea, sobre todo, una gran experiencia, una grandísima experiencia para cualquiera que participe. sea en el rol que sea.

Cuando aún estábamos en la fase online y aún se estaban conformando los equipos, tuve ocasión de hablar con alguna persona que dudaba si participar o no. Y le intenté transmitir que, más allá de que el reto que se le había asignado le atrajese más o menos, de lo que estaba seguro es de que iba a ser una gran experiencia.

Y creo que así es. Me tocó también 'supermentorizar' un equipo conformado a última hora (el mismo martes por la mañana), por personas que no se conocían entre sí, que no conocían el reto a que se iban a enfrentar y que tenían parte del equipo en online y no presencial. Aunque es evidente que, con ese punto de partida, es imposible alcanzar una solución super-sofisticada y super terminada, lo que sigue siendo valioso es el trabajo realizado, la relación y, en conjunto, la experiencia. Así lo comprobé con las dos personas que estaban presencialmente en Madrid, a las que se veía sonrientes, orgullosas y encantadas con la experiencia.

Me hago la idea de que aquellas personas que hayan vivido la experiencia de este hackathon querrán repetir. Querrán repetir por su interés en la inteligencia artificial y por su compromiso con la acción social y con ayudar a colectivos vulnerables.

Pero querrán repetir también, quizá sobre todo, porque es una experiencia, una gran experiencia.

El futuro

Y si quieren repetir, tendrán ocasión de hacerlo, porque, como tuve ocasión de oír de boca de nuestra presidenta, Idoia Salazar, habrá más ediciones.

Así que, supongo que dentro más o menos de un año, estaremos hablando del II Hackathon Internacional de IA para colectivos vulnerables.

Tecnología para el bien (II): organizaciones para el bien

En el post anterior de este blog titulado 'Tecnología para el bien (I): de qué bien hablamos', intentaba transmitir la idea de que el uso de la tecnología para el bien no debe circunscribirse sólo al ámbito de la acción social en territorios como la ayuda a colectivos vulnerables, la aplicación en salud, en ecología, en investigación, etc por más que este tipo de casos de uso nos inspiren y nos eleven y sean, en efecto, grandes exponentes del uso de la tecnología para el bien.

Pero defendía que el uso de la tecnología como base para generar riqueza, que en el fondo no es más que la producción de bienes y servicios, es también un uso para el bien. Defendía que el uso de tecnología para la, últimamente algo denostada, eficiencia, es también un uso para el bien.

Y lo único, que en el fondo no es poco, que precisamos es que cuando usemos la tecnología para generar riqueza lo hagamos de una forma responsable y ética, que sea para fines lícitos y respetando condicionantes éticos y, por supuesto, legales.

Lo último que quería agregar en ese post agregar era la formulación de una tipología, no necesariamente exhaustiva ni 'super-rigurosa', sino más bien ilustrativa, del modo de aplicar la tecnología para el bien, casi de llevar a la práctica el bien en general.

Como el post original me salió más largo de lo previsto, he dejado esa parte para este segundo post. Vamos, pues, a ver esa tipología de urgencia sobre mecanismos a nivel organizativo de aplicación de la tecnología para el bien.

Nivel 1 - Comportamiento ético

Propongo como primer nivel, en cierto modo el más básico, es el comportamiento ético de las organizaciones. Se trata, 'simplemente' de que las organizaciones se rijan aplicando criterios éticos, en su actividad en general, pero específicamente en cómo usan la tecnología.

Para ello podrían ser de aplicación los códigos deontológicos, los códigos éticos profesionales y casi diría, una suerte de 'sentido común ético'. Puede estar poco formalizado y ser, más bien, un elemento cultural de la organización, y muy necesariamente de su nivel directivo, o puede intentar, para garantizar su aplicación, formalizarse mediante mecanismos explícitos de gobernanza que, quizá, podrían caer dentro de la 'G', de ESG.

En el ámbito específico de la inteligencia artificial, puede reflejarse en la implementación práctica de la filosofía de la ética por diseño.

Este nivel es, a la vez, el más simple y el más complejo. Lo propongo como el nivel más básico, pero no porque sea el más sencillo. En realidad, conseguido este nivel, prácticamente todo lo demás viene por añadidura. Lo que ocurre es que es un nivel muy inespecífico, muy de 'propósito general' por decirlo de alguna manera, que aplica a todo tipo de organizaciones, con todo tipo de actividad, económica o no, y todo tipo de misiones y visiones, pero, sobre todo, vale perfectamente para cualquier empresa comercial o industrial del tipo que sea.

