\u00bfCu\u00e1l es el diferenciador clave? Ser capaz de implementar IA a escala. En lugar de pruebas de concepto, o proyectos de IA \u00fanicos, las empresas que saldr\u00e1n victoriosas son las capaces de implementar m\u00faltiples aplicaciones de IA en varios equipos. Hasta ahora, s\u00f3lo el 13% de las organizaciones han podido hacer esto, seg\u00fan el informe sobre el estado de la IA de 2020 de Capgemini.<\/p>\n\n\n\n
Aqu\u00ed hay ocho consejos para transformar proyectos de inteligencia artificial en valor comercial, contados por aquellos que ya est\u00e1n obteniendo beneficios reales de la Inteligencia Artificial.<\/p>\n\n\n\n
Centrarse en la transformaci\u00f3n empresarial<\/h4>\n\n\n\n
Hace tres a\u00f1os, cuando General Electric se encontraba en las primeras etapas de su viaje de IA, los proyectos de IA requer\u00edan un gran enfoque en los beneficios comerciales espec\u00edficos, comenzando con proyectos viables m\u00ednimos. Hoy, la historia trata m\u00e1s sobre el uso de IA como parte de una transformaci\u00f3n del negocio en s\u00ed.<\/p>\n\n\n\n \u201cUsted puede ir a ver un peque\u00f1o silo, optimizar la cantidad de inventarios y ahorrar 2 o 3 millones, pero esto no se traduce en la creaci\u00f3n de valor en toda la empresa\u201d, se\u00f1ala Colin Parris, vicepresidente senior de director de tecnolog\u00eda de GE, poniendo un ejemplo de c\u00f3mo GE descubri\u00f3 la manera de administrar los inventarios de piezas en forma m\u00e1s eficiente con IA. El siguiente paso consisti\u00f3 en aprovechar lo aprendido y ofrecer el mismo servicio a sus clientes.<\/p>\n\n\n\n \u201cPuedo hacer la predicci\u00f3n, o darle el software para que usted pueda usarlo y sepa qu\u00e9 partes comprar\u201d, agrega. \u201cEs as\u00ed como pas\u00e9 de la eficiencia a la generaci\u00f3n de ingresos en mi industria. Y luego puedo abrir mi mercado y las mismas t\u00e9cnicas se pueden aplicar a otras industrias\u201d.<\/p>\n\n\n\n Pero el salto de usar IA para reducir costos a usar IA para aumentar el negocio requiere un cambio fundamental en la estrategia para enfocarse en la transformaci\u00f3n empresarial. En GE, eso ha significado aprovechar los principios de fabricaci\u00f3n ajustada, impulsados ??por IA. Una ventaja de emplear la IA es que reduce la resistencia interna al cambio. \u201cLlevamos a\u00f1os haciendo esto en (el proceso de) fabricaci\u00f3n\u201d, dice Parris. \u201cLa gente sabe que su trabajo no va a desaparecer\u201d.<\/p>\n\n\n\n A medida que los proyectos de IA se ampl\u00edan y se convierten en operaciones centrales de la empresa, los riesgos asociados tambi\u00e9n aumentan. Si un sistema de Inteligencia Artificial entrenado en un problema espec\u00edfico se aplica a un problema ligeramente diferente, los resultados pueden ser sub\u00f3ptimos o incluso peligrosos.<\/p>\n\n\n\n \u201cTenemos esta cosa llamada \u2018IA ??humilde’\u201d, explica Parris. \u201cLo cual significa que, si las cosas cambian, no uso el modelo de IA: vuelvo al modelo que ten\u00eda antes\u201d.<\/p>\n\n\n\n Otro aspecto del enfoque de \u201cIA humilde\u201d de GE consiste en asegurarse que la IA explique su razonamiento. Por ejemplo, cuando los t\u00e9cnicos obtienen datos de turbinas e\u00f3licas, tradicionalmente buscan la velocidad del viento en comparaci\u00f3n con la vibraci\u00f3n de la torre en el manual, y el manual les dice qu\u00e9 hacer. Sin embargo, un sistema de Inteligencia Artificial puede obtener los datos, trazar las curvas e informar al t\u00e9cnico que la turbina est\u00e1 experimentando un problema de cojinete de inclinaci\u00f3n. La IA explicable tambi\u00e9n mostrar\u00eda esas curvas al t\u00e9cnico y abrir\u00eda la p\u00e1gina del manual que tiene la informaci\u00f3n relevante.<\/p>\n\n\n\n \u201cLa IA ahora se est\u00e1 explicando a s\u00ed misma, de modo que el t\u00e9cnico podr\u00eda mirarla y decir: \u2018Mmm\u2026 esto se ve un poco diferente. O podr\u00eda decir: \u201cEso es correcto. Vamos a hacer tal cosa’\u201d. De acuerdo con Parris, la IA ayuda al equipo t\u00e9cnico a llegar a la soluci\u00f3n m\u00e1s r\u00e1pido y a creer que realmente funciona.