10 pasos para implementar ia de manera exitosa

La inteligencia artificial (IA) se está convirtiendo en una fuerza creciente en la industria tecnológica. La IA está tomando el centro del escenario en conferencias y mostrando su potencial en una amplia variedad de industrias, incluyendo el comercio minorista y la manufactura. Nuevos productos están siendo equipados con asistentes virtuales, mientras que los chatbots están respondiendo preguntas de los clientes en todo, desde el sitio web de tu proveedor de suministros de oficina en línea hasta la página de soporte de tu proveedor de servicios de alojamiento web. Mientras tanto, empresas como Google, Microsoft y Salesforce están integrando la IA como una capa de inteligencia en toda su plataforma tecnológica. Sí, la IA está teniendo su momento.

Esta no es la IA que la cultura popular nos ha condicionado a esperar; no son robots conscientes o Skynet, ni siquiera el asistente Jarvis de Tony Stark. Esta meseta de la IA está sucediendo bajo la superficie, haciendo que nuestra tecnología existente sea más inteligente y desbloqueando el poder de todos los datos que las empresas recopilan. Esto significa que los avances generalizados en el aprendizaje automático (ML), la visión por computadora, el aprendizaje profundo y el procesamiento del lenguaje natural (NLP) han facilitado más que nunca la incorporación de un algoritmo de IA en tu software o plataforma en la nube.

Para las empresas, las aplicaciones prácticas de la IA pueden manifestarse de muchas formas diferentes según las necesidades organizativas y los conocimientos de inteligencia empresarial (BI) derivados de los datos que recopilas. Las empresas pueden emplear la IA para todo, desde la extracción de datos sociales hasta la generación de compromiso en la gestión de relaciones con los clientes (CRM) hasta la optimización de la logística y la eficiencia en el seguimiento y gestión de activos.

El aprendizaje automático (ML) juega un papel clave en el desarrollo de la IA, según Luke Tang, Gerente General del programa Global AI+ Accelerator de TechCode, que incuba startups de IA y ayuda a las empresas a incorporar la IA en sus productos y servicios existentes.

Familiarizarse con la IA

Tómate el tiempo para familiarizarte con lo que la IA moderna puede hacer. El Acelerador TechCode ofrece a sus startups una amplia gama de recursos a través de sus asociaciones con organizaciones como la Universidad de Stanford y corporaciones en el espacio de la IA. También debes aprovechar la gran cantidad de información y recursos en línea disponibles para familiarizarte con los conceptos básicos de la IA. Tang recomienda algunos de los talleres remotos y cursos en línea ofrecidos por organizaciones como Udacity como formas sencillas de comenzar con la IA y aumentar tu conocimiento en áreas como el ML y el análisis predictivo dentro de tu organización.

Identificar los problemas que deseas que la IA resuelva

Una vez que estés al día con los conceptos básicos, el siguiente paso para cualquier empresa es comenzar a explorar diferentes ideas. Piensa en cómo puedes agregar capacidades de IA a tus productos y servicios existentes. Más importante aún, tu empresa debe tener en mente casos de uso específicos en los que la IA pueda resolver problemas empresariales o proporcionar un valor demostrable.

Cuando trabajamos con una empresa, comenzamos con una visión general de sus programas y problemas tecnológicos clave. queremos poder mostrarle cómo el procesamiento del lenguaje natural, el reconocimiento de imágenes, el ml, etc. se ajustan a esos productos, generalmente con un taller de algún tipo con la gerencia de la empresa, explicó Tang. los detalles siempre varían según la industria. por ejemplo, si la empresa se dedica a la videovigilancia, puede capturar mucho valor al agregar ml a ese proceso.

Priorizar el valor concreto

A continuación, debes evaluar el potencial valor empresarial y financiero de las diversas implementaciones de IA que has identificado. Es fácil perderse en discusiones de IA poco realistas, pero Tang enfatizó la importancia de vincular tus iniciativas directamente al valor empresarial.

Para priorizar, mira las dimensiones de potencial y viabilidad y colócalas en una matriz 2x2, dijo Tang. esto te ayudará a priorizar en función de la visibilidad a corto plazo y saber cuál es el valor financiero para la empresa. para este paso, generalmente necesitas el apoyo y el reconocimiento de los gerentes y ejecutivos de alto nivel.

Reconocer la brecha de capacidad interna

Hay una gran diferencia entre lo que deseas lograr y lo que tienes la capacidad organizativa de lograr en un marco de tiempo determinado. Tang dijo que una empresa debe saber de qué es capaz y de qué no desde una perspectiva tecnológica y de procesos empresariales antes de embarcarse en una implementación completa de IA.

A veces esto puede llevar mucho tiempo, dijo Tang. abordar la brecha de capacidad interna significa identificar lo que necesitas adquirir y cualquier proceso que deba evolucionar internamente antes de comenzar. dependiendo del negocio, puede haber proyectos o equipos existentes que puedan ayudar a hacer esto de forma orgánica para ciertas unidades de negocio.

Traer expertos y configurar un proyecto piloto

Una vez que tu empresa esté lista desde el punto de vista organizativo y tecnológico, es hora de comenzar a construir e integrar. Tang dijo que los factores más importantes aquí son comenzar de forma pequeña, tener objetivos del proyecto en mente y, lo más importante, ser consciente de lo que sabes y lo que no sabes sobre la IA. Aquí es donde la incorporación de expertos externos o consultores de IA puede ser muy valiosa.

