Un retAIl más inteligente

La inteligencia artificial (IA) es un tema omnipresente. Sin embargo, no es algo nuevo, en la convención de Dartmouth (Dartmouth Summer Research Project on Artificial Intelligence) de 1956 se definió el término de Inteligencia Artificial y se establecieron las bases para su desarrollo. A pesar de su auge inicial, en los años 70, la IA enfrentó, ante las expectativas no cumplidas, un periodo de declive conocido como "el primer invierno de la IA", lo que redujo el interés y la financiación para la investigación.

Sin embargo, la disponibilidad de cantidades ingentes de datos -Big Data-, acompañada por la disponibilidad de procesadores muy potentes a bajo coste y el desarrollo de arquitecturas de redes neuronales profundas y complejas ha dado lugar a que la Inteligencia Artificial viva hoy en día una "primavera perpetua" —en palabras del profesor de la Universidad de Stanford Andrew Ng.
De hecho, en esta "primavera" los hitos más notables incluyen el triunfo de Deep Blue sobre Gary Kasparov, la victoria de Watson en "Jeopardy" y el desarrollo de asistentes personales para móviles y hogares, basados en el uso del lenguaje natural, como Siri, Cortana, Alexa y Google Home.

Pero nada ha sido equiparable al lanzamiento de ChatGPT por OpenAI, hace poco más de un año, que ha popularizado la IA Generativa (GenAI) enfocada en generar contenido, en lugar de sólo reconocer o clasificar. Hasta la fecha lo han adoptado más de 180 millones de usuarios activos cada mes, su éxito radica en la facilidad de uso, en su versatilidad para diversas tareas y en continuas mejoras por parte de OpenAI (con Microsoft como principal accionista). Para no perder el ritmo, en esta carrera de modelos Machine Learning (MLL), Google lanza Gemini, una mejora sustancial de Google Bard, afirmando que su nueva IA está entrenada para emular comportamientos humanos.

Paradójicamente, la inquietud actual está en lo que está por venir. Aunque muchos expertos opinan que la ley de Moore alcanzará su límite en esta década, principalmente por el tamaño de los semiconductores que tienen sus límites físicos, todo apunta que las capacidades de la IA seguirán mejorando a ritmo exponencial.

La IA ha pasado de ser una idea futurista a una parte integral de nuestro día a día. Se manifiesta claramente en servicios como Netflix y Spotify, y en la fotografía móvil, donde mejora la detección de rostros para facilitar la toma de fotos. Además, impacta sigilosamente en los mercados financieros, ayudando en transacciones, y en el sector salud con diagnósticos y análisis automáticos de imágenes, transformando así diversos aspectos de nuestra vida personal y profesional.

La integración exitosa de la IA en los sistemas existentes requiere una inversión en talento especializado

Si nos enfocamos en el sector del retail las principales oportunidades se encuentran asociadas a marketing, ventas, desarrollo de productos, operaciones y creación de servicios. Por ejemplo, la capacidad de personalización se extiende desde las recomendaciones de productos hasta el servicio al cliente a través de bots, que pueden responder a preguntas con imágenes o aplicaciones móviles en varios idiomas disponibles las 24 horas del día. Tampoco podemos olvidar como la IA puede facilitar y hacer más cómoda la forma en la que trabajamos. Walmart con el lanzamiento de My Assistant ha puesto en manos de decenas de miles de sus empleados una herramienta GenAI para liberarles de tareas monótonas permitiéndoles más tiempo para mejorar la experiencia cliente. Otra aplicación significativa de la IA es la mejora notable del seguimiento del inventario, el pronóstico de la demanda a partir de datos de ventas, tendencias y segmentos de productos para finalmente ajustar eficientemente la producción y los niveles de stock. Además, facilita la comunicación entre sistemas de inventario, beneficiando a las marcas con estrategias omnicanales.

Sin embargo, la adopción de la IA en el retail presenta múltiples desafíos. La comprensión limitada sobre su funcionamiento y la explicabilidad de sus modelos causa desconfianza. Fuera de círculos especializados, es escaso el conocimiento sobre cómo las pymes pueden beneficiarse. La recogida y el uso de datos es otro reto debido a la necesidad de manejar grandes volúmenes para convertirlos en información útil en la personalización y toma de decisiones. La seguridad y la ética son también preocupaciones importantes, especialmente para los consumidores, para los que la transparencia en su uso es vital. Por último, la integración exitosa de la IA en los sistemas existentes requiere una inversión en talento especializado.

En conclusión, el reto principal para la IA en el retail es tender un puente entre su capacidad de identificar oportunidades y la complejidad de materializarlas en el mundo real, lleno de barreras. La IA no debe limitarse a ser una herramienta para reducir costes, sino que debe convertirse en un impulsor de innovación y cambio, abriendo caminos hacia nuevos negocios e ingresos. El éxito de esta tecnología residirá en encontrar el equilibrio adecuado entre su potencial y su aplicación práctica.