Transformando la Gobernanza de Decisiones es una reseña de la ponencia «A Systematic Approach In Decision Governance: Knowing From The Existence«, presentada por Mahmud & Cotter en ASMED 2019.
El mundo de los negocios y la tecnología está experimentando un cambio significativo, lo que afecta significativamente la forma en que se gestionan las empresas y se toman decisiones. La colaboración entre humanos y máquinas en los procesos de toma de decisiones es el centro de este cambio transformador. Mahmud y Cotter exploran el campo de la ontología y cómo se puede aplicar a la gestión de ingeniería, mostrando cómo este método puede cambiar la forma en que se toman decisiones.
La Esencia de la Ontología en la Gobernanza de Decisiones
El término «ontología» se utiliza en este contexto para referirse a una disciplina que permite comprender y estructurar el conocimiento en un dominio específico. Los autores exploran cómo la ontología puede aplicarse en la gestión de ingeniería. Consideran que los cambios impulsados por las tecnologías 5.0 representan un cambio filosófico profundo y no meramente un avance tecnológico. Estos cambios tienen un impacto significativo en las empresas.
La ontología, como señalan Mahmud y Zahedi (2018), desempeña un papel fundamental en esta transformación y se basa en tres principios esenciales:
- Identificación del Espacio del Problema: En su núcleo, la ontología ayuda a identificar y definir el espacio del problema, lo que implica comprender si un problema existe y cuál es su alcance y contexto.
- Reconocimiento de Dominios Relevantes: Permite reconocer y definir todos los dominios pertinentes necesarios para construir una estructura taxonómica y axiomática. Esta estructura tiene como objetivo aclarar el panorama del conocimiento y facilitar una mejor comprensión de un dominio específico.
- Mejora de la Comprensión: La meta última es lograr una comprensión profunda de un dominio de discurso. Al superar la ambigüedad y las incertidumbres, la ontología permite navegar situaciones complejas de toma de decisiones.
En la gobernanza de decisiones de sistemas de inteligencia humano-máquina, ha prevalecido tradicionalmente una variedad de prácticas y estándares. No obstante, según Mahmud (2018), estas diferencias entre organizaciones y gobiernos han contribuido a la falla de sistemas en situaciones críticas. Por lo tanto, para abordar eficazmente los desafíos de la gobernanza de decisiones, se requiere un enfoque sistemático que aproveche el análisis ontológico.
Niveles de Ontologías
Mahmud y Cotter (2017) presentan los niveles primarios de ontologías según su alcance, proporcionando una estructura que orienta el desarrollo ontológico. Además, la ontología fundamental, el nivel más alto, actúa como base para estructuras ontológicas subsiguientes. Es así como este concepto permite definir clasificaciones, categorías, relaciones y axiomas universales que se pueden reutilizar en áreas de referencia centrales.
En contraste, las ontologías de referencia central refinan conceptos, relaciones y axiomas específicos de un área de conocimiento, basándose en la ontología fundamental. Las ontologías de dominio, por otro lado, ofrecen conceptos y relaciones adaptados a un conocimiento particular. Las ontologías de tareas se concentran en el vocabulario para tareas de resolución de problemas comunes en dominios dentro de un área de referencia central. En cambio, las ontologías de tareas de dominio limitan este enfoque a tareas de resolución de problemas dentro de un dominio específico. Asimismo, las ontologías de métodos de dominio definen los vocabularios metodológicos necesarios para la operacionalización de dominios.
Un Enfoque Sistemático Integrador en la Gobernanza de Decisiones
El camino hacia un marco integral de gobernanza de decisiones de Inteligencia Humana e Inteligencia Artificial (HI-MI) comienza con un enfoque sistemático e integrador. Este método sigue un proceso estructurado:
- Recolección de Datos: Curar un corpus de artículos de revistas revisados por pares relevantes para los dominios de conocimiento identificados.
- Extracción de Conceptos: Utilizar técnicas de minería de texto para la extracción de conceptos, revelando similitudes y diferencias estructurales.
