Redes neuronales en el modelo organizativo de empresa
Las redes neuronales no son una idea nueva. Datan de los años 40 y 50, cuando se empezaron a publicar los primeros conceptos. Sin embargo, nunca tuvieron un gran éxito, más que nada porque se necesita una cantidad importante de recursos de un ordenador para entrenar y ejecutar una red neuronal con buenos resultados.
En los últimos años se han conseguido grandes avances gracias a la mejora de los ordenadores y al uso de GPUs para este tipo de computaciones. Hace poco os hablábamos en Xataka de los pies de foto generados por ordenador gracias a una red neuronal de convolución (para el reconocimiento de imagen) junto con una red neuronal recurrente para formar las frases. Los investigadores de Stanford usaron tarjetas GPU para poder entrenar y ejecutar este tipo de redes neuronales en un tiempo razonable.
Algo parecido montó Google con Street View: una red neuronal convolucional que lograba una precisión del 96% a la hora de reconocer números de calle en las imágenes que toman sus coches. Los de Mountain View están bastante enamorados de las redes neuronales, de hecho: también las usaron para mejorar el reconocimiento de voz de Android o para ahorrar electricidad en sus centros de datos.
Las redes neuronales parece que incluso podrían acabar dominando uno de los juegos que se les resiste a los ordenadores: el juego de Go. En la Universidad de Edimburgo, unos investigadores han logrado usar redes convolucionales para detectar patrones en los tableros y tratar de sacar el mejor movimiento con una efectividad considerable: 90% de juegos ganados contra GNU Go y 10% contra Fuego, dos de los programas que mejor juegan a Go. Aunque pueda parecer poco, hay que tener en cuenta que ambos exploran un buen número de movimientos posibles para ver cuál da más ventaja. La red neuronal sólo mira al estado actual del tablero y emite un veredicto en muchísimo menos tiempo.
Por supuesto, estas redes tampoco son la panacea. A modo de curiosidad, unos investigadores usaron una red neuronal para generar imágenes que engañaban a otra red neuronal diseñada para reconocer objetos. Así, lo que a nosotros nos parece una imagen aleatoria, para la red neuronal es un bikini o un armadillo. Es parte del problema del sobreajuste: redes que se comportan muy bien para los datos de ejemplo o parecidos, pero que con datos muy distintos dan resultados absurdos.
Sea como sea, es un campo muy interesante y que promete bastantes avances a corto plazo sobre todo en reconocimiento de imagen y de sonido.
Dentro de las organizaciones en los últimos tiempos estamos comprobando como las fronteras entre distintas disciplinas científicas se diluyen y aportaciones que antaño estaban condicionadas a su aplicación en un determinado campo, han sido empleadas con acierto para buscar explicaciones en otros ámbitos de la ciencia totalmente distintos.
Esto responde fundamentalmente a que los problemas que enfrentamos en la actualidad se caracterizan, en una buena parte, por ser transversales y requerir una visión que combine múltiples perspectivas. La creciente complejidad de este entorno ha hecho que, por ejemplo, ciencias como la psicología, la política o la neurología, por mencionar solo algunas de ellas, hayan comenzado a tener una fuerte influencia en la gestión empresarial. Uno de esos conceptos científicos que, desde hace años ha dado el salto de las ciencias de la salud a otros espacios ha sido el de las redes neuronales. Las redes neuronales han servido como modelo inspirador de numerosos diseños relacionados con la informática, con el procesamiento de información de las máquinas e, incluso, con la gestión de proyectos.
La realidad empresarial, y sobre todo, la realidad de la organización empresarial se asemeja ahora mucho a esta situación. Las compañías se encuentran, en gran medida, ante situaciones antes no conocidas que requieren una gran capacidad adaptativa, rapidez en la respuesta, flexibilidad y conocimiento para trabajar en la incertidumbre. Y ante ella se enfrentan con estructuras pesadas y lentas heredadas de prácticas pasadas que impiden poderse mover de forma adecuada.
¿Qué son las redes neuronales?
Su aplicación organizativa Primeramente, hemos de entender de forma simple las neuronas como un nodo que cuenta con una gran cantidad de entradas de información que son procesadas de forma rápida para ofrecer una sola salida. Esta neurona, en su interior lo que hace es combinar la múltiple información de entrada que recibe y activar un valor de salida único, simplificando ese proceso de recepción. Las redes neuronales no son más que las distintas combinaciones que podemos hacer de esas neuronas para la obtención de un determinado resultado.
