¿Qué necesito para implementar la IA en mi empresa?
A estas alturas, tenemos bien documentado cómo la inteligencia artificial está cambiando las empresas, hasta llegar a impactar los modelos de negocio centrales. En 2017, Amazon compró Whole Foods y luego abrió su tienda automatizada Amazon Go. Desde entonces, han estado usando IA para comprender y  mejorar  la experiencia física de compra minorista. En 2018, Keller Williams  anunció  un giro para convertirse en una compañía de tecnología impulsada por la inteligencia artificial, por mencionar solo algunos ejemplos.
Estas empresas no están solas. Según un  estudio realizado  por MIT Sloan Management Review, se creará un billón de dólares de nuevas ganancias a partir del uso de tecnologías de inteligencia artificial para 2030. Eso es aproximadamente el 10% de todas las ganancias totales proyectadas para ese momento. Aun así, la mayoría de las empresas aún no han implementado inteligencia artificial en sus negocios. ¿Por qué?
La realidad es que la mayoría de las empresas simplemente no están listas para la IA, y si lo intentan antes de estar listas, fracasarán. Para que los proyectos de IA sean exitosos, es necesario apuntalar las siguientes áreas.
6 pilares de la preparación de la IA:
  • Cultura
  • Datos
  • Estrategia
  • Tecnología
  • Pericia
  • Operaciones
Independientemente del nivel de experiencia en su empresa o de su capacidad de inversión, el logro de resultados significativos de la inteligencia artificial requiere seis áreas clave para estar optimizado de manera óptima para lograr el éxito. Incluso si una pequeña parte de las previsiones de beneficios son verdaderas, la preparación es importante.
Síntomas de preparación
Si AI es la respuesta, ¿cuál es el problema? Muchas compañías aún luchan con una comprensión general de cómo la IA puede tener un impacto significativo. No se dan cuenta de que existen desafíos comunes que afectan a la mayoría de las empresas donde la inteligencia artificial puede proporcionar soluciones. Identificar estos desafíos son signos de que su empresa puede estar lista para ver los beneficios de las tecnologías de inteligencia artificial.
Síntomas de preparación:
  • Tareas mundanas propensas a errores
  • No hay suficientes personas para hacer el trabajo.
  • Necesita formas creativas de obtener datos
  • Deseo de predecir tendencias o tomar mejores decisiones
  • Buscando nuevos modelos de negocio o para ingresar a nuevos mercados
Si alguno de estos problemas es relevante o una prioridad, la IA tiene beneficios bien documentados  . La inteligencia artificial de hoy es la más adecuada para automatizar tareas, predecir fenómenos e incluso generar más datos.
Aprovechar la inteligencia artificial para la generación de datos tiene menos recuperación. Para establecer el nivel, los datos son el componente más importante de toda esta ecuación (más sobre eso más adelante). También estamos rodeados de  escape de datos , donde se captura y procesa muy poco para obtener inteligencia significativa. Por ejemplo, la visión por computadora y el reconocimiento óptico de caracteres se pueden usar para  extraer datos de  contratos en papel o recibos para hacer predicciones futuras.
Sin una cultura de innovación, no estás listo para la IA.
La cultura de una empresa es primordial para abarcar datos y capacidades mejoradas. Amazon, Keller Williams, Google, Facebook y  Walmart  tienen un historial de innovación. Tienen personas y recursos dedicados a la investigación y el desarrollo de nuevas ideas. Las empresas deben ser valientes al cortejar la innovación y no tener miedo de gastar dinero por miedo a fracasar en la búsqueda del éxito. La voluntad de abrazar e invertir en innovación es imprescindible.
Junto con la innovación, las organizaciones deben ver los datos como un activo corporativo. El negocio y la cultura deben valorar los datos e invertir en su recopilación. En el futuro habrá muchas más consideraciones culturales que dictarán qué y cómo se adoptará la IA. Cuestiones como la privacidad, la explicabilidad y la ética serán todas consideraciones culturales, que dictarán dónde se aplicará y no se aplicará la tecnología.
Sin suficientes datos de cantidad y calidad, la inteligencia artificial no funcionará.
 

Art26 1

Por ahora no debería sorprendernos que los datos sean el alma de la inteligencia artificial. Sin datos, los algoritmos no pueden aprender y hacer predicciones. Los datos deben estar presentes en cantidad Y calidad suficientes. Las montañas de datos pueden no ser suficientes si la señal sobre el fenómeno que está buscando aprender no existe.
Muchos pioneros de la AI ya tienen infraestructuras sólidas de datos y análisis junto con una amplia comprensión de lo que se necesita para desarrollar los datos para entrenar algoritmos de AI. Los investigadores y experimentadores de IA, por el contrario, luchan porque tienen poca experiencia en análisis y mantienen sus datos en gran parte en silos, donde es difícil de integrar.
( Informe:  MIT Sloan Management Review)
De hecho, el 90% del esfuerzo para implementar soluciones de inteligencia artificial se basa en disputas de ingeniería de datos y  características . Cuantos más datos de alta calidad, más precisas serán las predicciones. Los datos incorrectos son la razón número uno por la que la mayoría de los proyectos de IA fallan.
Sin una estrategia, las soluciones de IA corren el riesgo de nunca llegar a producción.

