Cuando una aerolínea desaparece, lo habitual es imaginar un inventario bastante previsible de restos. Aviones que cambian de dueño, repuestos, equipos de aeropuerto, oficinas, contratos, licencias, y quizá alguna marca que todavía conserve valor. Los acreedores hacen cuentas, los activos se venden y, poco a poco, aquello que alguna vez fue una empresa en funcionamiento se desarma en piezas.
Pero cuando Spirit Airlines entró en liquidación, apareció un comprador interesado en algo mucho menos visible.
Google ofreció US$10 millones por los datos de la empresa.
No por la lista de pasajeros, ni por sus aviones. Tampoco, al menos de manera principal, por sus rutas o por el conocimiento acumulado sobre el negocio aéreo. Lo que despertó el interés del gigante tecnológico fue la gigantesca memoria digital que había dejado la compañía: alrededor de 100 millones de correos electrónicos, 500 millones de mensajes de Microsoft Teams, documentos, calendarios, planillas, información operativa y decenas de millones de líneas de software.
A primera vista, parece una colección monumental de basura corporativa, pero vista desde Silicon Valley, puede ser una mina de oro.
Porque si la primera gran etapa de la inteligencia artificial consistió en enseñar a las máquinas lo que los seres humanos sabemos y escribimos, la próxima podría consistir en enseñarles algo bastante más difícil: cómo trabajamos, y para hacerlo, Internet quizá ya no alcance.
Internet enseñó a las máquinas a hablar
Durante años, la materia prima de la revolución de la inteligencia artificial estuvo a la vista de todos.
Libros digitalizados, artículos, páginas web, Wikipedia, foros, fotografías, videos y enormes repositorios de software proporcionaron una cantidad extraordinaria de ejemplos de producción humana. Sobre ese océano de información se entrenaron los grandes modelos capaces de escribir, traducir, resumir, programar y responder preguntas.
Pero existe una diferencia importante entre saber mucho enciclopédicamente y saber trabajar.
Una inteligencia artificial puede haber leído miles de documentos sobre administración de empresas sin haber analizado nunca cómo funciona realmente una empresa en particular un martes cualquiera a las diez de la mañana.
No sabe necesariamente qué sucede después de que un gerente recibe un correo informándole que algo salió mal. Quién contesta, a quién copia, qué documentos consulta, qué sistemas abre. A qué reunión convoca y, en ella, qué instrucciones imparte. Cómo negocia una solución, qué decisión finalmente adopta y cuáles son sus consecuencias.
Gran parte de esa historia jamás llega a Internet, permanece agazapada detrás de las puertas digitales de las organizaciones.
Allí es exactamente donde reside el atractivo de los archivos de Spirit.
Una empresa conservada en ámbar digital
Una compañía moderna deja una huella extraordinariamente detallada de su propia existencia.
Los empleados conversan por Teams o Slack. Intercambian correos. Modifican documentos. Actualizan planillas. Utilizan aplicaciones corporativas, programan reuniones, escriben software, responden a clientes y registran decisiones.
Tomadas aisladamente, esas acciones pueden parecer triviales. Reunidas durante años y relacionadas unas con otras, cuentan otra cosa: cómo funciona una organización empresarial.
Spirit ofrece esa posibilidad a una escala excepcional.
Sus archivos contienen no solamente el resultado final del trabajo, sino buena parte del camino que llevó hasta él. Una conversación genera una reunión; la reunión produce una decisión; la decisión modifica un procedimiento; alguien cambia un sistema informático; otro empleado descubre un problema; y comienza entonces otra cadena de mensajes.
En cierto sentido, es la película de una empresa en movimiento.
Esa es, precisamente, la clase de información que podría necesitar la próxima generación de inteligencia artificial.
Del chatbot al compañero de oficina
Hasta ahora hemos conocido principalmente una inteligencia artificial a la que se le pide algo: “Resume este documento”; “Prepara una presentación”; “Compara estos contratos”; “Escribe este programa.”
Pero la industria tecnológica trabaja crecientemente en algo diferente: los llamados agentes de inteligencia artificial, sistemas capaces no sólo de producir una respuesta sino de ejecutar secuencias de acciones para alcanzar un objetivo.
La diferencia no es menor.
Un chatbot puede decir cómo organizar un viaje. Un agente puede, en principio, comparar opciones, consultar calendarios, completar formularios, hacer reservas y pagos, y modificar el itinerario o cancelarlo si algo cambia.
