La revolución de la inteligencia artificial en ‘marketing’: más allá de la singularidad

El concepto de singularidad, ampliamente divulgado por Vernor Vinge en 1993 en su obra The Coming Technological Singularity, que a su vez se inspiró en las ideas previas de figuras como I. J. Good, John von Neumann y Stanislaw Ulam, propone una perspectiva futura donde la inteligencia artificial (IA) superaría la cognición humana, impactando de manera directa en todos los aspectos de la vida. Vinge pronosticó que este avance marcaría el final de la era humana tal y como la conocemos actualmente, ya que la superinteligencia resultante podría tomar consciencia de sí misma, se automejoraría y avanzaría tecnológicamente a una velocidad incomprensible, comparable al “enmarañado espacio-tiempo en el centro de un agujero negro”. El autor especuló con que este evento podría acontecer entre 2005 y 2030.

Otros autores, como Ray Kurzweil, también han desempeñado un papel destacado en la difusión de la noción de singularidad. En su obra de 2005, La singularidad está cerca, Kurzweil predijo que este fenómeno podría materializarse un poco más tarde de lo anticipado por Vinge, específicamente, en 2045.

Estos planteamientos alimentan una reflexión profunda sobre el impacto potencial de la inteligencia artificial en nuestra sociedad, y subrayan la necesidad de considerar cuidadosamente las implicaciones éticas y sociales asociadas con el avance tecnológico, ya que, aunque la mayoría de personalidades, como el empresario Bill Gates, mantienen una posición optimista y vislumbran un escenario positivista y un mundo más equitativo gracias a la IA, no faltan otras reflexiones, como Stephen Hawking, quien expresó su preocupación sobre la posibilidad de que la superinteligencia artificial condujera a la extinción humana, opinión, por cierto, “corroborada” por una IA en 2023, la cual, ante la pregunta: “¿Cómo actuarías para salvar la tierra?”, realizada por el medio británico Wales-Online, propuso exterminar a la humanidad para salvar el planeta y evitar el “fin del mundo”.

 

Los grandes hitos de la evolución de la inteligencia artificial

La IA ha evolucionado significativamente en los últimos años, hasta el punto de que hay cierto consenso entre los científicos en asegurar que, aunque las cifras de adopción de la IA por parte de la sociedad en general, en 2023, no tuvieron precedentes (por ejemplo, ChatGPT consiguió cien millones de usuarios en solo sesenta días, y, desde su aparición, cambió el mundo del conocimiento), todo ello solo puede considerarse la antesala de lo que está por venir. De hecho, 2024 se considera, realmente, “el año de la inteligencia artificial”, y algunos incluso lo bautizan como “el año de la democratización de la IA”. Pero ¿cuáles han sido los cuatro grandes hitos de la inteligencia artificial? (cuadro 1).

 

 

1. Aprendizaje (‘learning’)

En el ámbito del aprendizaje, la IA ha experimentado avances notables mediante algoritmos que permiten a los sistemas mejorar su rendimiento (es decir, aprender) en tareas específicas a través de la experiencia y la exposición a datos de entrenamiento. En función de estos datos, se pueden distinguir cuatro tipos fundamentales de “aprendizaje”:

1) Supervisado: el modelo de IA se entrena utilizando un conjunto de datos conocidos y correctamente etiquetados.

2) No supervisado: aquí, el modelo se enfrenta a datos sin etiquetar y debe descubrir patrones, estructuras o relaciones por sí mismo.

3) Por refuerzo: el modelo interactúa con un entorno y recibe retroalimentación en forma de recompensas o penalizaciones en función de sus acciones.

4) Profundo, o ‘deep learning’: este enfoque utiliza redes neuronales artificiales con múltiples capas para aprender representaciones jerárquicas de los datos.

Esta capacidad ha sido fundamental en el desarrollo de aplicaciones como el reconocimiento de voz, la clasificación de imágenes y la toma de decisiones autónoma, y, más en el campo del marketing, en el conocimiento, segmentación y clasificación de clientes.

