El Día Internacional de la Mujer y la Niña en la Ciencia de las Naciones Unidas (11 de febrero) destaca el logro del acceso y la participación plenos e igualitarios de las mujeres y las niñas en la ciencia, citando la importancia de este objetivo en el desarrollo global. La ONU ha destacado que en las últimas décadas la comunidad mundial ha logrado grandes avances para inspirar e involucrar a mujeres y niñas en la ciencia, pero aún queda mucho trabajo por hacer.
Este es el caso de los servicios financieros tanto como de muchos otros sectores. Un área crítica es la inteligencia artificial (IA) y cómo afecta la toma de decisiones financieras.
La IA se está volviendo omnipresente
No se puede negar el crecimiento de gran alcance de la IA. Desde las solicitudes de préstamos hasta la prevención del fraude, la tecnología y el aprendizaje automático están arraigados en nuestras vidas y tienen voz en las decisiones importantes que tomamos, así como en las que se toman por nosotros. Para realizar evaluaciones justas y precisas, el software de IA debe reflejar a las personas que examina y la mejor manera de lograrlo es tener un equipo diverso en el trabajo.
Por supuesto, quedaron atrás los días de discriminación de género en las decisiones financieras: se exige que el riesgo no se pueda medir en función del género. Pero para lograr la igualdad que se espera de los proveedores de servicios financieros, es crucial facilitar que las niñas y las mujeres ingresen al sector y progresen en sus carreras, porque uno de los desafíos reales en IA es combatir el sesgo que se puede codificar en los propios modelos.
Todos los modelos de IA se entrenan en conjuntos de datos, y estos conjuntos de datos con frecuencia tienen codificado en ellos un nivel de sesgo. De hecho, el director de análisis de FICO, Scott Zoldi, dice: "Todos los datos están sesgados". Depende de los científicos de datos corregir esto, y es por eso que es tan importante lograr equipos más diversos que construyan IA.
Reconocer que necesitamos diversidad en innovación y equipos es el primer paso. En muchos casos, la IA aprende de los datos generados por las acciones humanas. Si los científicos de datos no los controlan, los algoritmos pueden imitar nuestros sesgos, conscientes o no. Sin embargo, podemos mitigar esos sesgos al incluir personas de diferentes razas, géneros, orientaciones sexuales, edades y condiciones económicas para cuestionar nuestros propios puntos de vista. Al traer personas con pensamientos y enfoques diferentes a los nuestros, los equipos de análisis verán una rápida mejora en su código.
Para cualquier niña o mujer que esté pensando en la ciencia de datos como una carrera profesional, las oportunidades son inmensas. Los científicos de datos son una nueva generación de expertos analíticos, responsables de recopilar, analizar e interpretar cantidades extremadamente grandes de datos. Estos roles son una rama de varios roles técnicos tradicionales, que incluyen experiencia en el dominio empresarial, matemáticos, científicos, estadísticos y profesionales de la informática. Todos estos trabajos diferentes encajan en las disciplinas de un científico de datos.
Los conocimientos que descubren los científicos de datos deben usarse para impulsar decisiones comerciales y tomar medidas destinadas a lograr los objetivos comerciales. Si bien los ejecutivos son personas inteligentes, es posible que no estén bien versados en todas las herramientas, técnicas y algoritmos disponibles para un científico de datos (por ejemplo, análisis estadístico, aprendizaje automático, inteligencia artificial, etc.). Parte del rol del científico de datos es traducir las necesidades comerciales en algoritmos.
Mejores equipos hacen mejor IA
La magia también está en la capacidad del científico de datos para entregar los resultados de una manera comprensible, convincente y perspicaz, mientras usa el lenguaje y el nivel de jerga adecuados para su audiencia. Además, los resultados siempre deben estar relacionados con los objetivos comerciales que generaron el proyecto en primer lugar.
Yo diría que si logra la diversidad en sus equipos, mejorará la IA porque sus equipos serán mejores para detectar sesgos y corregirlos. Diferentes antecedentes impulsan un pensamiento más creativo, y los equipos más diversos tienden a mejorar la capacidad de una empresa para resolver problemas. Eso es tan cierto en la ciencia de datos como en otros campos.