La IA es una tecnología genérica capaz de realizar actividades propias de la inteligencia humana, pero con un enorme poder adicional. La IA puede reunir información pertinente para una tarea específica, generar escenarios de futuros plausibles, analizar el impacto de decisiones sobre el mundo real, tomar decisiones por sí misma, interactuar con personas mediante lenguaje natural, diagnosticar situaciones. Incorporar la inteligencia artificial (IA) en las organizaciones de salud es un proceso que puede aportar beneficios y eficiencias extraordinarios.
Inteligencia Artificial en Pocas Palabras
Salud, educación, producción industrial, seguridad, justicia, defensa, provisión de bienes y servicios, son todas áreas que serán fuertemente modificadas por una nueva tecnología genérica, la inteligencia artificial (IA).
La inteligencia artificial (IA) representa una tecnología genérica revolucionaria, comparable a la electricidad o los tornillos, capaz de transformar radicalmente el funcionamiento de las organizaciones de salud. Se denominan tecnologías genéricas a aquellas que modifican múltiples herramientas y procedimientos previos, de manera que los mismos nunca volverán a ser como antes. Imaginemos la IA como una caja con millones de circuitos eléctricos miniaturizados, incluyendo transistores y resistencias, a través de los cuales fluye electricidad en diferentes direcciones controladas por procesadores. Estos procesadores actúan como compuertas que dirigen la corriente según las instrucciones del software, generando múltiples circuitos para producir el resultado deseado (output). Estas compuertas, guiadas por la programación informática, son esenciales en la definición de la circulación de la corriente. Este conjunto conforma el hardware, el corazón físico de la IA, cuya integración en su organización promete ser un cambio tan fundamental como lo fue hace un siglo la adopción de la electricidad.
En el caso de la IA, la programación informática define que se ejecuten una serie de algoritmos matemáticos como redes neuronales, y otros, que someten la información de entrada al sistema, a una serie de cálculos estadísticos que establecen para cada entrada, la mejor opción de salida del sistema. La salida es lo que leo en el monitor, o la instrucción que recibe el volante del auto robotizado, por dar dos ejemplos.
Estos algoritmos toman información del mundo exterior, denominados datos, identifican patrones estadísticos, por ejemplo, el precio promedio de una vivienda entre millones de precios de viviendas, y encuentran asociaciones con otros miles de millones de datos de otras fuentes, por ejemplo ubicación geográfica. En base a asociaciones estadísticas, es decir mediante cálculos de probabilidades, determinan que un precio tal corresponde a una casa ubicada en tal barrio. Así es también como Chat GPT habla, como un sistema diagnostica enfermedades, pronostica el tiempo, o controla la logística de un grupo de farmacias, para tomar ejemplos hoy funcionando en el mundo.
Input, caja, output es un buen comienzo para entender lo que ocurre. ¿Como hace la máquina para generar procesos muy similares al cerebro humano? Usando asociaciones probabilísticas entre información de entrada y bases de datos. Además, esos cálculos estadísticos tienen unos valores específicos que controlan todo el algoritmo, denominados parámetros. Mediante varios mecanismos estos parámetros pueden modificarse según la salida de la caja, y así el sistema aprende (machine learning).
La IA puede ser pensada como una caja negra que transfiere información o instrucciones desde el input hacia el output, mediando un proceso de cálculos y asociaciones que se denomina IA. Vale decir que el conjunto de ecuaciones matemáticas y procesos computacionales agrupados en el concepto de IA, reciben información y/o instrucciones y produce nueva información y/o nuevas instrucciones. De esta forma colabora en la decisión, tomará decisiones autónomas, y enriquecerá los procesos de la organización mediante tareas de control. La caja negra se integra a los procesos de toma de decisiones a cualquier nivel, y a los procesos de cualquier tipo a cualquier nivel, siempre tomando información y/o instrucciones y generando nueva información/instrucciones, en línea con los objetivos de las acciones de la organización.
IA en la Organización de Salud
En la organización de salud, la IA mejorará los procesos de toma de decisión a todo nivel del sistema, desde las decisiones diagnósticas, hasta las logísticas y administrativas; esto porque puede obtener mayor información, mejor ordenada, y más pertinente.
También, la IA puede producir mediante simulaciones y análisis estadísticos avanzados, modelos del futuro, muy precisos, para poner de manifiesto los efectos de las acciones sobre la realidad, con anticipación. Esta anticipación es clave para reducir fracasos, aumentar eficacia y eficiencia, y para efectuar correcciones en los procesos.
