La responsabilidad social empresarial (RSE) tiene ante sí una posible aliada a la hora de generar mayor eficacia y alcance. Sin embargo, los desafíos que presenta la Inteligencia Artificial también son muchos. A continuación, un balance entre ambos enfoques.

En la actualidad, las empresas y organizaciones del sector privado deberían tomar como prioridad el hecho de ser socialmente responsables. Es decir, que su impacto socioambiental sea positivo, ya sea a través de acciones concretas como

Para ello, debe saber bien dónde “está parada” y hacia dónde quiere ir. Esto es, debe conocer a fondo la comunidad y el ecosistema donde está establecida y los impactos socio ambientales que produce.

Una vez logrado ese atributo, quedan al menos dos pasos fundamentales: establecer en qué área y aspecto fortalecerá su política de impacto social y cómo la medirá.  

El impacto social de la Inteligencia Artificial

No es ninguna novedad decir que la Inteligencia Artificial (IA) está de moda. No solo en la vida cotidiana con los conocidos generadores de imágenes o de voz, sino también en el devenir de las empresas. A través de sus los más recientes desarrollos, la Inteligencia Artificial ha ayudado a las empresas a interpretar y cotejar datos, a generar mensajes o a automatizar ciertos procesos, por citar algunos ejemplos clásicos.

¿Puede la Inteligencia Artificial ayudar a mejorar el impacto social de una organización? La respuesta es sí. Pero no sin antes reparar de manera consciente los riesgos que presenta en este terreno la Inteligencia Artificial

Principales desafíos y riesgos de la Inteligencia Artificial

Hay que tener en cuenta que el modelo predominante a la hora de hablar de Inteligencia Artificial es el industrial. Se trata, en términos generales, de herramientas que bucean en redes profundas de datos, tan voluminosas y complejas para el ojo humano como los propios desarrollos que genera. Los famosos “algoritmos” son perfectos para sistematizar y predecir muchas decisiones que en general se toman de manera “instantánea”. Ya sean gustos y preferencias en redes sociales, como compras y búsquedas temáticas o de perfiles afines.

Sin embargo, existen muchos desafíos éticos a la hora de pensar modelos de IA industrial en el terreno social. Para empezar, porque los modelos de aprendizaje profundo son muy buenos para generar predicciones, pero no explicaciones. Y en lo social, eso puede ser una gran limitante. Un ejemplo clásico: predecir que ciertas zonas que han sido históricamente relegadas desde lo social tienen más probabilidades de cometer delitos.

Además, los sistemas de Inteligencia Artificial Industrial tienden a darle una mayor cabida a valores como la eficiencia monetaria frente a otros como la transparencia o la participación, dos atributos esenciales a la hora de hablar de Responsabilidad Social Empresarial.

Hacia un enfoque mixto o “artesanal”

Muchos autores han utilizado la figura de Craft IA, o Inteligencia Artificial Artesanal para hablar de un modelo híbrido o mixto, que combine habilidades humanas como reflexión y comprensión junto a las enormes capacidades industriales de la IA.

Estas son algunas ventajas de ese enfoque, que podría ser de gran ayuda a la hora de generar impactos positivos en la sociedad.

• Es capaz de trabajar en áreas donde hay menor cantidad de datos disponibles, o los mismos están muy desordenados y desacoplados. Un ejemplo clásico de esto último se da en el terreno de la salud mental, donde los datos disponibles necesitan una intervención humana para no generar falsos diagnósticos o tratamientos.
• Sus objetivos no son simplemente mejorar la eficiencia de los sectores de impacto social tal como existen hoy, sino transformarlos potencialmente de una manera que mejore los resultados y los haga más justos.
• Busca democratizar el acceso a los datos y métodos de IA para que puedan ser implementados por un conjunto más diverso de organizaciones y comunidades.
• Reconoce el valor de otras disciplinas, variables y perspectivas. Es un enfoque que entiende que las meras intervenciones de datos a veces pueden no ser la herramienta más adecuada para abordar un desafío social.