imagen post blog default

5 aspectos clave en proyectos de implantación de Inteligencia Artificial (IA)

Blog |

En muchos ámbitos de la industria, el entusiasmo por la Inteligencia Artificial (IA) continúa y sigue creciendo. Las últimas predicciones de IDC dicen que el gasto empresarial mundial en sistemas cognitivos y de Inteligencia Artificial (desde los chatbots hasta el aprendizaje profundo, más la infraestructura para potenciarlos) se triplicará con creces, de los 24 mil millones de dólares en 2018 hasta los 77,6 mil millones de dólares en 2022.

En los últimos años, la IA ha evolucionado hasta estar presente en una amplia gama de organizaciones, en casi todas las industrias, donde están explorando proyectos piloto, y ponen algoritmos IA en funcionamiento. De todos modos, obviamente al tratarse de una tecnología incipiente, podemos caer en unos cuantos errores. En este post trataremos de comentar los 5 aspectos más relevantes para poder acometer al emprender un proyecto piloto basado en IA.

  1. Ir paso a paso

No puede transformar todo el proceso de toma de decisiones de su negocio con IA en un día, por lo que es mejor comenzar poco a poco, y dar pasos evolutivos a medida que adquiera experiencia. Busque quick-wins, y desarrolle un proceso para experimentar y validar los resultados de los experimentos, antes de abordar los temas más importantes. No necesariamente haga su mayor inversión desde el principio.

  1. No construya sistemas aislados

Cree un sistema de inteligencia artificial único, que no lo ayude a crear un proceso general, y que no sea parte de su flujo de datos existente, no lo hará avanzar mucho. Es necesario crear un activo de IA sostenible con cada proyecto individual. Aquí, sostenible significa un sistema que genera suficiente retorno de la inversión (ROI), y donde pueda seguir invirtiendo en él para desarrollarlo y ampliarlo. De esa forma ayuda a crear una aplicación basada en inteligencia artificial para toda la empresa, en lugar de solo una nueva herramienta para un equipo específico.

  1. No comience sin la infraestructura tecnológica adecuada

De acuerdo con un informe reciente de McKinsey, debe invertir tanto en tecnologías básicas como en tecnologías digitales más avanzadas, antes de comenzar con la inteligencia artificial. Las empresas que ya tienen experiencia en computación en la nube, desarrollo móvil y web, Big Data y análisis son tres veces más propensas a adoptar herramientas de inteligencia artificial. Tres cuartas partes de las organizaciones que adoptaron IA dijeron que dependían de lo que aprendieron de la creación de capacidades digitales existentes. O para decirlo de otra manera: si su empresa no está preparada para aprovechar el análisis de datos y la nube, todavía no está preparada para la IA.

  1. No empiece sin datos

La gran mayoría de los sistemas de inteligencia artificial (sin duda, los que las empresas pueden construir por sí mismos) son sistemas de aprendizaje automático, y el aprendizaje automático necesita datos. Como dijo la vicepresidenta corporativa de Microsoft, Julia White, en un evento “AI in Business” de la compañía, “¿de qué va a aprender tu robot? "De hecho, sin buenos datos, la IA hará daño en lugar de ayudar.

Además, si solo tiene los mismos datos públicos que sus competidores, solo obtendrá los mismos conocimientos que sus competidores, por lo que necesita trabajar con los datos únicos de su organización. Y esos datos necesitarán ser limpiados, normalizados y preparados, asumiendo que incluso ya está recolectando los datos correctos.

No subestime la inversión requerida; la recopilación y limpieza de datos generalmente representa alrededor del 80 por ciento del trabajo de un científico de datos, según este artículo de CIO.com.

  1. Debe especificar cómo evaluar y medir el éxito

La ciencia de datos es ciencia. Debe tener una hipótesis de lo que mejorarán las decisiones de negocios, ventas, atención al cliente o cualquier otra cosa que desee hacer con IA, y debe probarlo y evaluar los resultados. Eso significa planificar cómo medir el éxito de un proyecto, tanto en términos de adopción como de resultados.

En próximos posts ahondaremos más en los más importantes a tener en cuenta en tus proyectos de despliegue de tecnología basada en IA, ¡esperamos comentarios!