Además de colaborar con el proceso de toma de decisiones, la IA se integrará a diferentes comandos, dirigidos al equipo, a terceras partes, o aparatos conectados a los mismos. Por ejemplo: frente a una decisión, la IA crea una agenda de trabajo para los diferentes equipos involucrados, enviará correos electrónicos y mensajes de todo tipo, podría coordinar agendas, preparar mensajes, interactuar con las partes, supervisar indicadores de desempeño en tiempo real, conformar modelos, y anticipar resultados y fallas. Por otro lado, actuando sobre robots que administren depósitos, desplacen equipamiento, o incluso que interactúen con personas, podrá automatizar procesos.
El desafío consiste en: elegir el resultado a obtener, identificar drivers, generar un modelo inicial del sistema, luego seleccionar información y comandos de entrada, información y comandos de salida, optimizar el modelo estadístico de transferencia, y finalmente realizar las pruebas en terreno.
Es un cambio cultural profundo que debe comenzarse por un outcome de alto impacto, y luego difundirse al resto de los procesos. El horizonte es ilimitado. Inteligencia Artificial y Gestión de Organizaciones.
Inteligencia Artificial en la Organización Pública y Privada
Decidir implica primero dudar y luego optar. Este proceso está envuelto en incertidumbres. Los algoritmos de IA revolucionan la capacidad de enfrentar la incertidumbre. Pero funcionan si la organización ha optado por decidir con una evaluación previa de modelos probabilísticos de la realidad (de mínima con modelos difusos), que generan escenarios, modelos de sensibilidad, y sobre ellos se ensayan previamente las opciones. Este proceso luego será potenciado de manera exponencial por la IA y la capacidad de las simulaciones probabilísticas y los modelos de agente para “anticipar” impactos. Está, por ejemplo, es la forma en que evolucionan los vehículos autónomos; pero funcionan si tenemos el vehículo, los trazados, y sobre todo las reglas sobre las cuales decidir. Esta es la hoja de ruta de la transformación de las organizaciones públicas y privadas hacia modelos denominados Data-Driven Organization.
Las organizaciones de salud ofrecen una oportunidad inmejorable para incorporar algoritmos de IA en sus decisiones, debido a la enorme cantidad de información científica que se produce sobre prácticamente cualquier aspecto de la misma, así como la costumbre de los profesionales que allí trabajan, de utilizar herramientas para reducir la incertidumbre.
Pero debe recordarse que en una organización a punto de incorporar IA es indispensable un evidence-Based leadership. La IA puede integrarse a procesos que transcurren ordenadamente o que son pasibles de ser ordenados, y en ello quienes lideran la organización ven una ventaja competitiva. Desarrollar liderazgos acordes a las oportunidades que ofrece la IA exige un paso inicial indispensable: programas de entrenamiento para el personal en las áreas que constituyen el fundamento de la IA. Matemáticas, estadísticas, teoría de la decisión, conceptos de IA, familiarización con modelos generativos, son componentes indispensables en el desarrollo profesional dentro de este nuevo tipo de organizaciones.
Algunos de los agregados de valor de la IA a las organizaciones:
En las organizaciones de salud la IA agrega valor de muchas maneras. La IA reducirá los niveles de incertidumbre en la toma de decisiones, generará escenarios anticipatorios y optimizará el manejo de la información, automatizará procesos por naturaleza altamente variables, podrá personalizar la experiencia del cliente, revolucionará el mantenimiento del equipamiento mediante el mantenimiento predictivo, y mejorará procesos corporativos como la selección de personal, la administración de la cadena de suministros, o los sistemas de vigilancia y seguridad.
1. Reducir los niveles de incertidumbre en la toma de decisiones: La IA puede analizar grandes cantidades de datos para identificar tendencias, patrones y anomalías. Esto permite a los líderes tomar decisiones más informadas y basadas en datos, reduciendo la incertidumbre. Por ejemplo, los sistemas de IA pueden prever cambios en el mercado, comportamientos de los consumidores o riesgos potenciales.
2. Generar escenarios anticipatorios y optimizar el manejo de la información: La IA puede ayudar a prever escenarios futuros mediante el análisis predictivo. Esto significa que las organizaciones pueden prepararse mejor para distintos resultados y planificar de manera proactiva. Además, la IA puede organizar y procesar grandes volúmenes de información, lo que mejora la eficiencia y accesibilidad de los datos dentro de la organización.