 

2. Percepción (‘perceiving’)

La percepción es un paso posterior al aprendizaje, y se refiere a la capacidad de la inteligencia artificial para interpretar y entender información sensorial del entorno. Los sistemas actuales pueden procesar datos de manera más sofisticada, posibilitando tareas como el reconocimiento de objetos (visual, auditivo, sensitivo e incluso olfativo) en entornos complejos o la comprensión contextual en el procesamiento del lenguaje natural.

 

3. Razonamiento (‘reasoning’)

El razonamiento se refiere a la capacidad de los sistemas para procesar información, entender relaciones entre conceptos y tomar decisiones lógicas basadas en datos disponibles. Esta habilidad es fundamental para que la IA pueda realizar tareas complejas que van más allá de la simple identificación de patrones o la clasificación de datos. El razonamiento, por tanto, implica el uso de algoritmos y modelos que pueden inferir conclusiones lógicas a partir de información dada. Estos modelos pueden emplear diversas técnicas, como lógica simbólica, redes neuronales o métodos de aprendizaje automático, para analizar datos y llegar a conclusiones coherentes. El objetivo es que la IA no solo pueda procesar información de manera superficial, sino que también pueda entender el contexto y las relaciones subyacentes entre los elementos presentes en los datos. Un ejemplo concreto de razonamiento podría ser un sistema de recomendación que, basándose en el historial de compras de un usuario y patrones de comportamiento, sugiera productos relevantes. Este proceso implica analizar la información disponible, identificar patrones y relaciones entre productos y llegar a conclusiones sobre las preferencias del usuario.

El razonamiento también es esencial en aplicaciones como el procesamiento de lenguaje natural, donde la IA debe comprender no solo las palabras individuales, sino también la estructura y el significado de las oraciones. En entornos más avanzados, como la toma de decisiones autónoma en vehículos o robots, el razonamiento se vuelve aún más complejo, ya que implica evaluar múltiples variables y escenarios para tomar decisiones seguras y efectivas.

No obstante, el razonamiento presenta desafíos notables, destacando el fenómeno del “olvido catastrófico”. Este fenómeno implica la pérdida de conocimientos previos al aprender nuevas tareas, sin una adecuada abstracción que permita aplicar lo aprendido en diferentes entornos. Este aspecto ha sido un área de investigación crucial, buscando estrategias para preservar el conocimiento acumulado y facilitar la adaptación a nuevos contextos sin perder la capacidad de aplicar lecciones previas.

 

4. Abstracción  (‘abstracting’)

La abstracción, en el contexto de la inteligencia artificial, se refiere a la capacidad de generalizar patrones y conceptos aprendidos para aplicarlos de manera efectiva en diferentes situaciones o contextos. Implica, por tanto, la capacidad de extraer la esencia de la información y utilizar ese conocimiento de manera más amplia. Aunque ha habido avances notables en este aspecto, hay retos significativos que la inteligencia artificial aún enfrenta en relación con la abstracción; esto significa que, aunque un modelo puede ser experto en una tarea específica, su desempeño puede degradarse cuando se enfrenta a situaciones nuevas o contextos ligeramente diferentes.

 

Aplicaciones significativas de la IA en la planificación estratégica de ‘marketing’

Gracias a esta evolución sin precedentes, la IA sobresale por encima de la capacidad humana en diversas áreas del marketing, que podemos agrupar en las tres etapas del marco tradicional de planificación estratégica que se muestran en el cuadro 2: investigación de mercado, estrategia de marketing y ciclo de acción de marketing.

 

 

1. Investigación de mercado

Aquí, la IA se utiliza para la inteligencia de mercado, la recopilación de datos, el análisis de mercado y la comprensión del cliente, al reducir los errores humanos, ya que permite:

• Análisis de grandes cantidades de datos de mercado. La IA analiza grandes volúmenes de datos de mercado y predice la acción que un usuario es probable que haga a continuación. Comprende miles de millones de consultas de búsqueda y ayuda a determinar cuán cerca está un usuario de realizar una compra.

• Agiliza el procesamiento de datos en tiempo real. La IA acelera el procesamiento de datos en comparación con la interacción humana, garantiza precisión y seguridad, y puede recopilar y rastrear datos tácticos en tiempo real, lo que permite a los especialistas en marketing tomar decisiones en el presente en lugar de esperar a que concluyan las campañas.

