Estrategia de inteligencia artificial: cómo encontrar el enfoque correcto

Estrategia Digital

,

Pensamiento de liderazgo

,

Inteligencia Artificial

Estrategia de inteligencia artificial: cómo encontrar el enfoque correcto

Manuel Torres | May 16, 2019

La inteligencia artificial –en particular, el aprendizaje automático y el aprendizaje profundo– se está convirtiendo en una ventaja competitiva en muy diversos sectores, haciéndolos más resistentes y permitiendo el crecimiento gracias a la aplicación de innovaciones.

Abordar la inteligencia artificial desde una perspectiva de empresa puede ser una tarea abrumadora, porque no todos los problemas, tecnologías y soluciones de la inteligencia artificial son iguales, y escoger el enfoque correcto puede provocar el éxito o el fracaso en la introducción de la IA.

Las soluciones de la inteligencia artificial se presentan en todas las formas y tamaños, desde chatbots para sistemas de reconocimiento facial y predicción algorítmica en mercados de valores hasta soluciones de imagen generativa, desde campeones del mundo de ajedrez hasta robots para clasificar automáticamente la fruta. No se necesitan los mismos recursos, el mismo nivel de comprensión de la tecnología ni las mismas herramientas para implantar cada una de esas soluciones, sin embargo, muchas veces las empresas intentan aplicar el mismo enfoque para estos problemas. Lo primero que hay que hacer es elegir el papel que desempeñará tu empresa en este apasionante nuevo mundo de la inteligencia artificial.

Del mismo modo que no necesitas expertos en electrónica capaces de entender los transistores que utilizan los ordenadores que ejecutan tu planificación de recursos de empresa (ERP), probablemente tampoco necesites expertos en los algoritmos en que se basa tu IA. Sin embargo, esta es una de las primeras decisiones de contratación de IA de las empresas: vamos a traer a un experto en IA, contratemos a un científico de datos de primer nivel. Sería como contratar a un doctor en microelectrónica para personalizar el módulo de ventas y distribución de tu ERP: puede estar muy bien, pero probablemente no sea la mejor opción.
 

Una solución de IA es una solución de negocios

Lo que recomendamos es un enfoque diferente: parte de tu propia experiencia, localiza tus puntos débiles y tu posición en el mercado e intenta encontrar la forma de integrar la IA en tu experiencia. Toda experiencia de IA debería empezar en el mismo punto: un problema de negocios. Eso significa que deberías encontrar a la persona adecuada para dirigir la iniciativa de IA: no el CIO, sino el CEO, no los expertos en tecnología, sino los expertos en negocios.

Después, busca a los expertos en IA para que empiecen a hablar con tus especialistas en negocios. Esa conversación debería girar siempre alrededor del problema de negocios y centrarse en lo que la IA puede hacer para definir las preguntas que la IA debe contestar para resolver tu problema de negocios. Luego puedes empezar a pensar en las tecnologías y la estrategia de implantación.

 

Cuando se trata de estrategia de inteligencia artificial, el truco está en ser ágil, rápido

El enfoque para la implantación debe ser tan ágil y modular como sea posible, teniendo en cuenta la velocidad a la que evolucionan las tecnologías de inteligencia artificial. Una diferencia de más de seis meses entre la idea y su implantación puede ser fatal, porque esa es la velocidad de cambio de la tecnología. Considera la posibilidad de un enfoque por fases que te permita probar y decidir sobre las tecnologías tan rápido como sea posible:

1. Prueba de concepto: el modelo mínimo viable. Un modelo mínimo viable es un modelo basado en inteligencia artificial que puede responder a tus necesidades con éxito. Debería ser el primer paso en la implantación y debe ser capaz de contestar las siguientes preguntas:

- ¿Tus datos son lo suficientemente buenos para utilizar la IA en el problema?

- ¿Existen un modelo y una arquitectura de IA para resolver el problema?

- ¿Existe un algoritmo de IA que pueda entrenar al modelo en un plazo aceptable?


2. Prueba de concepto: el producto mínimo viable. Una vez hallado el MMV, intenta integrarlo en un PMV para demostrar que el modelo se puede incorporar a tus sistemas sin provocar interrupciones o al menos para señalar qué cambios son necesarios para incorporarlo.

3. Prototipo. Debería ser un sistema funcional que integre tus procesos con el nuevo modelo y señale los principales problemas que surgirán durante la fase de puesta en producción.

4. Producción. Finalmente, el modelo debe integrarse por completo en la cadena de producción. Además de todos los problemas típicos de un nuevo paso en el proceso: escalabilidad, mensurabilidad, garantía de calidad, etc., hay algunos que son específicos de la IA y que deben abordarse:

- Segmentación: Los datos utilizados en el modelo deben llegar en las mismas condiciones en que se llevó a cabo el entrenamiento del modelo: la limpieza y preparación de los datos y la extracción de características también deben llevarse a producción.

- Reentrenamiento: Las condiciones del proceso que el modelo aborda pueden cambiar con el tiempo, y el modelo debe adaptarse a las nuevas condiciones. Es conveniente monitorizar el rendimiento del modelo y reentrenarlo en cuanto se detecten cambios, especialmente si la introducción del modelo provoca cambios en el proceso: Imagina un sistema predictivo que te permita variar las condiciones del mercado. Su mera introducción provoca cambios en el proceso que generó los datos que se utilizaron para entrenar al modelo. Es posible que el modelo ya no refleje la realidad.

 

Estrategia de inteligencia artificial: ¿Por dónde empezar?

A pesar de todo el revuelo que levanta la inteligencia artificial, todavía estamos dominando capacidades de IA modestas: resolver problemas concretos y bien definidos mediante arquitecturas especializadas con capacidades de generalización limitadas. Las principales aplicaciones actuales de la inteligencia artificial en los negocios no llevan a cabo procesos de negocios completos, sino que se integran en el proceso: el aprendizaje automático automatiza tareas repetitivas en las que interviene el ser humano y que no pueden realizarse con un conjunto de reglas rígidas. La inteligencia artificial permite también añadir pasos en los procesos que normalmente no se contemplan debido a su complejidad o excesivo coste.

Teniendo esto en cuenta, se deben buscar pasos en los procesos actuales que sean adecuados para una rápida introducción de la IA:

  • Reconocimiento de imágenes.
  • Análisis de sentimientos.
  • Procesamiento del lenguaje natural: comprensión semántica de textos no estructurados.
  • Aumento de la experiencia de usuario mediante chatbots.
  • Cotejo de facturas.
  • Traducción automática de textos.
  • Detección de fraudes.
  • Reconocimiento de tendencias.
  • Evaluación de riesgos.
  • Segmentación de clientes.
  • Detección de anomalías.
  • Optimización del consumo energético.
  • Optimización logística.


Cualquiera de ellos puede ser un muy buen punto de partida para iniciar el viaje hacia la inteligencia artificial, permitiéndote encontrar la estrategia adecuada para tu empresa.

 

Aprende más sobre Inteligencia Artificial

¿Estás listo para explorar el mundo de la IA y crear un nuevo valor en tu negocio? Descubre cómo Techedge puede ayudarte a darle vida a nuevas estrategias basadas en la inteligencia artificial.

¡Quiero saber más!

¡Suscríbete!