Trasladado a una empresa, el salto es mucho mayor.
Imaginemos un sistema al que no se le pide simplemente “redacta una respuesta al cliente”, sino “resuelve esta situación problemática”. Para hacerlo tendrá que identificar qué ocurrió, consultar distintos sistemas, encontrar antecedentes, decidir con quién comunicarse, generar documentos, quizá solicitar una autorización, implementar mecanismos, y comprobar finalmente si el problema quedó solucionado.
Eso se parece mucho más a trabajar que a contestar una pregunta. Pero entonces aparece un obstáculo formidable: ¿cómo se le enseña a una máquina a hacerlo?
Por qué la inteligencia artificial aprendió primero a programar
Hay una razón por la cual los agentes de inteligencia artificial han avanzado especialmente rápido en programación.
Existe muchísimo código disponible públicamente, pero además el software posee una característica extraordinariamente conveniente para entrenar máquinas: es relativamente fácil comprobar si el resultado funciona.
Un programa compila o no compila. Una prueba se supera o fracasa. Un algoritmo devuelve el resultado correcto o el incorrecto.
Eso permite aplicar con enorme eficacia técnicas de reinforcement learning —aprendizaje por refuerzo— mediante las cuales el sistema intenta resolver una tarea, recibe una señal sobre el resultado, y ajusta su comportamiento en consecuencia.
La vida de oficina es bastante menos complaciente.
¿Cómo sabemos si una máquina manejó correctamente una negociación? ¿Si redactó el correo adecuado a un empleado? ¿Si convocó a las personas correctas a una reunión? ¿Si resolvió bien un conflicto entre departamentos?
En el mundo real, muchas veces ni siquiera los seres humanos están de acuerdo sobre cuál es la mejor decisión.
La historia –aun en desarrollo, como veremos- de la adquisición del paquete de datos de Spirit Airlines señala precisamente esa dificultad: pasar de agentes especializados en programación a agentes capaces de realizar trabajo administrativo general exige encontrar formas mucho más sofisticadas de enseñarles qué constituye un buen resultado.
Así, una empresa entera, preservada digitalmente, puede transformarse en un gigantesco laboratorio.
También los errores tienen valor
Hay algo particularmente interesante en el caso Spirit.
La compañía quebró, y para cualquier comprador tradicional, eso disminuiría el atractivo de esa gigantesca masa de datos. ¿Por qué estudiar cómo trabajaba una organización que terminó en fracaso?
Para entrenar inteligencia artificial, la pregunta puede formularse exactamente al revés.
Una máquina no necesita observar únicamente decisiones correctas, también puede –y necesita-aprender de los errores.
Puede analizar una secuencia de acciones que terminó mal, identificar alternativas y ser recompensada cuando encuentra una solución mejor. Desde esa perspectiva, una mala decisión empresarial puede ser tan instructiva como una buena.
Los archivos de Spirit podrían permitir reconstruir innumerables situaciones reales y convertirlas en escenarios de entrenamiento: ante determinada información, ¿qué debería hacer el agente? ¿A quién debería consultar? ¿Qué herramienta debería utilizar? ¿Qué decisión conduciría al mejor resultado?
Ya no se trataría de enseñarle qué decía el manual, sino de ponerla a trabajar.
US$10 millones, US$12,5 millones… y quizá mucho más
El precio también cuenta una historia.
Google ganó inicialmente la subasta ofreciendo US$10 millones, por encima de los US$7,5 millones propuestos por Mercor, una empresa especializada precisamente en datos para inteligencia artificial.
Pero después ocurrió algo revelador.
Micro1, una joven compañía dedicada al entrenamiento de sistemas de inteligencia artificial, apareció fuera de término con una oferta de US$12,5 millones. Su argumento, en esencia, es que los datos valen más.
La discusión sobre quién terminará comprándolos todavía continúa. Pero la puja ofrece una pista sobre el mercado que puede estar naciendo.
Durante años, la competencia por la inteligencia artificial se describió fundamentalmente como una carrera por tres recursos: mejores algoritmos, más talento y cantidades gigantescas de capacidad informática.
Tal vez haya que agregar un cuarto: datos que nadie más posee.
Cuando los correos viejos se convierten en un activo
Esto podría modificar incluso la manera en que pensamos el patrimonio de una empresa.