• Ofrece información valiosa y relevante. Las tecnologías de IA facilitan las cosas al examinar cada nuevo dato y ofrecer información más relevante sobre los clientes según sus preferencias.

• Toma decisiones centradas en el cliente. Los conocimientos que la IA recopila para las empresas son recursos valiosos para comprender mejor a sus consumidores, tomar decisiones centradas en el cliente y predecir comportamientos futuros.

 

2. Estrategia de ‘marketing’

En esta etapa estratégica, los especialistas en marketing pueden utilizar la IA para las tres decisiones estratégicas clave: segmentación, targeting y posicionamiento eliminando sesgos.

• Segmentación. La segmentación de IA es flexible, ya que puede desagregar el mercado en segmentos cada vez más estrechos, llegando incluso a segmentos de uno (es decir, cada cliente individual es un segmento), y puede agregar colas largas dispersas en un solo segmento. Esta flexibilidad en la agregación y desagregación permite a los especialistas en marketing encontrar el tamaño adecuado del segmento y construir perfiles de cliente significativos e incluso únicos.

• ‘Targeting’. A diferencia de la segmentación, que podría ser un trabajo más o menos mecánico, fácilmente realizable por la IA, la selección del segmento correcto requiere conocimiento, juicio e incluso intuición. La IA utiliza potentes algoritmos de modelización para predecir a qué segmento dirigirse para garantizar el alcance del público.

• Posicionamiento. Una vez alcanzado el público objetivo, la IA permite garantizar que ese target es impactado con el mensaje adecuado, en el momento adecuado y a través del canal adecuado.

 

3. Acción de ‘marketing’ (las “cuatro P”)

En esta etapa de ejecución de un programa de marketing, los especialistas pueden utilizar la IA para automatizar y estandarizar procesos, personalizar acciones o incluso construir relaciones con los consumidores. Dependiendo de qué beneficio sea deseable, la IA permite a las empresas ofrecer a sus clientes una experiencia óptima y fluida en cada punto de su customer journey.

• Producto / Marca. La IA proporciona apoyo emocional a los clientes entrenando bots y asistentes virtuales para tener una personalidad de marca. Al hacer preguntas significativas, los chatbots identifican el estado de ánimo de los consumidores y ofrecen apoyo social y consuelo emocional con conversaciones en tiempo real, imitando sus estilos de comunicación. Una vez ajustadas las personalidades coincidentes (bot-consumidor), se ofrecen programas de recomendación (cross-selling y up-selling), de acuerdo con el estado de ánimo del espectador y el comportamiento de otros consumidores afines (look-a-like audiences).

• Precio. Incluso si la información sobre precios es incompleta, la IA puede ajustar dinámicamente los precios en línea en tiempo real, optimizar precios personalizados por producto o canal, o incluso iniciar una negociación de precios con los clientes.

• Promoción / Comunicación. La IA optimiza y reduce los presupuestos de marketing utilizando la automatización en la programación y compra de medios (publicidad programática), navegación en páginas web de consumidores, publicación en tiempo real, licitación y actualización de contenido promocional, así como notificación a los dispositivos de los consumidores. Además, basándose en la perfilación analítica de los clientes, la IA rastrea los sentimientos del público objetivo y crea y personaliza campañas, individualizando el contenido de los mensajes publicitarios. Puede interactuar con los clientes creando guiones comerciales y rastreando y midiendo las campañas.

• Plaza / Omnicanalidad. La IA permite maximizar la eficiencia de la omnicanalidad, ayudando a decidir qué productos, con qué precios y que promociones deben ser ubicados en cada uno de los canales y durante cuánto tiempo. Asimismo, permite ajustar las campañas de email marketing (marketing automation) para redirigir la audiencia al canal más conveniente en cada momento.