3. Automatizar procesos sujetos a alta variabilidad: Muchas tareas repetitivas o que requieren un procesamiento de datos constante pueden ser automatizadas con la ayuda de la IA. Esto no solo aumenta la eficiencia y reduce los errores, sino que también libera a los empleados para que se concentren en tareas más estratégicas y creativas. Desde la gestión de inventarios hasta el servicio al cliente, la IA puede transformar cómo se realizan las operaciones diarias.
4. Personalización de la Experiencia del Cliente: La IA puede analizar los datos de los clientes para ofrecer experiencias personalizadas, recomendaciones de productos y servicios adaptados a sus necesidades y preferencias individuales.
5. Mantenimiento Predictivo: En las industrias de fabricación, transporte y otras áreas, la IA puede predecir cuándo el equipo necesita mantenimiento, lo que reduce el tiempo de inactividad y aumenta la eficiencia.
6. Reclutamiento y Gestión de Talentos: Los sistemas de IA pueden ayudar en el proceso de reclutamiento al analizar currículos y perfiles de candidatos, identificando a los más adecuados para un puesto. Además, pueden ayudar en la gestión y desarrollo de talentos dentro de la organización.
7. Seguridad y Vigilancia: La IA puede mejorar la seguridad en el lugar de trabajo mediante el análisis de imágenes de video en tiempo real para detectar actividades inusuales o peligrosas.
8. Análisis de Sentimientos: Utilizando IA, las empresas pueden analizar opiniones y sentimientos de los clientes a partir de datos en redes sociales, reseñas en línea, etc., para mejorar productos y servicios.
9. Optimización de la Cadena de Suministro: La IA puede prever problemas en la cadena de suministro, optimizar rutas de entrega y gestionar inventarios de manera más eficiente.
10. Desarrollo de Productos: Con la ayuda de la IA, las empresas pueden analizar tendencias del mercado y preferencias de los consumidores para guiar el desarrollo de nuevos productos.
11. Soporte al Cliente Mejorado: Los chatbots y asistentes virtuales impulsados por IA pueden proporcionar respuestas rápidas y precisas a las consultas de los clientes, mejorando la satisfacción del cliente.
12. Análisis Financiero: La IA puede ayudar a realizar proyecciones financieras, detectar fraudes y automatizar tareas como la contabilidad.
13. Gestión del Conocimiento: La IA puede ayudar a organizar y recuperar grandes volúmenes de información y conocimiento corporativo, facilitando el acceso a la información relevante.
Data-Driven Organization
En el caso de la salud, es indispensable incorporar la información epidemiológica en sentido amplio al proceso de toma de decisiones. Esto incluye modelar la realidad teniendo en cuenta cuestiones como: estructura demográfica (hoy en evolución en la Argentina), nivel de ingresos, condiciones de vida, conductas de riesgo, y hábitos peligrosos. Más que el dato concreto del caso individual (el cual debe quedar protegido por políticas de privacidad), lo que importa es conocer la población sobre la cual se estimarán los riesgos y escenarios al momento de tomar decisiones. Hoy existen empresas como Airfinity Ltd o Health Care Data Analytics o Life Sciences Intelligence, entre otras, van en la dirección de proveer esta información para la toma de decisiones. El desafío es integrar de manera orgánica este tipo de información en el decision-making. Es todo un desafío. Requiere aprender a preguntar antes de decidir (no es fácil), y a saber qué preguntar (aún más complejo). La inteligencia artificial es la tendencia decisiva que obliga a transformar las organizaciones públicas y privadas en data-driven organizations. El punto es convertirse en Data-Driven-Decision-Maker.
Los modelos probabilísticos se están convirtiendo en un componente indispensable de los procesos de toma de decisiones en las grandes organizaciones públicas y privadas. Esto radica en que, la probabilidad de que información en tiempo real es cada vez mayor, y la posibilidad de cómputo con los algoritmos de inteligencia artificial, es impresionante. El punto es que para incorporar esta metodología de trabajo y poder así sacar el máximo de beneficio del poder de cómputo de los grandes modelos, generativos, es indispensable hacer cambios estructurales en la organización, y pautar formalmente el modelo de toma de decisiones.
Conclusión. La IA es una tecnología genérica destinada para mejorar la eficacia, y eficiencia de todos los procesos de la organización de salud. Su incorporación requiere un proceso complejo donde el paso inicial es la capacitación de los equipos en esta tecnología. Luego la alta conducción identificará los resultados críticos actualmente sometidos a incertidumbre y fricción. Se continuará con el modelado de los procesos involucrados y el diseño de las soluciones de IA que reducirán fricción e incertidumbre, optimizando los resultados. El proceso tenderá naturalmente a expandirse a toda la organización conforme el nuevo modo de trabajo se incorpora a la misma.