Consejos para sacar más partido de la IA y el aprendizaje automático
- Inteligencia Artificial
Aunque estas tecnologías proporcionan grandes ventajas a las empresas que quieren adoptar un modelo de negocio basado en datos, muchas no lograr extraer todo el valor de sus inversiones en esta tecnología. Para ayudar a sacarles el máximo partido los expertos ofrecen una serie de recomendaciones a los responsables de TI que se embarquen en proyectos de inteligencia artificial y aprendizaje automático.
La IA y el ML se están expandiendo en las empresas, ya que proporcionan nuevas formas de aprovechar el valor de los datos. Pero en muchos casos las organizaciones que implementan estas tecnologías no están logrando aprovechar el verdadero potencial de la IA, por diferentes motivos. Y esto se está notando especialmente en los proyectos que combinan la ciencia de datos con la IA y las técnicas de aprendizaje automático, que introducen más complejidad y son más difíciles de diseñar.
Pero los expertos afirman que el uso combinado de estas tecnologías no solo está captando la atención por sus posibilidades, sino que en el futuro será el camino que sigan las empresas para impulsar sus aplicaciones y servicios digitales. Aunque por ahora los pioneros no están sabiendo aprovechar al máximo su potencial, y los expertos ofrecen una serie de recomendaciones para lograrlo.
Por ejemplo, Aaron Edell, director de IA aplicada de la firma de software Veritone, que en una entrevista reciente al medio Siliconrepublic.com ofreció cuatro recomendaciones principales para las empresas que quieran usar la inteligencia artificial, la ciencia de datos y el aprendizaje automático en sus proyectos digitales. La primera es que en el campo del aprendizaje automático se centren en resolver los problemas, en vez de desviar la atención tratando de perfeccionar constantemente las cosas que ya funcionan. Porque en el camino hacia la mejora de la tecnología es común olvidarse de para qué se está desarrollando dicha tecnología en primer lugar.
El segundo consejo es que a la hora de superar desafíos recurriendo a la ciencia de datos es fundamental centrarse en el cliente, especialmente en aquellas industrias más orientadas hacia el cliente y el consumidor. Así, estos perciben que se les ofrecen soluciones a sus problemas, algo que ofrece mejores resultados comerciales y logra retener al cliente. En tercer lugar, Edell recomienda no desviar la atención de los objetivos primarios hasta haberlos alcanzado, ya que las posibilidades de estas tres tecnologías juntas son enormes, y se corre el riesgo de perderse por el camino. Por ello, afirma que se deben resolver primero los problemas que afectan a las personas, y que obstaculizan o lastran el desarrollo de sus tareas.
Por último, destaca la idea clásica de que “la perfección es enemiga de la eficiencia”, una verdad aplicable a la mayoría de los casos. En lo que se refiere a las tecnologías de IA y ML en combinación con la ciencia de datos, destaca que la mayoría de los problemas no requieren soluciones con una precisión total. Por ejemplo, en determinados casos no es necesario contabilizar con exactitud una determinada magnitud para comprender la situación, sino que basta con una cifra aproximada. Y desarrollar una tecnología capaz de realizar este análisis con precisión absoluta podría conllevar mucho tiempo y dinero, algo que podría ser innecesario.