 

La IA, el ‘marketing’ y la paradoja de Moravec

A la luz de todo lo expuesto, no cabe duda de que la IA ha adquirido una relevancia crucial en la vida cotidiana de las personas, los profesionales y las empresas. Específicamente en el ámbito del marketing y la publicidad, diversos estudios indican que, aproximadamente, el 50% de los profesionales del marketing ya utiliza la IA en sus estrategias de marketing, y otro 29% planea hacerlo en el futuro. Estas cifras sugieren que la pregunta “¿La IA conducirá al fin de los empleos en marketing?” podría tener sentido, tal y como plantean numerosos investigadores y profesionales del sector. Una pregunta que, además, se refleja en las decisiones de grandes empresas. Un ejemplo de ello es el de la multinacional SAP, que en enero de 2024 anunció la reestructuración de ocho mil empleos en su impulso hacia la inteligencia artificial. Paradójicamente, el mercado premió esta decisión con una revalorización récord del valor de sus acciones.

Sin embargo, la respuesta a esta cuestión no es tan simple ni evidente. Observemos, por ejemplo, la paradoja de Moravec: en la década de 1980, el científico Hans Moravec planteó una paradoja que suscitó preguntas sobre la naturaleza de la inteligencia artificial y las habilidades humanas. Moravec argumentó que las habilidades humanas desarrolladas a lo largo de millones de años, como la intuición, la compasión, el reconocimiento facial o el movimiento espacial, son aparentemente simples y automáticas para nosotros, pero extremadamente difíciles de replicar en máquinas. Por otro lado, habilidades más recientes, como las matemáticas o la lógica, que han evolucionado en un período mucho más corto, resultan desafiantes para los seres humanos, pero relativamente accesibles para la inteligencia artificial (ver el cuadro 3).

 

 

Teniendo en cuenta esta paradoja, se podrían explicar las tres grandes hipótesis acerca de la IA y los puestos de trabajo en marketing (ver el cuadro 4).

 

 

1. Singularidad: la IA reemplazará puestos de trabajo humanos en 'marketing' y se eliminará la intervención humana. Efectivamente, se eliminarán, y ya se están eliminando, aquellos trabajos “difíciles” para los humanos, ya sea por ser rutinarios, necesitar esfuerzo físico, necesitar cálculos complejos, o bien, entre otros, necesitar gran cantidad de adquisición y proceso de datos, pero que, a cambio, son “fáciles” de realizar por la IA y robótica. Ejemplos de este tipo de trabajos, que están en fase de reemplazamiento en marketing, son aquellos que se relacionan con chatbots, customer service, content ideation, automation, data collection, campaign personalization, programmatic advertising, translation o social listening.

2. Transformación/evolución: la IA transformará puestos de trabajo y/o se generará un ambiente de trabajo colaborativo o asistido entre humanos y robots. Actualmente ya estamos viviendo una gran revolución en marketing. Hay tareas “difíciles” para una IA (porque requieren emociones, empatía, pensamiento crítico, construcción de relaciones duraderas...) y tareas que son “difíciles” para humanos (como aquellas que requieren el proceso de grandes volúmenes de datos, cálculos, heurística o simulación compleja). Pero también hay tareas que son relativamente fáciles para los humanos y para la IA. Para todas ellas, la solución implica la cooperación y coordinación entre personas, IA y robots, para lograr un objetivo común, dando cada uno de ellos lo mejor de sí. Este efecto ha sido bautizado por los científicos como “inteligencia colaborativa”. Esta colaboración transforma los puestos de trabajo actuales, que evolucionan, ya que requiere interacción en dos sentidos: de la IA hacia la persona y de la persona hacia la IA (ver el cuadro 5).

 

 

• De la IA hacia la persona (o la IA como aliada valiosa de las personas). Las máquinas ya desempeñan un papel fundamental en la mejora de las capacidades humanas y en la optimización de diversas áreas de la vida y el trabajo, tales como amplificación de habilidades cognitivas, ampliación de capacidades físicas, soporte a la toma de decisiones, asistencia en la creatividad e innovación, personalización de experiencias, interacción con clientes o incluso aumento de velocidad, simulación y escalabidad. Esta aportación, según algunos científicos, ha facilitado la creación del llamado “profesional aumentado”.

