AI Top Business Leaders México | Entrevista editorial
La Escuela de Ingeniería y Ciencias del Tecnológico de Monterrey articula su trabajo en inteligencia artificial a través de un hub (centro articulador) que conecta investigación, educación, emprendimiento, industria y políticas públicas. Enrique Cortés, líder de la Iniciativa Estratégica en Inteligencia Artificial y de su grupo de investigación, busca trasladar el conocimiento académico a los desafíos de la industria.
Esa mirada ha llevado a la Escuela de Ingeniería y Ciencias del Tec a ampliar el alcance de sus proyectos: de aplicar IA en organizaciones individuales a explorar cómo puede transformar cadenas productivas completas, desde la producción hasta el consumidor final. Al mismo tiempo, la institución trabaja en el extremo opuesto, acercando estas herramientas a las mipymes. En ambos casos, Cortés plantea una misma exigencia: entender primero el problema, gobernar el cambio y definir cómo se medirá su valor.
¿De dónde viene el esfuerzo de inteligencia artificial de la Escuela de Ingeniería y Ciencias del Tec de Monterrey?
Mi función se llama líder de la iniciativa de Inteligencia Artificial, aunque internamente la conocemos como el hub de IA. Su propósito es generar impacto y para ello trabajamos en varios ejes conectados. El central es la investigación, con un grupo de 28 investigadores que asesora a unos 50 estudiantes de doctorado. Ese conocimiento también alimenta la educación y nos ayuda a mantener actualizados los programas de estudio relacionados con inteligencia artificial.
Otro eje importante es el emprendimiento. Cada año desarrollamos, junto con el Instituto de Emprendimiento Eugenio Garza Lagüera, una incubadora de start-ups que utilizan IA como tecnología fundamental. Además, trabajamos con la industria mediante proyectos de investigación aplicados a problemas reales y cerramos el círculo con divulgación y políticas públicas, donde buscamos contribuir a una visión equilibrada sobre el potencial y los riesgos de esta tecnología.
"Realmente esta investigación es una coinvestigación, una cocreación, donde la empresa sabe de la empresa y nosotros sabemos otras cosas que la empresa no tiene por qué saber".
¿Cómo se alinea una universidad con una organización?
No tiene nada de fácil. La universidad piensa a más largo plazo y su velocidad es menor. A los investigadores los medimos por publicar, financiar su investigación y asesorar estudiantes; la industria, en cambio, quiere resolver un problema con retorno de inversión (ROI, por sus siglas en inglés) y hacerlo lo más rápido posible. Conciliar ambos intereses exige paciencia y una forma distinta de trabajar.
A la empresa le planteamos dividir la investigación en trimestres, con reportes y prototipos que permitan seguir los avances. Del lado de la universidad también hay un cambio: tenemos que ser humildes y reconocer que no conocemos el negocio como quien trabaja en él. Esta es una coinvestigación, una cocreación: la organización aporta su conocimiento de la industria y nosotros conocimiento especializado que no tiene por qué desarrollar internamente. Cuando alineas ambas partes, el resultado puede ser muy poderoso.
"Más te vale saber cuál es el potencial retorno si lo que vas a hacer sale bien".
¿Qué le proponen a una empresa que quiere empezar?
Partimos de una idea sencilla: una organización va a utilizar IA para vender más o gastar menos; el resto son aproximaciones a esas métricas financieras. Luego proponemos imaginar tres montañas. La más pequeña es usar IA para mejorar la eficiencia individual; la mediana, aplicarla a una tarea concreta; y la más grande tiene dos vertientes: introducir inteligencia en un proceso o incorporarla a productos y servicios.
Todas comparten una misma base: la empresa tiene que cambiar y alguien debe gobernar esos esfuerzos. Antes de empezar, hay que definir el retorno potencial, cómo se medirá y quién será responsable de hacerlo. Cuando introduces inteligencia en un proceso, cambian las tareas, los indicadores, los objetivos y la forma de trabajar de las personas. Por eso no basta con desarrollar un modelo: hay que rediseñar el proceso y entender los cambios que genera alrededor.
¿Qué casos tienen ya en marcha?
Primero, en nuestra propia casa. Cuando apareció ChatGPT, el consenso fue que no podíamos prohibir estas herramientas, sino que debíamos transformar la manera en que los estudiantes aprenden y los profesores enseñan. Empezamos un programa de formación y hoy hay miles de docentes capacitados en IA generativa, reglas de uso para los estudiantes y una revisión de los planes de estudio para definir qué necesita saber de IA cada profesión.
Hacia afuera, estamos ampliando la unidad de análisis. Hacíamos proyectos con productores de bienes de consumo empaquetados y tiendas de conveniencia cuando vimos que forman parte de una misma cadena. Ahora estudiamos cómo puede ayudar la inteligencia desde que algo se produce hasta que llega al consumidor. Estamos creando un clúster con productores, tiendas y supermercados. También comenzamos otro proyecto alrededor de la cadena de la industria de la construcción en Chihuahua (México).
En el otro extremo, enseñamos IA generativa a mipymes. Una propietaria de una taquería (puesto de tacos) utilizó estas herramientas para analizar qué productos podían dejarle mayor margen y decidió probar tacos de hígado encebollado. En la siguiente sesión contó que había vendido un 20% más. Es un ejemplo pequeño, pero muestra el impacto que pueden tener en negocios en los cuales las decisiones se toman y se prueban rápidamente.
¿Qué está resultando más difícil?
El principal reto siguen siendo los datos: creemos que los tenemos y a veces no es así. En una multinacional, por ejemplo, encontramos tres bases de datos en las que "auto" no significaba lo mismo. Sin datos no hay inteligencia artificial; por eso, antes de desarrollar siquiera un modelo, hay que empezar por ahí.
Nos preocupa depender de plataformas sujetas a decisiones externas. Por eso exploramos modelos de lenguaje pequeños y especializados en una industria, que podamos controlar nosotros mismos.
¿Cómo ve la posición de México?
México es un caso interesante. En muchas clasificaciones aparece rezagado porque no tiene una estrategia nacional ni legislación sobre IA. Sin embargo, en adopción industrial, México, Brasil y Chile son los líderes de la región. La brecha está en las empresas medianas, donde la universidad tiene un papel importante para impulsar esa adopción.
Además, tenemos que pensar hacia adelante. Estamos preparando con un socio tecnológico una propuesta sobre computación cuántica, IA y ciberseguridad. Tenemos que atender el presente y, al mismo tiempo, prepararnos para lo que viene; de lo contrario, corremos el riesgo de quedarnos atrás.