La industria tecnológica está enamorada de la inteligencia artificial (IA). Con aplicaciones que van desde la ciencia de datos de alto nivel hasta el servicio al cliente automatizado, esta tecnología está apareciendo en toda la empresa. Discutimos cómo tu negocio puede beneficiarse de manera segura y eficiente.
La inteligencia artificial (IA) es claramente una fuerza creciente en la industria tecnológica. La IA está tomando un papel central en conferencias y mostrando 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 clientes en todo, desde el sitio de tu proveedor de oficina en línea hasta la página de soporte de tu proveedor de servicios de alojamiento web. Mientras tanto, compañías como Google, Microsoft y Salesforce están integrando la IA como una capa de inteligencia en todo su conjunto tecnológico. Sí, la IA definitivamente está teniendo su momento.
Esta no es la IA que la cultura popular nos ha condicionado a esperar; no son robots conscientes ni Skynet, ni siquiera el asistente Jarvis de Tony Stark. Este auge de la IA está sucediendo bajo la superficie, haciendo nuestra tecnología existente más inteligente y desbloqueando el poder de todos los datos que las empresas recopilan. Lo que eso significa: Avances generalizados en aprendizaje automático (ML), visión por computadora, aprendizaje profundo y procesamiento de lenguaje natural (NLP) han hecho que sea más fácil que nunca incorporar una capa de algoritmo de IA en tu software o plataforma en la nube.
Para las empresas, las aplicaciones prácticas de la IA pueden manifestarse de muchas maneras dependiendo de las necesidades organizacionales y de los conocimientos de inteligencia empresarial (BI) derivados de los datos que recopilas. Las empresas pueden emplear la IA para todo, desde minar datos sociales hasta impulsar el compromiso en la gestión de relaciones con clientes (CRM), hasta optimizar la logística y la eficiencia en lo que respecta al seguimiento y la gestión de activos.
ML está jugando un papel clave en el desarrollo de la IA, señaló 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. «En este momento, la IA está siendo impulsada por todo el reciente progreso en ML. No hay un único gran avance al que puedas señalar, pero el valor comercial que podemos extraer del ML ahora es increíble», dijo Tang. «Desde el punto de vista empresarial, lo que está sucediendo ahora podría alterar algunos procesos comerciales corporativos centrales en torno a la coordinación y el control: programación, asignación de recursos y reportes». Aquí proporcionamos consejos de algunos expertos para explicar los pasos que las empresas pueden tomar para integrar la IA en su organización y para asegurar que su implementación sea un éxito.
10 Pasos para Adoptar la Inteligencia Artificial en tu Negocio
- Familiarízate 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 riqueza 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 fáciles de comenzar con la IA y aumentar tu conocimiento de áreas como ML y análisis predictivo dentro de tu organización. Los siguientes son una serie de recursos en línea (gratuitos y de pago) que puedes usar para comenzar:
- Curso de Introducción a la IA de Udacity y Programa Nanodegree de Inteligencia Artificial
- Conferencias en línea de la Universidad de Stanford: Inteligencia Artificial: Principios y Técnicas
- Curso en línea de IA de edX, ofrecido a través de la Universidad de Columbia
- Toolkit Cognitivo de código abierto de Microsoft (anteriormente conocido como CNTK) para ayudar a los desarrolladores a dominar los algoritmos de aprendizaje profundo
- Biblioteca de software TensorFlow de código abierto (OS) de Google para inteligencia de máquina
- Directorio de código de código abierto AI Resources de la Fundación AI Access
- Página de Recursos de la Asociación para el Avance de la Inteligencia Artificial (AAAI)
- Guía Suave para el Aprendizaje Automático de MonkeyLearn
- Instituto Future of Life de Stephen Hawking y Elon Musk
- OpenAI, una iniciativa de aprendizaje profundo abierta para la industria y la academia
2. Identifica los Problemas que Quieres 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 podría resolver problemas comerciales o proporcionar un valor demostrable. «Cuando estamos trabajando con una empresa, comenzamos con una descripción general de sus principales programas y problemas tecnológicos. Queremos poder mostrarle cómo el procesamiento de lenguaje natural, el reconocimiento de imágenes, ML, etc., se ajustan a esos productos, generalmente con algún tipo de taller con la gerencia de la empresa», explicó Tang. «Los detalles siempre varían según la industria. Por ejemplo, si la empresa hace vigilancia por video, puede capturar mucho valor agregando ML a ese proceso».
3. Prioriza el Valor Concreto A continuación, debes evaluar el valor comercial y financiero potencial de las diversas posibles implementaciones de IA que has identificado. Es fácil perderse en discusiones de IA «en las nubes», pero Tang enfatizó la importancia de vincular tus iniciativas directamente al valor comercial. «Para priorizar, mira las dimensiones de potencial y factibilidad y ponlas en una matriz 2×2», dijo Tang. «Esto debería ayudarte 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 propiedad y reconocimiento de los gerentes y ejecutivos de alto nivel».