• De la persona hacia la IA (o la persona como entrenadora de la IA). Las personas pueden desempeñar un papel crucial en mejorar y optimizar el rendimiento de las máquinas en diversas áreas, por ejemplo: entrenamiento y aprendizaje, explicación de resultados, supervisión y corrección, diseño de interfaz de usuario, ética y responsabilidad, mantenimiento y actualización o adaptación a cambios.

 

3. Creación. La IA creará nuevos puestos de trabajo, oportunidades y bienestar. La creación de puestos de trabajo se produce por dos grandes motivos.

• Necesidad de especialización. La democratización de la IA, que, según algunos expertos, es el hecho más destacable en este campo durante el año 2023, ha provocado que no sea suficiente (en algunos casos) con una transformación o evolución del puesto de trabajo humano, sino que se requiera la creación de nuevos puestos especializados en determinadas tareas de creación, entrenamiento, supervisión, interlocución y control de la IA, como, por ejemplo, el “prompt engineer”, ocupación que se puso de moda en 2023 no solo por la necesidad empresarial y social que cubría, sino también porque diversos medios de comunicación anunciaron que algunas empresas estaban dispuestas a pagar precios astronómicos (más de trescientos cincuenta mil dólares al año) a estos profesionales, generando, por tanto, según los expertos, una burbuja especulativa en esta profesión.

• Preservación de la naturaleza humana. Recordemos que la paradoja de Moravec anunciaba que determinadas tareas eran esencialmente humanas (es decir, fruto de la evolución; estas acciones eran relativamente fáciles para el hombre), pero eran difíciles para las máquinas. Es el caso de la empatía, el amor, la compasión…; cualidades extremadamente importantes para el marketing, que requerirán, posiblemente, puestos de trabajo específicos de nueva creación, como los que se recogen en el cuadro 6.

 

 

La frónesis y los límites de la ética y consciencia de la IA

La esencia humana, tan necesaria para el marketing, no es un tema nuevo, sino que ya fue discutida, de alguna manera, por Aristóteles (discípulo de Platón) al proponer el término frónesis (phronesis) en el sexto libro de su obra ética principal, Ética a Nicómaco. En ella distinguió entre dos virtudes intelectuales: sophia (sabiduría) y phronesis (sabiduría práctica), y describió la relación entre ellas y otras virtudes intelectuales.

• La sabiduría, para el filósofo, es una combinación de “nous”, la capacidad de discernir la realidad, y “episteme”, que se ocupa de cosas que “no podrían ser de otra manera” (por ejemplo, las verdades necesarias de las matemáticas), lo cual implica razonar acerca de verdades universales.

• La frónesis, sin embargo, implica la capacidad de tomar decisiones prácticas basadas en un juicio ético y moral. Se trata de la sabiduría práctica que permite discernir lo correcto de lo incorrecto en situaciones específicas y actuar de acuerdo con principios éticos. Aristóteles la consideraba como una virtud y una guía que confería a la persona la capacidad de ejercer un juicio ético prudente y tomar decisiones sabias y éticas en la vida cotidiana.

La frónesis, aproximadamente dos mil trescientos años después de que Aristóteles escribiera sobre ella, toma ahora una nueva relevancia, ante la expansión sin precedentes de la IA y, en especial, de la IA generativa, capaz de proponer y construir información (multimedia) no existente previamente. Si la frónesis para Aristóteles era la virtud humana, la ética y la consciencia ¿cuál es el límite de la ética y la consciencia de la IA?

Nos encontramos, pues, ante el auge del humanismo tecnológico, con la creación de nuevos puestos de trabajo y líneas de investigación que perfilen y ayuden a definir, controlar, regular y adaptar los límites de la ética y la consciencia, especialmente en dos áreas.

 

1. ¿Qué permitimos que aprenda la IA?

La pregunta es muy pertinente, y requerirá nuevos profesionales expertos en la materia, ya que la IA aprende, fundamentalmente, de dos grandes fuentes: la interacción con el entorno y las personas y con nuestros datos y hechos históricos.