Nivel 2 - Empresas con propósito

Está muy de moda esta idea de las empresas 'con propósito'. Se trata de que, en la formulación de su visión y su misión, y en la construcción de su cultura se persiga ese propósito, ese objetivo final que, evidentemente, suele ser aspiracional y de bien común.

En el fondo es sólo una ligera extensión del nivel anterior. Lo que ocurre es que la empresa u organización, se orienta a esa aspiración de conseguir algo bueno, aunque pueda tratarse, de nuevo, de una empresa comercial o industrial digamos 'normal'.

Es cierto, o al menos esa es mi percepción, que con demasiada frecuencia esa formulación de propósito, cae un poco en el ámbito de la pura imagen, en una suerte de 'postureo corporativo', sin que cale realmente ni en la cultura, ni en la acción y gobierno de la organización que la formula.

Para considerarlo un nivel diferenciado debemos estar ante el caso en que la formulación del propósito es real y que de alguna forma dirige la acción, comportamiento y cultura de la organización.

Nivel 3 - Empresa social

Este nivel sí que es muy diferenciado, y muy interesante, además. Estamos ante el caso de empresas cuyo fin en claramente social, entendiendo por objetivo social, de nuevo, objetivos de ayuda a colectivos vulnerables, por ejemplo.

Sin embargo, no dejan de ser empresas y, en ese sentido, deben tener viabilidad económica. Es decir, no renuncian a vender y no renuncian a los ingresos. No sólo no renuncian sino que claramente los necesitan. Porque se trata de empresas. Empresas que, como tales, deben pagar a sus empleados, deben pagar impuestos, deben invertir en activos, deben competir y deben intentar garantizar su viabilidad a medio y largo plazo 

Es la 'cuadratura' del círculo': conseguir que una actividad netamente social sea rentable. Se trata de una fórmula fantástica aunque de difíciles equilibrios.

Nivel 4 - Acción pública

Este nivel, en realidad, no construye sobre el anterior, sino que se sitúa en paralelo. Cuando un fin social se considera que debe ser garantizado, pero es difícilmente rentable, es necesaria la acción pública, es necesario que la asuman las administraciones y, en muchos casos, al menos en Occidente, caen dentro de eso que se ha dado en llamar el 'estado del bienestar'.

Quizá el caso más paradigmático sea el de la sanidad. La atención sanitaria es cara, carísima en realidad, muchísimo más cara de lo que creo que la mayoría de los ciudadanos sospechan. Por ello, la prestación de una atención sanitaria de amplia cobertura, tanto en población como en casuísticas, y asequible, es difícilmente rentable, casi imposiblemente rentable. Y por ello normalmente es asumida por los estados.

Como este caso de la sanidad, podrían existir y existen muchos otros tipos de acción social que, por ser inherentemente caras, o por dirigirse a un público (lo que en el ámbito empresarial diríamos mercado) de escasos recursos y por tanto con poca capacidad de pago y generación de ingresos para las empresas, deben ser subvencionados o asumidos por las administraciones públicas. 

Nivel 5 - Organizaciones sin ánimo de lucro y fin puramente social

Un último nivel es el de organizaciones sin ánimo de lucro y lo que normalmente denominamos ONGs. cuyo objetivo es puramente la acción social. Como son no gubernamentales, caen fuera del ámbito de la acción pública. Y también creo que se diferencian bastante claramente de la empresa social. Porque una ONG se suele sostener por subvenciones, por el trabajo voluntario de las personas que lo componen, por donaciones, etc, pero no tienen una visión realmente empresarial. La empresa social, sin embargo, sí que es una empresa, con todo lo que ello conlleva, y con la 'única' particularidad de que su fin es social.

Conclusiones

Recalco el hecho de que, usar la tecnología para el bien no implica circunscribirse a la ayuda a colectivos vulnerables, a la ecología o a la investigación científica. El uso responsable de la tecnología para producir riqueza en forma de bienes y servicios también es un uso para el bien y sólo precisa que se haga de manera ética y responsable. Y en este post he identificado cinco formas, cinco niveles, de ser responsables a nivel de organización.

Creo que resulta interesante conocer o ser conscientes de las cinco que he planteado pero, en el fondo, lo que desearía, pediría y reclamaría es el nivel 1, el comportamiento ético. 

Lo demás puede venir por añadidura. 

Artículos de este blog relacionados

• Tecnología para el bien (I): de qué bien hablamos