El error más grave (y común) en la implementación de IA

InnovaciónInteligencia Artificial

Por Baltazar Rodríguez, Arquitecto Senior y Evangelista de Tecnológico en IBM.

Conforme avanza el tiempo, las necesidades de los negocios se van transformando y en ocasiones ocurren acontecimientos críticos e inesperados como complicaciones por clima extremo, pandemias, cambios en las regulaciones, por mencionar algunos ejemplos. Esto requiere un cambio abrupto y veloz en las operaciones y procesos de las empresas para adaptarse rápidamente a la nueva realidad y asegurar la continuidad de su negocio. Aquí es donde los sistemas de inteligencia artificial (IA) bien implementados serán una herramienta clave para ayudarnos a tomar mejores decisiones en tiempo real.

En México, 40% de las empresas aceleraron su uso de IA durante la pandemia, da acuerdo con datos del AI Adoption Index de IBM, y sabemos que este camino a la IA se intensificará en los próximos años.

Desafortunadamente, muchas de estas empresas se apresuraron a integrar la IA en sus operaciones sin detenerse a preguntar quién, cómo y por qué. A medida que las organizaciones buscan aprovechar la información del negocio y otros beneficios que la IA ofrece, es importante que no intenten poner clavos cuadrados en agujeros redondos. De hecho, el estudio muestra que 38% de los profesionales de TI en México citan la experiencia o el conocimiento limitados de IA como una barrera para la adopción exitosa para su negocio.

Cuando una organización está explorando la implementación de IA, uno de los errores estratégicos más graves -y también más comunes- que cometen es fallar al definir un caso de uso preciso y los resultados que esperan conseguir, con una métrica cuantificable y clara.

En IBM apoyamos a nuestros clientes en México en su camino a la IA. Por ejemplo, aplicamos los principios de Desing Thinking que nos permite pensar críticamente sobre los problemas a los que se enfrenta el negocio, enmarcar esos desafíos en formas potencialmente solucionables por IA y luego identificar y refinar casos de uso que sean críticos para los objetivos del negocio. Aquí hay cinco pasos clave para su implementación de IA:

  1. Establecer la intención. Muchas empresas realmente no tienen una idea clara de lo que esperan obtener de la IA más allá de una vaga noción de eficiencia. Es importante refinar las intenciones dedicando un tiempo a descubrir las oportunidades específicas de negocio de IA que existen en el negocio Comience con una intención clara: ¿Está buscando mejorar la experiencia del cliente? ¿Necesita optimizar la detección de fraude? ¿Debe asegurar la cadena de suministro? ¿Quiere estar mejor preparado para escenarios imprevistos? ¿lLs empleados necesitan mejores herramientas para la toma decisiones?
  2. Identificar los casos de uso. Una vez que haya determinado su objetivo general para implementar la IA, puede definir los casos de uso y los tipos de soluciones que necesitan los usuarios. La IA está avanzando rápidamente en numerosos campos, desde la visión por computadora que determina qué hay en una imagen, hasta la IA de procesamiento del lenguaje natural que encontramos en los asistentes virtuales. Entonces, ¿cuáles son las formas en que estas aplicaciones pueden promover las intenciones que describió?
  3. Evaluar los datos. Esta etapa implica entender qué datos necesita para que los casos de uso que se identificaron sean efectivos. Diferentes tipos de equipos se enfocan en distintas prioridades y conjuntos de números, lo que significa que la mayoría de los datos en su organización están aislados, son silos de datos que no se conectan entre sí. Aquí es clave aprovechar enfoques como Data Fabric, que nos ayudan a crear una visión holística de los datos a lo largo de toda la empresa porque, para implementar casos de uso exitosos con IA, debe asegurar que cuenta con datos precisos, sin sesgos y limpios que se extraen de toda la empresa.
  4. Planificar las acciones. Con el enfoque de Design Thinking podrá establecer acciones concretas mediante el uso de declaraciones de intenciones como guía para la implementación técnica. Esto incluye, siempre, la revisión de las etapas anteriores, corregir desvíos y asegurar resultados cuantificables. El objetivo es que la empresa sea capaz de poner en funcionamiento toda la maquinaria de IA en todo el negocio, conectando cada solución a la estrategia general de inteligencia artificial.
  5. Generar confianza. Diseñar una estrategia exitosa de IA también implica involucar a un equipo diverso en el proceso -recuerde que la diversidad impulsa la innovación. Críticamente, su estrategia de implementación debe tener en cuenta la confianza de los usuarios, entender cómo reaccionarán al ver que su empresa utiliza los datos de esta manera y cómo demostrará que su sistema de IA es explicable, transparente y confiable. Las personas deben confiar en las recomendaciones y en los resultados predictivos para que la IA pueda expandir su uso en más sectores y apoyarnos en el desarrollo de nuevas soluciones. El punto clave es: la IA es tan buena como cuán confiable es.

Nos demos cuenta o no, la inteligencia artificial ya está transformando los negocios. Desde empresas de servicios financieros que usan IA para prevenir fraude y optimizar sus procesos de auditoria; retailers que aseguran su cadena de suministro y la continuidad de su negocio; telcos que están aprovechando IA para anticipar fallas en la red y garantizar servicios de calidad; incluso incontables casos de empresas en diferentes sectores que están creando experiencias de usuarios sin fricciones con asistentes virtuales impulsados por IA. Todos los días, los early adopters de esta tecnología continúan desarrollando nuevos casos de uso por docenas.

Con un enfoque basado en datos y centrado en el ser humano, nosotros, como líderes empresariales, podemos diseñar IA que conecta con éxito todos los datos estratégicos e iniciativas con los objetivos comerciales definidos por la empresa. Si está interesado en investigar cómo la IA podría ser útil para su propia organización, lo animo a seguir un enfoque similar.

Lea también :