Una fábrica posee máquinas. Una aerolínea, aviones y derechos de uso de rutas. Un banco, una cartera de créditos. Una empresa tecnológica, patentes y software.
Pero prácticamente todas poseen algo que hasta hace poco se consideraba prácticamente un subproducto inevitable de hacer negocios: años de conversaciones, decisiones y flujos de trabajo digitalizados.
La inteligencia artificial puede convertir ese residuo en un activo.
Por supuesto, no todos los datos tendrán el mismo valor. Una montaña desordenada de documentos no es automáticamente útil. Lo especialmente atractivo es conservar –y reconocer- las relaciones entre ellos: saber que determinado correo condujo a determinada acción, que un mensaje correspondía a cierto proyecto, y que una decisión terminó produciendo cierto resultado.
En otras palabras, no interesa solamente lo que una organización dijo. Interesa reconstruir qué hizo después.
Eso explica también por qué el caso Spirit ha abierto una controversia mucho más incómoda.
¿De quién son nuestros años de trabajo?
Los datos que una empresa acumula no son producidos por máquinas abstractas, sino por personas de carne y hueso.
Detrás de esos 100 millones de correos existen empleados que escribieron a colegas y superiores durante años. Detrás de los mensajes aparecen conflictos, evaluaciones, problemas operativos, decisiones laborales y posiblemente circunstancias personales.
Google afirma que una empresa independiente se encargará de eliminar aquella información que permita identificar individuos, y que no recibirá información personal de los clientes de la empresa aérea. Entre las condiciones de la operación se establece que los datos deben ser desidentificados antes de que Google los reciba, pero las relaciones entre registros se mantendrán. El acuerdo prevé conservar lo que se denomina “integridad referencial”: las conexiones entre diferentes registros deben sobrevivir al proceso de desidentificación. De lo contrario, sería mucho más difícil reconstruir cómo se desarrollaron las actividades dentro de la compañía.
Lo que no estaba previsto fue la entrada en escena de un actor en particular: la Association of Flight Attendants-CWA, que representa a los tripulantes de cabina de Spirit, presentó en los tribunales una oposición formal a la operación de compra de los datos.
Su preocupación es particularmente interesante porque toca justamente aquello que hace valiosos a esos mismos datos: el sindicato sostiene que justamente esas mismas conexiones podrían permitir fácilmente reconstruir información correspondiente a personas o pequeños grupos, aun cuando sus nombres hayan desaparecido.
La pregunta adquiere entonces una dimensión que excede largamente el caso puntual de Spirit Airlines: un empleado recibe un salario por su trabajo, pero durante veinte años ese trabajo también genera millones de fragmentos de información acerca de cómo trabaja.
Si mañana esa información sirve para entrenar a una máquina capaz de hacer parte de ese trabajo, ¿a quién pertenece ese conocimiento?
Para esta cuestión, no tenemos todavía una respuesta satisfactoria.
La paradoja de Spirit
Hay algo casi literario en el destino final de una compañía aérea que desapareció.
Durante décadas, Spirit transportó personas de una ciudad a otra. Cuando dejó de volar, sus aviones, instalaciones y demás activos comenzaron a dispersarse.
Pero quedó otro Spirit, uno intangible, invisible: una representación digital extraordinariamente detallada de cómo miles de seres humanos intentaron mantener funcionando una empresa.
Ahora algunas de las compañías más avanzadas del mundo están dispuestas a pagar millones por esos restos.
No sabemos todavía si Google terminará quedándose con ellos. La audiencia judicial sobre la venta fue postergada hasta el 9 de septiembre, mientras se examinan las objeciones sobre privacidad y la aparición de una oferta superior.
Pero, cualquiera sea el desenlace, el episodio probablemente esté anticipando algo más importante.
La primera generación de inteligencia artificial aprendió a partir de aquello que la humanidad volcó en Internet.
La próxima quiere aprender de aquello que nunca se publica: nuestras reuniones, nuestros mensajes, nuestros procedimientos, nuestras decisiones y nuestros errores.
Durante mucho tiempo pensamos que el gran patrimonio digital de una empresa era la información que poseía sobre sus clientes. Quizá estábamos pasando por alto la posibilidad de que el verdadero tesoro sea la memoria de cómo trabajaban sus empleados.