Si observamos, la organización tiene un funcionamiento similar a la red neuronal; los individuos se comportan como neuronas que recogen múltiple información para, con su conocimiento, procesar una sola respuesta. Estos individuos se agrupan en áreas que son mini redes neuronales que combinan de distintas formas este conocimiento para crear una nueva salida agregada. En un nivel superior, toda la organización da una sola salida a la distinta información que recibe de diferentes áreas. Una de las claves es facilitar la interconexión entre la salida de una neurona y la entrada de ese impulso en otra neurona para ir provocando salidas alineadas. Esto que el cerebro humano lo hace de forma cuasi inmediata, es una de los problemas que debe solventar la organización. Debe facilitar que estas redes estén interconectadas para una respuesta rápida.
Las neuronas, como los individuos, son adaptativas; esto supone que si se les permite, adaptarán sus salidas con otros miembros y acabarán formando redes. El gran reto aquí para la organización es crear espacios para que esas redes se formen y que la dirección de las salidas de esa red contribuya a la consecución de los objetivos. Además, estas neuronas de organizan de forma automática proporcionando valores distintos tanto a las entradas que reciben como a las salidas que emiten, con lo que se produce una jerarquía basada en el valor y no en las posiciones.
Ventajas de las redes neuronales aplicadas a la organización
La aplicación de un modelo de redes neuronales en la empresa permite: Mayor capacidad de adaptación al entorno: al potenciar la capacidad del individuo para captar entradas y darle independencia para generar una salida, así como ponerlo en contacto con otros individuos, las posibilidades de acertar en la opción elegida y de hacerlo de forma rápida crecen exponencialmenteAutoorganización: las redes neuronales son capaces de autoorganizarse según las distintas entradas y salidas realizadas de forma casi automática. Ellas mismas fijan el valor de sus salidas y se organizan priorizando las decisiones.
Tolerancia y resistencia a fallos: al encontrarse la información y la capacidad de actuación distribuida, un error o fallo no tiene por qué propagarse automáticamente a toda la red, puesto que tienen el conocimiento de forma distribuida y son capaces de generar alternativas correctoras.Rapidez en la repuesta: ante cualquier incertidumbre, la red neuronal es capaz de reconocer patrones rápidamente porque se trabaja de forma simultánea, lo que hace que su actualización sea inmediata.
Cómo desarrollarlas en las organizaciones
En primer lugar, aclarar que la aplicación de modelos de redes neuronales en las empresas no siempre tienen que alcanzar al total de la organización; puede que afecte solo a una división, a un proyecto, a una línea de producto, etc… Dicho esto, hay algunas condiciones de partida necesarias para un modelo de red neuronal organizativo. Marco estratégico claro: la misión, visión, valores y filosofía empresarial deben quedar muy claros para todos los individuos. Solo de esta forma, la red trabajará para dar una respuesta común y alineada.
El modelo de red sin este marco no capitaliza esfuerzos.
Claridad en las conexiones entre las líneas estratégicas: cada línea estratégica a trabajar debe estar claramente conectada con el resto y estas conexiones deben ser comprendidas con claridad por toda la organización, así como la contribución que se espera de cada uno de ellos a estas líneas.
Sistemas de información compartidos/gestión del conocimiento: los miembros de la red deben disponer de accesos compartidos a la información necesaria y un lugar donde gestionar ese conocimiento generado de salida, ya que la salida de un individuo provoca la entrada de información de otros muchos en el modelo de red.
Liderazgo: el liderazgo que potencia la tolerancia al error, la innovación y el reto.Empowerment/formación: es fundamental que desde RRHH se provea de la autonomía suficiente a cada persona para que tenga capacidad de procesamiento individual; para ello necesitará la adecuada formación.Flujos/Procesos clave: es básico detectar los procesos clave (flujos de información, de materiales, financieros, etc…) y que estos funcionen de forma rápida.Tecnología: hay que adaptar la tecnología al funcionamiento adecuado de las redes, no al revés.
La tecnología como servicio y no como director.Subsistema político: las habilidades políticas de los directivos deben ayudar a reducir las fricciones que supone el trabajo en red, sobre todo en sus comienzos. Como vemos, la implantación de este sistema no requiere de grandes inversiones al comienzo (puede ser concentrado solo en un área) y su aplicación depende sobre todo de habilidades soft (formación, liderazgo, cultura, valores, etc), quedando las variables hard (sistemas, tecnología,…) como factores de soporte al servicio del resto de necesidades.
Esto supone que la voluntad, la tenacidad y la pasión en su aplicación son cuestiones fundamentales que los directivos habrán de aplicar para conseguir llegar a resultados adecuados.