- Codificación Abierta: Establecer clases/categorías de conceptos para el cuerpo de conocimiento de la gobernanza de decisiones HI-MI a través del análisis de teoría fundamentada.
- Desarrollo de Taxonomía: Desarrollar clases/categorías de taxonomía siguiendo los principios de diseño de ontologías.
- Análisis de Contenido: Identificar relaciones taxonómicas dentro y entre elementos estructurales.
- Codificación Axial: Utilizar relaciones taxonómicas para establecer relaciones axiomáticas a través del análisis de teoría fundamentada.
- Relaciones Ontológicas: Desarrollar relaciones ontológicas siguiendo especificaciones de diseño de ontologías.
- Refinamiento de Contenido: Refinar la estructura taxonómica y las relaciones axiomáticas.
- Codificación Selectiva: Aplicar la codificación selectiva basada en teoría para refinar aún más la estructura.
- Refinamiento de la Ontología: Implementar el refinamiento taxonómico-ontológico siguiendo principios de diseño de ontologías.
- Evaluación: Validar la ontología fundamental con respecto al cuerpo de conocimiento teórico HI-MI desarrollado.
El resultado de este proceso es una ontología fundamental sólida y completa para la gobernanza de decisiones HI-MI.
Los autores proponen una estructura taxonómica para la gobernanza de decisiones HI-MI, marcada por categorías fundamentales. Esta estructura cumple con los criterios de diseño ontológico propuestos por Gruber (1995), garantizando claridad, coherencia, capacidad de ampliación, sesgo mínimo de codificación y compromiso ontológico mínimo.
De manera similar, los autores ofrecen una visión de las relaciones axiomáticas dentro de la ontología fundamental. Estas relaciones proporcionan una comprensión más profunda del dominio de discurso, aclarando cómo se interrelacionan las categorías taxonómicas fundamentales.
El enfoque sistemático delineado por los autores aborda el desafío complejo de la gobernanza de decisiones en sistemas humano-máquina. Al desarrollar estructuras ontológicas, comenzando por el nivel fundamental, buscan allanar el camino para una toma de decisiones estructurada, sistemática y confiable en situaciones críticas.
Mahmud y Cotter señalan que esta comprensión sirve como base para futuros desarrollos ontológicos. Al extender los resultados de la investigación a ontologías de referencia central, de dominio y de aplicación, la estructura integral HI-MI se puede emplear para la gobernanza de decisiones. Esto, a su vez, capacita a las organizaciones para navegar por escenarios críticos con confianza y precisión, redefiniendo en última instancia el panorama de la gobernanza de decisiones.
Para conocer más temas de tendencia en la Gerencia 5.0 da clic aquí.
Para revisar el texto de la ponencia puede acceder a:
Mahmud, F., & Cotter, T. S. (2019). A Systematic Approach In Decision Governance: Knowing From The Existence. Huntsville: American Society for Engineering Management (ASEM).
Los autores
El Dr. Faisal Mahmud es Profesor Asistente y Especialista en Tecnología Educativa en Old Dominion University. Posee un doctorado en Engineering Management and Systems Engineering por Old Dominion University. Ha impartido clases en logística y gestión de la cadena de suministro, modelado y simulación, y temas relacionados con STEM (ciencia, tecnología, ingeniería y matemáticas). Dirige el Fusion Lab, un laboratorio de investigación y desarrollo para la Educación a Distancia de su Universidad. Sus áreas de investigación incluyen interacciones entre humanos y computadoras, gobernanza de decisiones de inteligencia humana-máquina, tecnología educativa, modelado y simulación, experiencia del usuario e innovación en el diseño de ingeniería.
El Dr. T. Steven Cotter es Profesor Sénior en el departamento de Ingeniería de Gestión e Ingeniería de Sistemas de Old Dominion University. Tiene amplia experiencia en calidad e ingeniería de producción y gestión en la fabricación automatizada de productos químicos, la fabricación automatizada de computadoras y la electrónica de defensa. Sus iniciativas de investigación se centran en la gobernanza de decisiones de inteligencia humana-máquina (HI-MI), el diseño de sistemas de calidad HI-MI y la ingeniería estadística de sistemas.