<\/p>\n\n\n\n \u201cSe trata de inteligencia aumentada, inteligencia asistida\u201d, dice Parris. \u201cNo te est\u00e1 reemplazando; te est\u00e1 ayudando\u201d. Eso est\u00e1 contribuyendo a la adopci\u00f3n de IA a gran escala, asevera.<\/p>\n\n\n\n Para algunas empresas, garantizar que los sistemas de IA produzcan resultados \u00fatiles requiere ayuda m\u00e1s all\u00e1 del equipo central de IA. Como cualquier proyecto, esto comienza con la recopilaci\u00f3n de requisitos en torno a datos, resultados y modelos.<\/p>\n\n\n\n \u201cLo ideal es que inicie un proyecto con una reuni\u00f3n de pizarra en la que todas las partes interesadas clave pasen la tarde analizando los detalles y documentando los requisitos de la consulta\u201d, refiere Jim Metcalf, cient\u00edfico de datos del Healthy Nevada Project, cuyo equipo aprendi\u00f3 esta lecci\u00f3n trabajando en un protocolo para el tratamiento de pacientes card\u00edacos.<\/p>\n\n\n\n El proyecto requer\u00eda recopilar informaci\u00f3n sobre los medicamentos que se recetaban a los pacientes cuando eran dados de alta del hospital. Pero algunos medicamentos, como las estatinas, se recetan cuando los pacientes ingresan por primera vez y se contin\u00faan cuando el paciente se va. El sistema asumi\u00f3 que estos medicamentos eran recetas en curso que los pacientes ya estaban tomando, no nuevos medicamentos relacionados con sus hospitalizaciones por ataque card\u00edaco, un problema que se puso al descubierto cuando el recuento de medicamentos termin\u00f3 siendo m\u00e1s bajo de lo esperado.<\/p>\n\n\n\n \u201cEl equipo podr\u00eda haber resuelto esto mucho antes si hubi\u00e9ramos tenido discusiones m\u00e1s detalladas con todas las partes interesadas desde el principio\u201d, recuerda Metcalf. \u201cNuestro equipo de Ciencia de Datos ha aprendido a no asumir nada. Examinamos, discutimos y documentamos minuciosamente los requisitos de consulta mucho antes de que alguien ponga los dedos en el teclado\u201d.<\/p>\n\n\n\n Para el proveedor de la plataforma de gesti\u00f3n de gastos empresariales, Coupa, el consejo de los clientes les se\u00f1al\u00f3 el camino hacia una nueva forma de detectar el fraude. \u201cEn nuestra industria, el enfoque ha sido analizar el fraude de gastos en silos\u201d, refiere Donna Wilczek, vicepresidenta de Estrategia e Innovaci\u00f3n de Productos de la compa\u00f1\u00eda.<\/p>\n\n\n\n Pero resulta que un empleado que hace trampa en un \u00e1rea tiene m\u00e1s probabilidades de hacerlo tambi\u00e9n en otras \u00e1reas. Seg\u00fan Wilczek, fue necesario tener conversaciones con expertos en adquisiciones y auditores financieros para descubrir que el secreto de la detecci\u00f3n del fraude es observar a las personas individuales en el centro del fraude.<\/p>\n\n\n\n Coupa ahora recopila ejemplos de comportamiento fraudulento que informan las empresas y luego agrega esos ejemplos de la vida real al sistema de Inteligencia Artificial.<\/p>\n\n\n\n Cuando la tecnolog\u00eda era nueva, las pruebas de concepto (POC) ten\u00edan sentido. Hoy, sin embargo, hay menos necesidad de comenzar su viaje de IA con experimentos, afirma JJ L\u00f3pez Murphy, director de Tecnolog\u00eda de Datos e Inteligecia Artificial de Globant.<\/p>\n\n\n\n \u201cCada uno de estos experimentos es muy caro, en t\u00e9rminos de dinero, tiempo e influencia pol\u00edtica\u201d, se\u00f1ala. \u201cCuando se han hecho cuatro POC que no llevan a ninguna parte, la gente deja de creer en la IA\u201d.<\/p>\n\n\n\n En cambio, las empresas deber\u00edan trabajar en proyectos que vayan a alguna parte, dice. \u201cSi no est\u00e1 en producci\u00f3n, si no se usa, a veces es peor que in\u00fatil\u201d.<\/p>\n\n\n\n Whit Andrews, analista de Gartner, est\u00e1 de acuerdo con Murphy y recomienda que las empresas creen productos m\u00ednimos viables. \u201cEl riesgo es un poco mayor, pero el beneficio es que puedes empezar \u2018a rodar\u2019. Despu\u00e9s s\u00f3lo se necesitar\u00e1 seguir agregando capacidad y funcionalidad\u201d.<\/p>\n\n\n\n Seg\u00fan una encuesta de 2020 de Gartner, las empresas que tienen \u00e9xito con la IA realizan un promedio de 4.1 proyectos piloto. Las empresas que no tienen \u00e9xito realizan 5.2 POC. \u201cHemos pasado el punto de \u2018t\u00edralo a la pared y veamos qu\u00e9 se pega’\u201d, dice Andrews.