Inteligencia Artificial en su Organización
Muchas organizaciones han producido con éxito modelos de AI útiles mediante análisis ad-hoc, particularmente en departamentos de análisis de datos que proporcionan apoyo a la toma de decisiones. Un desafío significativo es tomar los modelos producidos mediante análisis ad-hoc y permitir que dichos modelos de AI sean utilizados por la organización en general. Las empresas que permiten que toda una organización aproveche el AI obtendrán una ventaja significativa.
Este artículo explorará cómo integrar AI dentro de una organización mediante la producción.
Identificar un modelo de AI adecuado para uso en producción
Un modelo de inteligencia artificial o aprendizaje automático adecuado para uso en producción es cualquier modelo que produzca información valiosa o genere un resultado práctico. Supongamos que dichos modelos deben ser ejecutados constantemente de forma manual por científicos de datos. En ese caso, existe una gran probabilidad de que el proceso no esté productionizado y solo sea accesible para unos pocos empleados técnicos.
Un modelo se pone en producción cuando se utiliza a diario en procesos de operaciones habituales (BAU). Por lo tanto, si se ejecuta de forma ad-hoc, no es accesible para la organización en general.
Integración de AI en los Procesos Habituales del Negocio (BAU)
Un problema persistente con la inteligencia artificial y el aprendizaje automático, e incluso con modelos estadísticos más antiguos, es que pocas personas dentro de una organización tienen acceso a ellos. Existen múltiples razones para esto, aunque la más común es la barrera técnica que se debe superar para usar dichos modelos y la configuración de computación necesaria para ejecutarlos.'
Con la llegada del navegador web y la funcionalidad continua integrada en el navegador, es posible proporcionar dichas capacidades a los usuarios que puedan requerir usar el modelo simplemente teniendo acceso a un navegador web. La razón de esto es que la configuración informática requerida puede abstraerse dentro de un servidor remoto mientras se puede mostrar una interfaz de usuario sobre cómo ejecutar e interactuar con el modelo. Por lo tanto, esto permitirá, de cara al futuro, que no solo la inteligencia artificial sino muchas más funciones informáticas estén disponibles para más personas, independientemente de sus capacidades técnicas.
Producción de modelos de AI a sistemas de AI
Un sistema de inteligencia artificial es un sistema que hace uso de un modelo de AI o múltiples modelos de AI para lograr el resultado deseado. No es evidente para muchas organizaciones la diferencia entre los dos, ya que la gerencia tiende a considerar que poder ejecutar AI es tener capacidades de AI. Se requiere un sistema adecuadamente diseñado e ingenierizado para garantizar que la AI actúe bajo una buena gobernanza.
Una forma sencilla de describir la distinción entre los dos es examinar las funciones laborales detrás de cada etapa del proceso. Los científicos de la computación desarrollan técnicas de AI. Los científicos de datos utilizan técnicas de AI y las aplican a problemas dentro de la organización, y dado un modelo sólido, los ingenieros de software luego construyen sistemas robustos que utilizan tanto las técnicas de AI como la forma en que se aplican.
En la era moderna, la ingeniería de software normalmente construiría software web que utiliza dicha AI a través de procesos de backend mientras presenta un frontend amigable con una interfaz de usuario rica. Por lo tanto, esto permite a los usuarios utilizar la inteligencia artificial como un científico de datos sin requerir conocimientos técnicos. De cara al futuro, esto es importante ya que la AI necesita ser democratizada dada la gran ventaja que proporciona a quienes tienen acceso a ella.
Aprovechando la AI y la Nube
Los modelos de Inteligencia Artificial tienden a ejecutarse en supercomputadoras, lo cual es muy común en el ámbito de la investigación. Las supercomputadoras son costosas y de difícil acceso, dado que muchos proyectos diferentes compiten por tiempo de cómputo. Una alternativa es aprovechar el poder de la computación en la nube distribuida como alternativa.
La computación en la nube proporciona capacidad de cómputo y almacenamiento bajo demanda y también puede escalarse dinámicamente. La ventaja es que las organizaciones no necesitan invertir fuertemente en la construcción y el mantenimiento de dicha infraestructura. Un impedimento para que las organizaciones accedieran a la inteligencia artificial en el pasado era el acceso a una vasta capacidad de cómputo y almacenamiento. Con un acceso más disponible a estos recursos, ahora es práctico para las organizaciones aprovechar la inteligencia artificial.
A medida que las organizaciones migran la infraestructura y los sistemas heredados existentes a la nube y adoptan una estrategia cloud-first, será lógico que los responsables de la toma de decisiones estratégicas exploren dónde más puede ayudar la infraestructura en la nube. La inteligencia artificial estará entre los temas de discusión al explorar capacidades futuras.
Presentación y visualización de resultados de AI a la organización en general
Los modelos y sistemas de inteligencia artificial producen resultados que requieren que un individuo los interprete y tome medidas. En el futuro, los sistemas de inteligencia artificial también podrán sugerir medidas a tomar. Sin embargo, en el estado actual, todavía depende en gran medida de los tomadores de decisiones decidir cómo proceder.
Las técnicas existentes de presentación y visualización de datos, como el uso de suites de informes de inteligencia empresarial y paneles de análisis de datos, incluidos Tableau y Power BI, seguirán utilizándose y ampliándose. También se seguirán desarrollando visualizaciones personalizadas, como las que se observan en los mapas autoorganizados (SOM), para permitir a las personas dar sentido a los resultados de AI.
Dado que los sistemas de inteligencia artificial pueden procesar muchas más variables de lo que es comprensible para un individuo, es esencial que dichos resultados sean integrales para una persona y que tales resultados y sus implicaciones asociadas sean comprendidos.
Interpretación de AI y Utilización de los Resultados de AI
Los sistemas de inteligencia artificial, o cualquier sistema, típicamente producen resultados. Dada la complejidad de los resultados, no deben ser malinterpretados ni estar sujetos a sesgos en los datos. Ha habido muchos casos de AI reportando con prejuicio indebido simplemente porque los datos de los que aprendió contenían conjuntos de características sesgados o limitados.
Las organizaciones que utilizan los resultados de AI deben restringir su interpretación al dominio de los expertos en la materia que trabajan dentro de dicho campo para garantizar una perspectiva equilibrada. Adoptar dicho enfoque también ayudará a garantizar que los resultados de AI sean sólidos y completos. También consideramos esencial tener en cuenta el alcance de las acciones tomadas a partir de los resultados de AI, y estas deberían estar dentro de un campo limitado y reducido para garantizar que las acciones de AI sean seguras.
Contáctenos hoy para una consulta gratuita sobre cómo Telemus AI™ puede integrarse en su organización.