No necesitas mucho tiempo para un primer proyecto; por lo general, para un proyecto piloto, de 2 a 3 meses es un buen rango, dijo Tang. quieres reunir a personas internas y externas en un equipo pequeño, tal vez de 4 a 5 personas, y ese marco de tiempo más ajustado mantendrá al equipo enfocado en metas directas. después de completar el piloto, deberías poder decidir cuál será el proyecto más elaborado a largo plazo y si la propuesta de valor tiene sentido para tu negocio. también es importante que se fusionen los conocimientos de ambos lados: las personas que conocen el negocio y las personas que conocen la ia en tu equipo de proyecto piloto.

Formar un grupo de trabajo para integrar los datos

Tang señaló que, antes de implementar el ML en tu negocio, debes limpiar tus datos para que estén listos y evitar un escenario de basura entra, basura sale. los datos corporativos internos suelen estar dispersos en múltiples silos de datos de diferentes sistemas heredados, e incluso pueden estar en manos de diferentes grupos empresariales con diferentes prioridades, dijo Tang. por lo tanto, un paso muy importante para obtener datos de alta calidad es formar un grupo de trabajo transversal, integrar diferentes conjuntos de datos y resolver inconsistencias para que los datos sean precisos y completos, con todas las dimensiones correctas requeridas para el ml.

Comenzar de forma pequeña

Comienza aplicando la IA a una pequeña muestra de tus datos en lugar de asumir demasiado pronto. comienza de forma sencilla, utiliza la ia de manera incremental para demostrar valor, recopila comentarios y luego expande en consecuencia, dijo Aaron Brauser, Vicepresidente de Gestión de Soluciones de M*Modal, que ofrece tecnología de comprensión del lenguaje natural (NLU) para organizaciones de atención médica, así como una plataforma de IA que se integra con registros médicos electrónicos (EMR).

Un tipo específico de datos podría ser información sobre ciertas especialidades médicas. selecciona cuidadosamente lo que la ia leerá, dijo el Dr. Gilan El Saadawi, Director Médico de Información (CMIO) en M*Modal. por ejemplo, elige un problema específico que desees resolver, enfoca la ia en ello y hazle una pregunta específica para responder y no le arrojes todos los datos.

Incluir el almacenamiento como parte de tu plan de IA

Después de comenzar con una pequeña muestra de datos, deberás considerar los requisitos de almacenamiento para implementar una solución de IA, según Philip Pokorny, Director Técnico (CTO) de Penguin Computing, una empresa que ofrece soluciones de informática de alto rendimiento (HPC), IA y ML.

Mejorar los algoritmos es importante para alcanzar resultados de investigación. pero sin grandes volúmenes de datos para ayudar a construir modelos más precisos, los sistemas de ia no pueden mejorar lo suficiente como para alcanzar tus objetivos informáticos, escribió Pokorny en un documento técnico titulado decisiones críticas: una construir la solución completa de inteligencia artificial sin arrepentimientos. por eso, se debe considerar la inclusión de un almacenamiento rápido y optimizado al comienzo del diseño del sistema de ia.

Además, debes optimizar el almacenamiento de IA para la ingestión de datos, el flujo de trabajo y el modelado, sugirió. tomarse el tiempo para revisar tus opciones puede tener un impacto enorme y positivo en cómo se ejecuta el sistema una vez que esté en línea, agregó Pokorny.

Incorporar la IA como parte de tus tareas diarias

Con la información adicional y la automatización proporcionada por la IA, los trabajadores tienen una herramienta para hacer que la IA sea parte de su rutina diaria en lugar de reemplazarla, según Dominic Wellington, Evangelista Global de TI en Moogsoft, un proveedor de IA para operaciones de TI (AIOps). algunos empleados pueden ser cautelosos con la tecnología que puede afectar su trabajo, por lo que es importante presentar la solución como una forma de mejorar sus tareas diarias, explicó Wellington.

Agregó que las empresas deben ser transparentes sobre cómo funciona la tecnología para resolver problemas en un flujo de trabajo. esto brinda a los empleados una experiencia 'entre bastidores' para que puedan visualizar claramente cómo la ia mejora su rol en lugar de eliminarlo, dijo.

Construir con equilibrio

Cuando estás construyendo un sistema de IA, se requiere una combinación de satisfacer las necesidades de la tecnología y el proyecto de investigación, explicó Pokorny. la consideración general, incluso antes de comenzar a diseñar un sistema de ia, es que debes construir el sistema con equilibrio, dijo Pokorny. esto puede sonar obvio, pero con demasiada frecuencia, los sistemas de ia se diseñan en torno a aspectos específicos de cómo el equipo visualiza el logro de sus objetivos de investigación, sin comprender los requisitos y limitaciones del hardware y el software que respaldarían la investigación. el resultado es un sistema menos que óptimo, incluso disfuncional, que no logra los objetivos deseados.

Para lograr este equilibrio, las empresas deben incluir un ancho de banda suficiente para el almacenamiento, la unidad de procesamiento gráfico (GPU) y la red. La seguridad también es un componente a menudo pasado por alto. La IA, por su naturaleza, requiere acceso a amplias cantidades de datos para hacer su trabajo. Asegúrate de entender qué tipos de datos estarán involucrados en el proyecto y que tus salvaguardias de seguridad habituales, como la encriptación, las redes privadas virtuales (VPN) y el software antivirus, pueden no ser suficientes.

Del mismo modo, debes equilibrar cómo se gasta el presupuesto general para lograr la investigación con la necesidad de protegerse contra fallas de energía y otros escenarios a través de redundancias, dijo Pokorny. también es posible que debas incorporar flexibilidad para permitir la reutilización del hardware a medida que cambien los requisitos de los usuarios.

Si quieres conocer otras notas parecidas a 10 pasos para implementar ia de manera exitosa puedes visitar la categoría Inteligencia.