El análisis de decisiones es un campo que desarrolla modelos analíticos para una mejor toma de decisiones. Una pregunta interesante es si la inteligencia artificial puede reemplazar a las personas como tomadores de decisiones, y si es así, bajo qué circunstancias.

Los algoritmos de IA que toman decisiones son frecuentes. Eligen contenido y anuncios apropiados para nosotros cuando navegamos por Internet; responden nuestras preguntas como chatbots cuando necesitamos ayuda; aprueban y rechazan las solicitudes de préstamo.

En el mejor de los casos, la IA es un excelente tomador de decisiones. Sin embargo, las circunstancias deben ser adecuadas para ello.

Para tomar buenas decisiones, la IA necesita grandes cantidades de datos sobre decisiones anteriores y su calidad, o la oportunidad de probar ampliamente diferentes estrategias de decisión. El último enfoque, que se deriva del aprendizaje por refuerzo, funciona especialmente bien cuando las estrategias se pueden probar de manera confiable en un entorno simulado, es decir, separado de la vida real. Esto queda claro cuando pensamos, por ejemplo, en el chatbot:sería imprudente que una empresa permitiera que la IA probara respuestas aleatorias en clientes reales y desprevenidos.

Además, es importante que se pueda definir una medida de rendimiento (o, técnicamente, una función de recompensa) para evaluar las decisiones del algoritmo. En el caso del chatbot, los consejos que da la IA se pueden considerar buenos cuando soluciona el problema del cliente; para un anunciante, es fundamental que se tome una decisión de compra.

La relevancia de las personas en el proceso de toma de decisiones se enfatiza cuando no hay grandes conjuntos de datos de alta calidad disponibles, no hay posibilidad de probar ampliamente diferentes estrategias de decisión, o si es difícil encontrar una medida de rendimiento clara para evaluar las decisiones del algoritmo. El primer problema se aplica, por ejemplo, a las decisiones estratégicas a más largo plazo en las empresas. Esto se debe a que incluso grandes conjuntos de datos no pueden predecir el futuro:los datos siempre miran hacia atrás, incapaces de anticipar eventos que nunca antes sucedieron.

Una medida de rendimiento, por otro lado, puede ser difícil de encontrar cuando hay objetivos diferentes y posiblemente en conflicto involucrados. Por ejemplo, la orientación de contenido en Facebook funciona de manera eficiente en el sentido de que las personas están felices de hacer clic en enlaces que respaldan sus vistas existentes. Pero, ¿y si, en lugar de maximizar el tiempo en Facebook, el objetivo es ampliar el alcance de la discusión social o reducir la discordia? ¿Cómo podrían siquiera medirse estos objetivos de una manera que un algoritmo pueda entender?

En cualquier caso, los algoritmos de IA se mejoran constantemente y, en el mejor de los casos, nos hacen la vida considerablemente más fácil. Con su ayuda, podemos encontrar conexiones interesantes a partir de masas de datos en las que la gente nunca pensaría. Entonces, incluso si la IA hasta ahora no está reemplazando a las personas como tomadores de decisiones, definitivamente puede ayudarnos a tomar mejores decisiones.