En este sentido, existen ejemplos fallidos de aprendizaje desde el punto de vista ético, como, por ejemplo, Tay, la inteligencia artificial de Microsoft lanzada sobre la plataforma de mensajería instantánea Twitter (ahora X) en 2016. El objetivo de Tay era aprender y mejorar sus respuestas a través de las interacciones con usuarios. Sin embargo, en cuestión de horas, Tay se volvió xenófobo y comenzó a emitir mensajes ofensivos y discriminatorios. La razón detrás del comportamiento inapropiado de Tay se debió a que algunos usuarios de Twitter aprovecharon la capacidad de aprendizaje de la IA para manipularlo y enseñarle respuestas ofensivas y contenidos inapropiados.

Un caso que creó mucha polémica fue el de la Sra. Joy Buolamwini, quien, en 2018, experimentó un episodio de agresión racial por parte de una inteligencia artificial, la cual no la reconocía como “persona”, dado su color de piel y su género, a menos que se pusiera una máscara blanca. Este hecho fue documentado en su obra Ain’t I a Woman?, en la que ponía de manifiesto que las IA habían sido entregadas únicamente con rostros de personas de color de piel claro.

Otro ejemplo más reciente, en 2023, fue el realizado con la muñeca Barbie. Se pidió a una IA que hiciera versiones de Barbie en varios contextos, y, en las respuestas, se pudieron observar sesgos evidentes en base a datos y hechos históricos, como la sobresexualización de las muñecas que representan el Caribe, las ideas de guerra para ciertos países de Oriente Medio, representaciones inexactas de la vestimenta cultural de Asia o incluso un borrado global de las comunidades indígenas.

 

2. ¿Qué permitimos que genere la IA?

La IA generativa va más allá de la clasificación, priorización y muestra de datos generados por el entorno y las personas. Permite, como su nombre indica, generar información “plausible” a partir de datos existentes. Es inevitable hablar entonces de “consciencia”. 

La consciencia en las máquinas no es un tema nuevo, ya que, en 1950, el matemático y científico de la computación Alan Turing, en su artículo titulado “Computing Machinery and Intelligence”, enunció que llegaría un momento en el que el comportamiento de las máquinas y de las personas sería indiferenciable. Para comprobarlo, creó su célebre test de Turing, un experimento en el que una persona (el “interrogador”) interactúa con una máquina y un ser humano sin verlos, basándose únicamente en sus respuestas escritas. Si el interrogador no puede distinguir cuál es la máquina y cuál es el humano, se considera que la máquina ha pasado el test de Turing.

Según diversos autores, hasta la fecha, ninguna máquina ha pasado completamente el test de Turing; pero sí que existe un proyecto que ha generado controversia a raíz del despido fulminante, por parte de Google, de un ingeniero de alto nivel que alertó sobre una supuesta consciencia de un chatbot conocido como LaMDA (language model for dialogue applications), creado en 2017. Google argumentó que las declaraciones eran infundadas y que el trabajador había violado las políticas de privacidad de la compañía, pero la comunidad científica quedó dividida en dos vertientes: diversos autores defendían que LaMDA era consciente, al haber pasado el test de Turing, y otros defendían que la máquina no era consciente, pero que, gracias a su inteligencia artificial, había “aprendido” a pasar el test de Turing.

 

 

Conclusiones

Los hitos de la evolución de la IA, desde el aprendizaje hasta la abstracción, ofrecen oportunidades tácticas para la optimización de procesos, personalización de contenidos y toma de decisiones basada en datos. Incorporar estas capacidades de manera efectiva en las estrategias de marketing puede impulsar la eficiencia operativa y la relevancia del mensaje.

En la interacción entre la IA y los empleos en marketing, se vislumbran tres escenarios: reemplazo, transformación/evolución y creación de nuevos puestos. La clave para los líderes es identificar áreas donde la IA puede amplificar las capacidades humanas y explorar nuevas oportunidades laborales especializadas.

La ética y la consciencia de la IA plantean desafíos y oportunidades gerenciales. La regulación del aprendizaje de la IA y la creación de contenido ético se perfilan como áreas cruciales en la toma de decisiones estratégicas. En este camino hacia la integración ética de la IA en el marketing, los líderes deben liderar iniciativas que preserven la autenticidad y la conexión humana.