¿Cómo identificar oportunidades exitosas para aplicar IA en su organización?

La inteligencia artificial (IA) parece ser la nueva respuesta a todos los problemas. Sus beneficios (mejores tomas de decisión de manera más rápida obviando tareas repetitivas) han hecho que muchas organizaciones sienten la necesidad de desarrollar una estrategia de este tipo.

Sin embargo, el primer dilema a resolver es dónde aplicarla y qué beneficios deseamos obtener. Responder esa pregunta no debe ser complicado, aunque se trata de una decisión de negocio con gran impacto a futuro y con potencial para una profunda transformación.

Esta presión obliga a los líderes de negocio incluso a pensar si el talento con el que cuentan es el correcto para definir una estrategia de este tipo.

En un reciente artículo, la jefe de Data Science Evangelism de la plataforma de minería de datos KNIME, Rosaria Silipo, afirmó que “para probar las aguas de la IA, no es necesario contratar nuevos talentos completamente capacitados desde el principio”.

En su visión, el primer paso en la adopción de inteligencia artificial es identificar la primera aplicación de ciencia de datos para implementar el proyecto inicial.

Su éxito o fracaso y el esfuerzo requerido le darán a la gerencia la información que necesita para decidir si proceder y cómo introducir más aplicaciones guiadas por IA. Este proyecto, detalla la especialista, marcará el punto de inflexión para el proceso de adopción.

El verdadero habilitador de la IA

De esa primera aplicación no solo se requiere evaluar qué tan bien o mal le fue a la organización. Tener un proyecto de ciencia de datos es el antecedente obligado, pues sin datos no hay inteligencia artificial.

La directora de Negocios estratégicos del proveedor Inteliment, Gauri Bapat, concluye en una publicación de blog: “Queda claro que no podemos, o más bien, no deberíamos mirar la IA y la ciencia de datos de forma aislada. El éxito de primera depende de la recopilación, la estructuración y el modelado de datos”.

Aunque son conceptualmente similares, la ciencia de datos emplea matemáticas y estadísticas. Además, utiliza técnicas como la minería de datos, el análisis de grupos, las visualizaciones e incluso el aprendizaje automático para permitir una buena toma de decisiones.

Por su parte, la IA tiene que ver con el empleo de datos para crear sistemas que puedan autocorregirse, funcionar y reaccionar como humanos. La ciencia de datos es un gran facilitador de esto.

¿Qué hace la ciencia de datos por la IA?

Bapat enlista cuatro beneficios puntuales de la ciencia de datos para la inteligencia artificial:

• Ayuda a identificar los datos correctos: ubicación, evaluación, manipulación y análisis de la estructura.
• Permite entender cómo extraer valor de los datos
• Se ocupa de la complejidad del mundo real, lo que debe aprovecharse para crear aplicaciones de IA para resolver problemas reales
• Es esencial para crear productos reales que aprovechen las capacidades de IA

Con esto dicho, son muchas las organizaciones cuyo camino a la IA aún es largo. La firma consultora y de investigación de las tecnologías de la información (TI), Gartner, ha señalado que en México la práctica de ver y utilizar la información como un activo todavía se encuentra en fase de adopción temprana.

A nivel global, según una encuesta reciente de la firma, nueve de cada 10 organizaciones no han alcanzado un nivel de madurez transformacional en datos y análisis a pesar de ser una de las prioridades de inversión.

Cinco preguntas para identificar oportunidades de IA

Una vez avanzado el tema de los datos, la organización tiene que desarrollar su estrategia de inteligencia artificial. El futurista Bernard Marr sugiere partir el proceso en dos pasos fundamentales: identificar todos los casos de uso en el negocio y elegir los principales.

Para el primero, expertos en IA entrevistados por The Enterprise Project, proponen responder cinco preguntas:

1. ¿Dónde se necesitan mejores decisiones?

Una de las grandes oportunidades radica en cualquier proceso o área en la que su organización pueda mejorar su toma de decisiones. En particular, dónde se beneficiaría más de pasar a un modelo más basado en datos para tomar decisiones comerciales.

2. ¿Dónde hay más ineficiencias?

Hay que detectar áreas donde las cosas no funcionan de manera óptima. La ineficiencia no solo está marcada por tareas que consumen mucho tiempo o cuellos de botella; también puede medirse por la práctica repetitiva de tareas simples.

3. ¿Dónde tenemos muchos datos relevantes?

La IA depende de la información que se le da. Por eso hay que considerar áreas en las que se tienen datos sólidos, confiables y accesibles.

4. ¿Qué resultado comercial se quiere lograr?

El clásico error es forzar el uso de inteligencia artificial en el negocio en vez de que las necesidades y los objetivos comerciales dicten las aplicaciones. Al contrario, hay que alinearlas a la estrategia del negocio. Invierta en un área en la que los resultados tengan un impacto a los objetivos del negocio.

5. ¿Esto realmente resolverá el problema?

Cuando la respuesta a esta pregunta es no, los obstáculos organizacionales son a menudo tanto la razón de por qué como la falta de datos o experiencia técnica.

Exploración sin límites

Marr, autor de 15 libros sobre datos, tecnología y el futuro —varios de ellos best-sellers como Data Strategy, recomienda no limitarse a un pequeño número de casos en la primera fase.

“El objetivo es explorar las muchas formas en que la inteligencia artificial puede ayudar a la organización a lograr sus metas estratégicas”, plantea.

En su visión, esto puede ir desde hacer productos y servicios más inteligentes o construir una comprensión más profunda de los clientes hasta lograr procesos de negocio más inteligentes o automatizar tanto funciones comerciales centrales como tareas que consumen mucho tiempo, repetitivas o mundanas.

El experto recomienda, para cada caso de uso, tomar en cuenta factores como identificar métricas (KPI), elegir un responsable de proyecto, considerar los aspectos legales y éticos, analizar los recursos tecnológicos, de infraestructura y humanos que se requieren y prepararse para el change management que sufrirá la organización.

Una vez que se tengan identificadas todas las oportunidades, será bueno definir cuál es la mejor o al menos priorizar por cuál comenzar. Pero de eso hablaremos en otro artículo.

¿Ya tiene un proyecto de IA en su organización? En nuestra empresa BDS acompañamos a nuestros clientes a habilitar y perfeccionar capacidades de inteligencia artificial que les permitan obtener resultados medibles de negocio en el menor tiempo posible.