Art26 2

Como se indicó anteriormente, la empresa debe valorar los datos como un activo corporativo. Eso es fundamental para tu estrategia. Sin embargo, el pensamiento debe ir más allá. Cualquier programa de IA debe estar estrechamente alineado para apoyar la estrategia corporativa. La inteligencia artificial es una capacidad mejorada para lograr sus objetivos comerciales.
Las empresas comprometidas con la adopción de la IA deben asegurarse de que sus estrategias sean transformadoras y deben hacer que la IA sea central para revisar sus estrategias corporativas.
( Informe:  MIT Sloan Management Review)
La IA por el bien de la IA a menudo conduce a proyectos largos y prolongados que nunca producen ningún valor real. El apoyo del CEO es lo ideal. Los patrocinadores ejecutivos son fundamentales para garantizar una alineación adecuada, establecer métricas comerciales para cualquier implementación de tecnología y proporcionar cobertura aérea contra cualquier disputa sobre datos o participación tecnológica.
El empresario de inteligencia artificial Jordan Jacobs presenta los  tres ingredientes  para una estrategia ganadora:
Obteniendo la aceptación de los altos ejecutivos y los empleados que utilizarán el sistema, identificando claramente el problema comercial a resolver y estableciendo métricas para demostrar el retorno de la inversión en tecnología.
(Jordan Jacobs)
Según  MIT Technology Review,  hay preguntas clave que una empresa debe responder para formular su estrategia:
  • ¿Cuál es el problema que la empresa está tratando de resolver? ¿Es este problema susceptible a la IA y al aprendizaje automático?
  • ¿Cómo resolverá la IA el problema? ¿Cómo se ha reformulado el problema comercial en un problema de aprendizaje automático? ¿Qué datos serán necesarios para ingresar los algoritmos?
  • ¿Dónde obtiene la empresa sus datos? ¿Cómo se etiquetan los datos?
  • ¿Con qué frecuencia la empresa valida, prueba y audita sus algoritmos para obtener precisión y sesgo?
  • ¿Es la IA, o el aprendizaje automático, la mejor y única forma de resolver este problema? ¿Los beneficios superan las posibles violaciones a la privacidad y otros impactos negativos?
Sin tecnologías basadas en la nube, muchas soluciones de IA no pueden funcionar.
Para la mayoría de las empresas, adoptar tecnologías de computación y almacenamiento basadas en la nube es fundamental para que los programas de IA produzcan de manera efectiva. Los modelos de inteligencia artificial requieren una potencia de cálculo tremenda para procesar conjuntos de datos masivos. Esto requiere que las empresas tengan acceso inmediato a la energía de la computadora a pedido.
Desde 2012, la cantidad de cómputo utilizada en las carreras de entrenamiento de IA más grandes ha aumentado exponencialmente con un tiempo de duplicación de 3.5 meses (en comparación, la Ley de Moore tuvo un período de duplicación de 18 meses).
Para que los programas de inteligencia artificial tengan éxito, las empresas deben adoptar las tecnologías en la nube. Deben estar dispuestos a adoptar plataformas que proporcionen clústeres de GPU basados ​​en las cargas de trabajo requeridas por los modelos implementados. La nube es importante porque poseer el hardware puede costar más de un millón de dólares para un solo clúster, según OpenAI.
Sin experiencia interna, la adopción de IA es un desafío.
Para mover con éxito los proyectos de IA a través de los ciclos de vida del desarrollo, desde los datos hasta la producción, debe tener experiencia técnica interna. Como mínimo, debe tener administradores de datos dedicados que puedan ayudar a organizar los datos para entrenar modelos. Es importante contar con ingenieros de software o líderes de DevOps que puedan ayudar a mover modelos capacitados a entornos de producción para que las partes interesadas no técnicas puedan ejecutar informes fácilmente. Estos dos roles pueden ser aumentados por los proveedores de servicios que crean y capacitan modelos. Sin embargo, es mejor si tiene  científicos de datos , analistas e ingenieros de datos que también pueden ayudar a crear estrategias y ejecutar proyectos.
Sin procesos tecnológicos bien definidos, los proyectos corren el riesgo de nunca entrar en producción.
Otro riesgo común asociado con los proyectos de IA es que los modelos entrenados no pasan a la producción. Es importante tener una conexión entre la estrategia comercial y la entrega de tecnología de inteligencia artificial. Es especialmente importante tener un plan establecido sobre cómo acceder a los datos, entrenar el modelo y entregar el modelo para implementarlo como una solución utilizable.
Desarrolle un modelo operativo que defina las funciones y responsabilidades de AI para el negocio, los equipos tecnológicos, los proveedores externos y los centros de excelencia BPM existentes. Algunas empresas separarán el desarrollo del modelo, es decir, seleccionando y desarrollando la IA, la ciencia de datos y los algoritmos, de la implementación. Pero con el tiempo, la gestión tecnológica será propietaria de la implementación y la gestión operativa.
(Informe:  Forrester )
En el futuro será importante contar con procesos documentados para el post-despliegue. Una vez que varios modelos están en producción, necesita monitorear el desempeño de los modelos y tener un proceso documentado para volver a entrenar.
Realice una evaluación de preparación de IA.
Muchas compañías no están totalmente equipadas para obtener todos los beneficios creados por la inteligencia artificial. Y es difícil saber si "lo suficientemente bueno" es lo suficientemente bueno. Comience evaluando qué tan equipado puede estar su negocio para implementar proyectos con éxito. Hay muchas formas de evaluar su disponibilidad y la inversión sin riesgo. Las evaluaciones de preparación de AI en línea   lo ayudarán a comenzar a comprender si su organización tiene los requisitos previos para ejecutar con éxito los proyectos iniciales. Si no está listo, hay muchas oportunidades en juego. Lo más valioso que puede hacer es comenzar a prepararse. Si tiene un compromiso ejecutivo, asóciese con  consultorías  o contrate a un estratega de inteligencia artificial que pueda ayudarlo a poner las piezas en su lugar.