4. Reconoce la Brecha de Capacidad Interna Hay una marcada diferencia entre lo que quieres lograr y lo que tienes la capacidad organizativa de lograr realmente en un marco de tiempo dado. Tang dijo que una empresa debe saber de qué es capaz y de qué no desde una perspectiva tecnológica y de proceso empresarial antes de lanzarse a una implementación completa de IA. «A veces esto puede llevar mucho tiempo», dijo Tang. «Abordar tu brecha de capacidad interna significa identificar lo que necesitas adquirir y cualquier proceso que necesite ser evolucionado internamente antes de comenzar. Dependiendo del negocio, puede haber proyectos o equipos existentes que puedan ayudar a hacer esto orgánicamente para ciertas unidades de negocio».
5. Trae Expertos y Configura un Proyecto Piloto Una vez que tu empresa esté lista desde un punto de vista organizacional y tecnológico, entonces es hora de comenzar a construir e integrar. Tang dijo que los factores más importantes aquí son comenzar pequeño, tener objetivos de proyecto en mente y, lo más importante, ser consciente de lo que sabes y lo que no sabes sobre la IA. Aquí es donde traer expertos externos o consultores de IA puede ser invaluable. «No necesitas mucho tiempo para un primer proyecto; generalmente, para un proyecto piloto, 2-3 meses es un buen rango», dijo Tang. «Quieres reunir a personas internas y externas en un equipo pequeño, tal vez 4-5 personas, y ese marco de tiempo más ajustado mantendrá al equipo enfocado en objetivos sencillos. Después de que se complete el piloto, deberías poder decidir cuál será el proyecto a largo plazo, más elaborado, y si la propuesta de valor tiene sentido para tu negocio. También es importante que la experiencia de ambos lados, las personas que saben sobre el negocio y las personas que saben sobre la IA, se fusionen en tu equipo de proyecto piloto».
6. Forma un Grupo de Trabajo para Integrar Datos Tang señaló que, antes de implementar ML en tu negocio, necesitas limpiar tus datos para prepararlos y evitar un escenario de «basura entra, basura sale». «Los datos corporativos internos generalmente están distribuidos 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 entre unidades de negocio, integrar diferentes conjuntos de datos y resolver inconsistencias para que los datos sean precisos y ricos, con todas las dimensiones correctas requeridas para ML».
7. Empieza Pequeño Comienza aplicando la IA a una pequeña muestra de tus datos en lugar de abordar demasiado pronto un proyecto grande. «Empieza de manera simple, utiliza la IA de forma incremental para demostrar su valor, recoge retroalimentación y luego expande de acuerdo a ello», dijo Aaron Brauser, Vicepresidente de Gestión de Soluciones en M*Modal, empresa que ofrece tecnología de comprensión del lenguaje natural (NLU) para organizaciones de salud, 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. «Sé selectivo en lo que la IA va a analizar», dijo el Dr. Gilan El Saadawi, Director Médico de Información (CMIO) en M*Modal. «Por ejemplo, elige un problema específico que quieras resolver, enfoca la IA en ello y dale una pregunta concreta para responder, en lugar de lanzarle todos los datos».
8. Incluye el Almacenamiento Como Parte de Tu Plan de IA Después de comenzar con una pequeña muestra de datos, necesitarás considerar los requisitos de almacenamiento para implementar una solución de IA, según Philip Pokorny, Director Técnico (CTO) en Penguin Computing, una empresa que ofrece soluciones de computación 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 para alcanzar tus objetivos de computación», escribió Pokorny en un documento titulado «Decisiones Críticas: Una Guía para Construir la Solución Completa de Inteligencia Artificial Sin Arrepentimientos». «Por eso la inclusión de un almacenamiento rápido y optimizado debe considerarse desde el inicio del diseño del sistema de IA».
Además, deberías optimizar el almacenamiento de IA para la ingesta de datos, el flujo de trabajo y la modelización, sugirió. «Tomarse el tiempo para revisar tus opciones puede tener un gran impacto positivo en cómo funciona el sistema una vez que esté en línea», añadió Pokorny.
9. Incorpora la IA Como Parte de Tus Tareas Diarias Con la visión adicional y la automatización proporcionadas por la IA, los trabajadores tienen una herramienta para hacer de la IA una parte de su rutina diaria en lugar de algo que la reemplace, 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 introducir la solución como una forma de aumentar sus tareas diarias es importante», explicó Wellington.
Añadió 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 ‘bajo el capó’ para que puedan visualizar claramente cómo la IA complementa su rol en lugar de eliminarlo», dijo.
10. Construye con Equilibrio Cuando estás construyendo un sistema de IA, se requiere una combinación de satisfacer las necesidades de la tecnología así como del proyecto de investigación, explicó Pokorny. «La consideración principal, incluso antes de empezar 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 alcanzar sus objetivos de investigación, sin entender los requisitos y limitaciones del hardware y software que apoyarían la investigación. El resultado es un sistema menos que óptimo, incluso disfuncional, que no logra alcanzar los objetivos deseados».
Para lograr este equilibrio, las empresas necesitan construir suficiente ancho de banda para almacenamiento, la unidad de procesamiento gráfico (GPU) y la red. La seguridad es un componente a menudo pasado por alto también. La IA por su naturaleza requiere acceso a amplias franjas 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 el cifrado, las redes privadas virtuales (VPN) y el antimalware, pueden no ser suficientes.
«De manera similar, tienes que 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 necesites construir flexibilidad para permitir la reutilización del hardware a medida que cambien los requisitos de los usuarios».
Si quieres aprender poco a poco sobre IA te dejamos nuestras Guías.
Con 💙 Team evolupedia
