10 pasos para adoptar la inteligencia artificial en su negocio
La industria tecnológica está enamorada de la inteligencia artificial (IA). Con aplicaciones que van desde la ciencia de datos de alta gama hasta el servicio al cliente automatizado, esta tecnología está apareciendo en toda la empresa. Discutimos cómo su negocio puede beneficiarse de manera segura y eficiente.
La inteligencia artificial (IA) es claramente una fuerza creciente en la industria tecnológica. La IA está ocupando un lugar central en conferencias y mostrando potencial en una amplia variedad de industrias, incluidas el comercio minorista y la fabricación. Se están integrando nuevos productos con asistentes virtuales, mientras que los chatbots están respondiendo a las preguntas de los clientes en todo, desde el sitio de su proveedor de oficina en línea hasta la página de soporte de su 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 pila de tecnología. Sí, la IA definitivamente está teniendo su momento.
Esta no es la IA que la cultura pop nos ha condicionado a esperar; no son robots sensibles ni Skynet, ni siquiera el asistente Jarvis de Tony Stark. Esta meseta de IA está sucediendo bajo la superficie, haciendo que nuestra tecnología existente sea más inteligente y liberando el poder de todos los datos que las empresas recopilan. Qué significa: El avance generalizado en el aprendizaje automático (ML), la visión por computadora, el aprendizaje profundo y el procesamiento del lenguaje natural (PNL) han hecho que sea más fácil que nunca hornear una capa de algoritmo de IA en su software o plataforma en la nube.
Para las empresas, las aplicaciones prácticas de IA pueden manifestarse de todo tipo de maneras dependiendo de las necesidades de su organización y de la información de inteligencia de negocios (BI) derivada de los datos que recopila. Las empresas pueden emplear IA para todo, desde la minería de datos sociales hasta impulsar el compromiso en la gestión de las relaciones con los clientes (CRM) y optimizar la logística y la eficiencia cuando se trata de rastrear y administrar activos.
ML está desempeñando 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 IA además de sus productos y servicios existentes.
“En este momento, la IA está siendo impulsada por todos los avances recientes en ML. No hay un solo avance al que puedas señalar, pero el valor comercial que podemos extraer de ML ahora está fuera de las listas”, dijo Tang. “Desde el punto de vista empresarial, lo que está sucediendo en este momento podría interrumpir algunos procesos empresariales corporativos básicos en torno a la coordinación y el control: programación, asignación de recursos e informes”. Aquí proporcionamos consejos de algunos expertos para explicar los pasos que las empresas pueden tomar para integrar la IA en su organización y garantizar que su implementación sea un éxito.
1. Familiarízate con la IA
Tómese el tiempo para familiarizarse con lo que la IA moderna puede hacer. TechCode Accelerator 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 IA. También debe aprovechar la gran cantidad de información y recursos en línea disponibles para familiarizarse con los conceptos básicos de 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 su conocimiento de áreas como el ML y el análisis predictivo dentro de su organización.
Los siguientes son una serie de recursos en línea (gratuitos y de pago) que puede utilizar para comenzar:
- Curso de introducción a la IA de Udacity y Programa de Nanogrados de Inteligencia Artificial
- Conferencias en línea de la Universidad de Stanford: Inteligencia Artificial: Principios y Técnicas
- Curso de IA en línea de edX, ofrecido a través de la Universidad de Columbia
- El kit de herramientas cognitivas 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 (SO) de Google para inteligencia artificial
- AI Resources, un directorio de código abierto de AI Access Foundation
- Página de recursos de la Asociación para el Avance de la Inteligencia Artificial (AAAI)
- Guía suave de MonkeyLearn para el aprendizaje automático
- Instituto Future of Life de Stephen Hawking y Elon Musk
- OpenAI, una iniciativa de aprendizaje profundo de la industria abierta y la academia
2. Identifique los problemas que desea que la IA resuelva
Una vez que esté al día con lo básico, el siguiente paso para cualquier negocio es comenzar a explorar diferentes ideas. Piense en cómo puede agregar capacidades de IA a sus productos y servicios existentes. Más importante aún, su empresa debe tener en cuenta casos de uso específicos en los que la IA podría resolver problemas comerciales o proporcionar valor demostrable.
“Cuando trabajamos con una empresa, comenzamos con una visión general de sus programas y problemas tecnológicos clave. Queremos poder mostrar cómo el procesamiento del lenguaje natural, el reconocimiento de imágenes, el ML, etc. encajan en esos productos, generalmente con un taller de algún tipo con la dirección de la empresa”, explicó Tang. “Los detalles siempre varían según la industria. Por ejemplo, si la compañía realiza videovigilancia, puede capturar mucho valor agregando ML a ese proceso”.
Recomendación: Empresa de Inteligencia Artificial en México
3. Priorizar el valor concreto
A continuación, debe evaluar el valor comercial y financiero potencial de las diversas implementaciones posibles de IA que ha identificado. Es fácil perderse en discusiones de IA de “pastel en el cielo”, pero Tang hizo hincapié en la importancia de vincular sus iniciativas directamente al valor comercial.
“Para priorizar, mire las dimensiones del potencial y la viabilidad y póngalos 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 necesita la propiedad y el reconocimiento de gerentes y ejecutivos de alto nivel”.
