Existe un gran debate sobre si una máquina puede hacer mejor su trabajo que un ser humano, especialmente en proyectos de investigación como las etnografías, cuya ejecución requiere una experiencia y unos conocimientos considerables. La respuesta corta, por supuesto, es sí, y cada vez es más difícil ignorar las pruebas. Es una de las razones por las que no tenía muchos antropólogos "tradicionales" como amigos en los primeros años de creación de nuestra empresa. Al menos por aquel entonces, nuestra tecnología y nuestra visión les resultaban un poco difíciles de creer. No les cabía en la cabeza la idea de que una máquina pudiera ayudarles a evitar los errores típicos que ellos, como humanos, cometen una y otra vez. No importa la experiencia, el ser humano, simplemente por el hecho de vivir y respirar y mantener una serie de valores y creencias, no puede encontrar la manera de dejar que su juicio sobre una situación o una serie de puntos de datos enturbie el resultado resultante. Un problema que sólo se agrava por la falta de escala en el proceso de los típicos proyectos de investigación impulsados por el análisis humano.
Considere este breve estudio de caso como una prueba más de lo que digo. Cuando un equipo de expertos formado por un economista de Harvard, tres informáticos y un experto en fianzas de la Universidad de Chicago enfrentó a una máquina con jueces muy experimentados de la ciudad de Nueva York en una serie de grandes muestras (más de 550.000 acusados) de audiencias de fianzas, descubrieron que la máquina era significativamente más precisa, a pesar de la gran experiencia y capacidad de los jueces para mirar al presunto "delincuente" a los ojos y tomar decisiones con empatía. ¿Hasta qué punto? El algoritmo habría reducido las tasas de delincuencia (entre los liberados bajo fianza) en casi un 25% y las tasas de encarcelamiento hasta en un 41%. El algoritmo también era capaz de contrarrestar los prejuicios raciales, que, como probablemente ya sepas, es en sí mismo uno de los mayores retos a los que se enfrenta el sistema de justicia penal en Estados Unidos.
Cuando empezamos nuestra empresa hace cuatro años y medio, comenzamos con un enfoque en la construcción de herramientas que podrían no sólo ayudar en el proceso de etnografía, pero lo más importante, intervenir en los puntos críticos en el proceso para minimizar el error humano. Queríamos crear un nivel de pureza que teóricamente sabíamos big data y AI podría permitir - sólo que no había visto en acción en las ciencias sociales todavía. En concreto, queríamos crear las herramientas de forma que obligaran a nuestros investigadores a seguir las huellas naturales que deja el consumidor en cualquier cultura que se estudie. No queríamos que los investigadores tuvieran que buscar esas migas de pan (que es lo que suele ocurrir en el proceso tradicional). Y, desde luego, no queríamos que hicieran suposiciones por el camino, llenando lagunas con sus propios conocimientos y experiencia. Mediante una serie de experimentos y aprendizajes a lo largo de más de dos años, no sólo descubrimos que esto era posible, sino que nos dimos cuenta de que la máquina podía encargarse de más del 80% del proceso de investigación. La máquina se encargaba de recopilar datos, crear modelos e incluso interpretarlos para trazar un mapa que nuestros investigadores y usuarios pudieran seguir. Seguir este mapa, en lugar de tener que crearlo, significa que se deja muy poco al criterio humano y que las partes que sí requieren la pericia y la experiencia del investigador llegan mucho más tarde en el proceso de investigación, cuando se confía en él para seguir las migas de pan del consumidor y desarrollar una narrativa a partir de los hallazgos. Dado que la interpretación de cada una de estas migas de pan ya viene dada por la máquina, se confía en el investigador para que dé sentido a las distintas capas de interpretación, en lugar de venir con las interpretaciones y luego tener que construir una narrativa a partir de ellas. Se trata de un logro significativo en el mundo de la antropología cultural y la etnografía, y me enorgullece decir que aún no hemos encontrado otra empresa/tecnología que intente hacer lo mismo.
La primera versión de nuestra tecnología nació en 2017. Ahora ya estamos en la versión 2, con avances significativos en la capacidad de la máquina para interpretar y predecir el futuro de tendencias, temas y culturas. Hemos sido capaces de lograr todo esto porque nuestra tecnología nos ha permitido desplazar las tareas para las que se necesitaban humanos, más abajo en el proceso - lo que ha significado un mejor matiz y un error marginal. Volviendo al punto con el que empecé este artículo -la comparación entre el hombre y la máquina-, no creo que estemos aún en la fase en la que la máquina pueda hacer todo lo que hace un antropólogo humano. Sin embargo, mediante el aprovechamiento de la tecnología en los lugares correctos, hemos sido capaces de cambiar el papel del antropólogo humano (en el proceso etnográfico) para mejor, con una mayor participación en la última mitad del proceso de investigación, donde los errores de juicio se reducen al mínimo y los beneficios de la IA y Big Data se maximizan.
Los resultados hablan por sí solos. Colectivamente, en los últimos 4+ años, nuestros clientes han lanzado más de 100 marcas y productos utilizando nuestras etnografías dirigidas por máquinas, generando más de 5 mil millones en nuevos ingresos para sus negocios. Sin embargo, todavía se siente como si sólo estamos empezando.