Pasar al contenido principal

ES / EN

Consideraciones para adoptar IA en la empresa
Lunes, Enero 28, 2019 - 11:00

Dese Oracle entregan algunas recomendaciones para que las organizaciones que quieren emprender este camino tengan mejores resultados.

Con la Inteligencia Artificial, el primer paso es el más difícil de dar. Muchas empresas se sienten obligadas a subirse al carro de la IA, pero lo hacen por prueba y error y no obtienen los beneficios esperados tan rápido como quisieran. Otros se muestran reacios a invertir en ella, esperando ver cómo les va a los primeros usuarios.

Puede ser difícil saber por dónde empezar cuando se trata de implementar IA en un negocio. Melissa Boxer, VP de Aplicaciones de Inteligencia Adaptativa de Oracle, entrega acá 5 consejos para que las organizaciones que quieren emprender este camino tengan mejores resultados.

  1. Descubrir la razón

La IA es a menudo un objeto de deseo que las organizaciones quieren, pero no han pensado completamente por qué lo necesitan. La adopción de IA es un viaje que requiere pasos medidos y con propósito. Cada paso debe abordarse con un objetivo claro en mente y con un claro objetivo de retorno de inversión en un plazo establecido, recordando que el ROI va más allá del valor monetario y puede incluir ganancias de productividad y otros beneficios.

Para definir por qué hay que tener una visión realista de su negocio. ¿Qué área necesita mejorar? ¿Necesita mejorar la conversión y aumentar los ingresos por cliente? ¿Tiene los empleados adecuados? ¿Necesita mejorar la productividad de los empleados o aumentar la moral? ¿Tiene un plan de sucesión? ¿Su red de proveedores es saludable?

Cada organización priorizará los casos de uso mencionados de manera diferente. Tener una razón clara por la que está implementando ayudará a clasificar las necesidades de IA y escalonará adecuadamente las implementaciones.

  1. Decidir si construir o comprar

La siguiente pregunta lógica es "¿Cómo implemento?" Esto esencialmente se reduce a uno de dos caminos: comprar una aplicación de IA pre-construida o construir una propia.

La compra de una aplicación de IA lista para usar proporciona una barrera de entrada más baja, los beneficios son casi inmediatos y, a menudo, se combinan con fuentes de datos de terceros. Esto también transfiere el riesgo de su organización al proveedor de la aplicación, que tiene la tarea de mantener la aplicación, asegurar y validar los datos, y garantizar que cumpla con las normas locales y globales de seguridad y privacidad.

Los proveedores de software en la nube, como Oracle, ya han creado aplicaciones IA de uso inmediato para casos de uso comunes y procesos de negocios (por ejemplo, ventas, marketing, finanzas, recursos humanos, cadena de suministros y fabricación) que se alinean con las mejores prácticas de la industria. La mejor aplicación de inteligencia artificial para lograr los objetivos de determinado negocio ya podría existir.

Alternativamente, la creación de una aplicación de IA podría tener más sentido para una organización con un caso de uso único. A veces, las industrias especializadas requieren procesos a medida, que no se incluyen en las aplicaciones estandarizadas que ofrecen los proveedores de nube y ya han invertido en científicos de datos y recursos para permitirles desarrollar sus propias aplicaciones de inteligencia artificial.

Si su organización encaja en esta categoría, podría tener sentido construir su propia aplicación de IA. Afortunadamente, las plataformas en la nube de la IA ofrecen a las organizaciones una manera fácil de comenzar a crear su propia aplicación, con herramientas y módulos que eliminan gran parte de la complejidad de construir una de cero.

  1. Inyectar transparencia para generar confianza

La inteligencia artificial y el aprendizaje automático les brindan a las personas mejores perspectivas para que puedan tomar decisiones más inteligentes, pero, en la mayoría de los casos de uso, todavía requieren supervisión humana.

Un tema importante es la confianza. La máquina proporciona una salida, pero ¿cómo puede el usuario confiar en que la máquina tomó la decisión correcta o recomendar la acción correcta?

Para establecer la confianza, un algoritmo de aprendizaje automático debe mostrar su funcionamiento y qué datos fueron importantes para que la máquina produzca un resultado específico.

La orientación y supervisión humanas también son importantes para garantizar que los usuarios puedan confiar en el resultado. Los controles de supervisión brindan a los usuarios la capacidad de aumentar o restringir los outputs del algoritmo de aprendizaje automático.

La información sobre las entradas de datos, la aplicación de aprendizaje automático y las funciones de administración de supervisión ayudan a las organizaciones a detectar errores, anomalías y sesgos, y permiten ajustar los algoritmos para mejorar la calidad de los resultados. Sin estas características, es difícil para los humanos que utilizan las aplicaciones confiar en la precisión y la validez de los resultados. La transparencia es un problema difícil, pero el diseño adecuado de un caso de uso de IA debería hacer que la transparencia y los conocimientos sean una alta prioridad.

  1. La nube es clave

La complejidad de las soluciones de IA y el rendimiento de la infraestructura necesaria para ejecutar una aplicación de aprendizaje continuo hace que la nube sea una necesidad para su despliegue. La nube proporciona a las organizaciones una infraestructura rentable y fácil de mantener que es rápida de implementar y fácil de escalar.

La nube también permite que una empresa ingiera datos de forma fácil y rápida a través de diferentes plataformas y pilares empresariales, algo que no se logra fácilmente a través de grandes proyectos de integración. La disponibilidad de datos de terceros a través de la nube y el acceso a datos siempre disponibles y coordinados hacen de la nube un entorno atractivo para la adopción de IA.

5. Comezar con datos inteligentes

Para tener éxito en la inteligencia artificial, se necesita una gran cantidad de datos, pero debe ser de la calidad y el tipo de datos correctos. Después de todo, los malos datos conducen a malas decisiones. Los datos estructurados y limpios conducen a decisiones inteligentes. Las empresas necesitan datos de primera fuente estructurados y limpios, así como datos de terceros de alta calidad (lo que agrega contexto adicional) para lograr resultados más inteligentes.

La recomendación para las empresas es que protejan los puntos de entrada de información, limpien los datos existentes, verifiquen el enriquecimiento de los datos, mantengan la actualización continua de los datos (los datos estáticos se desactiven rápidamente), marquen continuamente las irregularidades de los datos y luego conecten los datos limpios entre los sistemas. Puede parecer contrario a la intuición, pero hay un elemento humano importante en el enriquecimiento de datos, que conduce a una inteligencia artificial más inteligente.

FOTO: PEXELS.COM

Autores

AméricaEconomía.com