4. Reconocer la brecha de capacidad interna
Hay una marcada diferencia entre lo que quieres lograr y lo que tienes la capacidad organizativa de lograr realmente dentro de un marco de tiempo determinado. Tang dijo que una empresa debería saber de qué es capaz y qué no es desde la perspectiva de la tecnología y el proceso de negocio antes de lanzarse a una implementación completa de IA.
“A veces esto puede tardar mucho tiempo”, dijo Tang. “Abordar su brecha de capacidad interna significa identificar lo que necesita adquirir y cualquier proceso que necesite evolucionarse internamente antes de ponerse en marcha. Dependiendo del negocio, puede haber proyectos o equipos existentes que puedan ayudar a hacerlo orgánicamente para ciertas unidades de negocio”.
5. Traiga expertos y establezca un proyecto piloto
Una vez que su negocio esté listo desde el punto de vista organizativo y tecnológico, entonces es hora de comenzar a construir e integrarse. Tang dijo que los factores más importantes aquí son comenzar poco a poco, tener en cuenta los objetivos del proyecto y, lo más importante, ser consciente de lo que sabes y lo que no sabes sobre la IA. Aquí es donde atraer expertos externos o consultores de IA puede ser invaluable.
“No necesitas mucho tiempo para un primer proyecto; por lo general, para un proyecto piloto, 2-3 meses es un buen alcance”, dijo Tang. “Quieres reunir a personas internas y externas en un equipo pequeño, tal vez de 4 a 5 personas, y ese plazo más ajustado mantendrá al equipo enfocado en objetivos directos. Después de completar el piloto, debería poder decidir cuál será el proyecto a más largo plazo y más elaborado y si la propuesta de valor tiene sentido para su negocio. También es importante que la experiencia de ambas partes, las personas que conocen el negocio y las personas que conocen la IA, se fusione en su equipo de proyecto piloto”.
6. Forme un grupo de trabajo para integrar datos
Tang señaló que, antes de implementar ML en su negocio, necesita limpiar sus datos para que estén listos para evitar un escenario de “entrada de basura, basura fuera”. “Los datos corporativos internos generalmente se distribuyen 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 hacia la obtención de 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 con poco
Comience a aplicar IA a una pequeña muestra de sus datos en lugar de asumir demasiado demasiado pronto. “Comience de forma simple, use la IA gradualmente para demostrar valor, recopilar comentarios y luego expandirse 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. “Sé selectivo en lo que leerá la IA”, dijo el Dr. Gilan El Saadawi, Director de Información Médica (CMIO) en M*Modal. “Por ejemplo, elija un determinado problema que desee resolver, concentre la IA en él y déle una pregunta específica para responder y no arrojarle todos los datos”.
Recomendación: Empresa de Inteligencia Artificial en México
8. Incluya almacenamiento como parte de su plan de IA
Después de aumentar a partir de una pequeña muestra de datos, tendrá que 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 computación de alto rendimiento (HPC), IA y ML.
“Mejorar los algoritmos es importante para alcanzar los resultados de la investigación. Pero sin enormes volúmenes de datos para ayudar a construir modelos más precisos, los sistemas de IA no pueden mejorar lo suficiente como para lograr sus objetivos informáticos”, escribió Pokorny en un informe técnico titulado “Decisiones críticas: una guía para construir la solución completa de inteligencia artificial sin remordimientos”. “Es por eso que la inclusión de almacenamiento rápido y optimizado debe considerarse al comienzo del diseño del sistema de IA”.
Además, debe optimizar el almacenamiento de IA para la ingesta de datos, el flujo de trabajo y el modelado, sugirió. “Tomarse el tiempo para revisar sus opciones puede tener un impacto enorme y positivo en la forma en que funciona el sistema una vez que está en línea”, agregó Pokorny.
9. Incorpore la IA como parte de sus tareas diarias
Con la información y automatización adicionales 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 de Moogsoft, un proveedor de IA para operaciones de TI (AIOps). “Algunos empleados pueden tener cuidado 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 aumenta su papel en lugar de eliminarlo”, dijo.
10. Construir con equilibrio
Cuando se construye un sistema de IA, requiere una combinación de satisfacer las necesidades de la tecnología, así como 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 prevé alcanzar sus objetivos de investigación, sin comprender los requisitos y limitaciones del hardware y el software que apoyarían la investigación. El resultado es un sistema menos que óptimo, incluso disfuncional, que no logra los objetivos deseados”.
Para lograr este equilibrio, las empresas necesitan construir suficiente ancho de banda 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 franjas de datos para hacer su trabajo. Asegúrese de entender qué tipos de datos estarán involucrados con el proyecto y de que sus salvaguardias de seguridad habituales (cifrado, redes privadas virtuales (VPN) y antimalware) pueden no ser suficientes.
“Del mismo modo, hay que equilibrar cómo se gasta el presupuesto general para lograr la investigación con la necesidad de protegerse contra cortes de energía y otros escenarios a través de despidos”, dijo Pokorny. “También es posible que necesite incorporar flexibilidad para permitir la reutilización del hardware a medida que cambian los requisitos del usuario”.
Recomendación: Empresa de Inteligencia Artificial en México