Automatización de las decisiones: las TI deben pensar de forma interdisciplinar
ULas empresas malgastan el importante recurso del tiempo de sus profesionales altamente especializados en decisiones que se toman siguiendo el mismo patrón una y otra vez. Desde otra perspectiva, también podría decirse que aquí se esconde un gran potencial de aumento de la productividad.
Gracias a los nuevos métodos de gestión de datos y a las posibilidades de acceso eficiente a los mismos, así como a los avances actuales en el campo del aprendizaje automático y la inteligencia artificial, resulta obvio automatizar tales rutinas.
Además, los procesos empresariales con decisiones rutinarias, que ya están digitalizados con la ayuda de un sistema de flujo de trabajo, constituyen una base importante para la automatización de las decisiones.
Por ejemplo, los datos de procesos relevantes para la toma de decisiones pueden recopilarse mediante la ejecución de un flujo de trabajo de procesos y almacenarse temporalmente a través de una interfaz en un sistema Hana para el entrenamiento de modelos.
Los datos de decisiones humanas reales están entonces disponibles a través de este flujo de trabajo. A partir de esta recopilación de datos y de algoritmos especiales de aprendizaje automático de la biblioteca de análisis predictivo de Hana o, como alternativa, de las conocidas ofertas en la nube del mercado, se entrenan los modelos de aprendizaje automático para la toma de decisiones automatizada y estos modelos también se almacenan en Hana.
Como resultado, el flujo de trabajo del proceso se ha adaptado para que estos modelos permitan la toma de decisiones automatizada por parte del sistema cuando se ejecutan y para que se mejoren evolutivamente a sí mismos mediante el reentrenamiento automatizado.
El reto de esta automatización de las decisiones es, por un lado, el análisis, la selección y la parametrización del algoritmo de aprendizaje automático adecuado y, por otro, la selección y preparación de los datos pertinentes y los atributos que deben utilizarse para tomar una decisión.
Esto se debe a que constituyen la base de las decisiones y conducen a decisiones incorrectas en caso de elecciones erróneas, lagunas en los datos o datos incorrectos. Por lo tanto, es esencial tratar en detalle la anatomía de las decisiones individuales.
La cantidad de datos también es de gran importancia. Sin una cantidad de datos adecuadamente grande, puede que el modelo de aprendizaje automático no consiga aprender un patrón exacto, lo que a su vez repercute negativamente en la calidad de la decisión.
Los responsables de la aplicación deben controlar y apoyar la formación del modelo de aprendizaje automático. Los conocimientos necesarios deben adquirirse de antemano.
Además de las posibilidades técnicas, también es importante comprender la anatomía de las decisiones humanas para poder relacionarlas con los conocimientos técnicos.
En este sentido, los conocimientos sobre las distintas teorías de la decisión y la economía conductual de la toma de decisiones humana desempeñan un papel importante. Para ello, es necesario conocer la teoría prescriptiva de la decisión, que trata de la toma de la decisión racionalmente correcta, y la teoría descriptiva de la decisión, que trata de los errores típicos que cometen las personas que toman decisiones.
El conocimiento de los llamados sesgos cognitivos, que reflejan las tendencias inconscientes de las personas a la hora de recordar y pensar, es especialmente importante en este contexto y debe tenerse en cuenta en la aplicación técnica.
Se trata de competencias completamente nuevas a las que, por lo demás, tienen que enfrentarse equipos bastante versados técnicamente en el curso de los nuevos desarrollos. Los departamentos de TI tienen que trabajar de forma interdisciplinar y tratar a las personas como sujetos dentro de los procesos empresariales en el curso de la creciente digitalización.
El control automático de las decisiones en los procesos empresariales mediante algoritmos y datos no es sólo un espectro del futuro. Merece la pena romper las viejas estructuras y hacer más interdisciplinarios los departamentos de TI. Sólo así podrán tener éxito la digitalización y el consiguiente aumento de la productividad.
