La diversidad será decisiva si de veras pretendemos que la Inteligencia Artificial (IA) sea útil. Existen diversas experiencias que así lo demuestran. El entrenamiento de los modelos de IA por equipos con perspectiva de género y con una apuesta por la diversidad ofrece resultados mucho más precisos y con menos sesgos. Sin embargo, no es la práctica más común.

El Hospital Universitario de Wonkwang en Corea se planteó en 2022 pronosticar la gravedad que tendría el coronavirus en una variedad de pacientes para poder anticiparse con medicación a la aparición de estos síntomas. Para ello, capturó información de más de 5.600 pacientes. Al finalizar el estudio, los responsables comprobaron cómo cuando hombres y mujeres colaboraron en las tareas de entrenamiento del modelo de IA la precisión en las predicciones fue máxima. Por el contrario, el ratio de exactitud caía cuando sólo participaban hombres –especialmente en los resultados de pacientes femeninas- o mujeres –sobre todo con enfermos masculinos-.

Aquella experiencia demostró que la precisión de los modelos de IA no sólo está directamente relacionada con la diversidad de los conjuntos de datos con que sea trabaja sino, además, con la variedad de los equipos que los entrenan, pues de ello depende aportar un mayor número de perspectivas.

Este hallazgo no es baladí, pues debería comenzar a incluirse en los requisitos de aquellas organizaciones que adquieren soluciones de IA preconfiguradas a un proveedor. Además de solicitar información sobre los datos con que se ha entrenado al modelo, es recomendable conocer la naturaleza del equipo que se ha encargado de ello. Del mismo modo, aportar esa exigencia de diversidad a los propios equipos de las empresas usuarias debería ser una máxima irrenunciable para obtener el mejor rendimiento de este tipo de soluciones. En los casos de uso intensivo de IA, el porcentaje de precisión de la IA no debería bajar del 95% y únicamente en los casos en los que tan sólo se utilice esta tecnología para hacerse una idea de una tendencia general podría rebajarse la exigencia al 70%.

Esta nueva premisa, sin embargo, trae consigo nuevos problemas a las organizaciones, que ya se enfrentan a una carencia de profesionales cualificados, precisamente, en áreas como la IA o la ciencia de datos. En ese sentido, la colaboración con el ámbito académico debería ser prioritaria, destinando recursos y transferencia de conocimiento a este ámbito. A fin de cuentas y antes de que ChatGPT despertara la vorágine de IA en la que estamos sumergidos, estudios de consultoras como McKinsey revelaban que más de la mitad de las empresas encuestadas (52%) estaban ya destinando más del 5% de sus presupuestos de Tecnologías de la Información a desarrollos relacionados con IA.