<\/p>\n\n\n\n Otro informe realizado por Gartner se\u00f1ala que las organizaciones que obtuvieron un \u201cvalor significativo\u201d de sus proyectos de Inteligencia Artificial tambi\u00e9n ten\u00edan un 14% m\u00e1s de roles en sus equipos de IA, incluidos gerentes de proyectos, estrategas y personas con diferentes antecedentes y perspectivas.<\/p>\n\n\n\n \u201cEl h\u00e1bito n\u00famero uno de las empresas exitosas es utilizar equipos bien mezclados\u201d, asevera Andrews.<\/p>\n\n\n\n Este fue el caso de un proyecto de Inteligencia Artificial, en el cual trabaj\u00f3 Tech Data, que implicaba contar aves llamadas \u201cfrailecillos\u201d, y requer\u00eda traer expertos en hardware.<\/p>\n\n\n\n \u201cSi alguna vez ha visto especiales de National Geographic, los frailecillos anidan muy juntos, miles de ellos\u201d, explica Clay Davis, vicepresidente para Datos Globales y Soluciones de IoT en Tech Data. \u201cDe modo que se nos encomend\u00f3 aprovechar la Inteligencia Artificial para contar frailecillos\u201d.<\/p>\n\n\n\n Antes de que se llamara a Tech Data para colaborar en el proyecto, hab\u00eda un equipo de cient\u00edficos de datos que trabajaban para obtener los mejores modelos posibles para contar frailecillos, y un equipo separado de profesionales de hardware que eleg\u00edan las c\u00e1maras y el equipo inform\u00e1tico.<\/p>\n\n\n\n \u201cCuando tienes hardware f\u00edsico como una c\u00e1mara que captura im\u00e1genes en \u00e1reas remotas, a menudo es m\u00e1s efectivo hacer el c\u00e1lculo en el sitio y, a veces, no\u201d, dice. \u201cY si realizas c\u00e1lculos en el sitio, debes asegurarte que el hardware que est\u00e1s aprovechando sea suficiente para manejar los modelos que has creado con los cient\u00edficos de datos\u201d.<\/p>\n\n\n\n Tres meses despu\u00e9s, result\u00f3 que el hardware elegido no pod\u00eda ejecutar los modelos que estaban creando los cient\u00edficos de datos. \u201cAhora tienes que reiniciar, comprar hardware nuevo o pedir a los cient\u00edficos de datos que construyan un modelo m\u00e1s eficiente. Era necesario tener a ambas personas en el proyecto desde el primer d\u00eda\u201d, confiesa Davis.<\/p>\n\n\n\n En el caso de los frailecillos no contados, los cient\u00edficos de datos pudieron cambiar a un modelo de mapeo de tendencias, para poder seguir con el hardware existente.<\/p>\n\n\n\n Depender \u00fanicamente de los cient\u00edficos de datos para obtener informaci\u00f3n a partir de los datos es un gran error, dice Halim Abbas, director de Inteligencia Artificial en Cognoa, quien est\u00e1 aplicando la IA para diagnosticar el comportamiento, lo cual ayuda a identificar a los ni\u00f1os con autismo y otros problemas de comportamiento.<\/p>\n\n\n\n Determinar las interdependencias y la relevancia de los datos a menudo requiere un experto en la materia. Por ejemplo, si un conjunto de pacientes diagnosticados en una habitaci\u00f3n con paredes azules y otro en una habitaci\u00f3n con paredes blancas produjeron resultados diferentes, un modelo anal\u00edtico que busque patrones podr\u00eda deducir que la pintura de la pared tiene importancia cl\u00ednica.<\/p>\n\n\n\n \u201cA medida que aumenta el tama\u00f1o del conjunto de datos, obviamente evitar\u00e1 conclusiones tan banales\u201d, afirma Abbas. \u201cAunque puede haber algunos detalles sutiles\u201d.<\/p>\n\n\n\n Estos son problemas que un experto en Inteligencia Artificial sin experiencia no conocer\u00eda, agrega. Y es especialmente cr\u00edtico cuando los conjuntos de datos son peque\u00f1os, como los condicionamientos raros o los datos demogr\u00e1ficos peque\u00f1os.<\/p>\n\n\n\n Incluso los expertos en dominios pueden tener sus propios sesgos, seg\u00fan Abbas. \u201cUna buena alternativa para estar doblemente seguro es tomar la informaci\u00f3n de los expertos en el dominio y hacer lo mismo en el lado de la IA, y s\u00f3lo trabajar con lo que est\u00e1 doblemente validado, en ambos lados de la ecuaci\u00f3n\u201d.<\/p>\n\n\n\n Combinar la experiencia del dominio con la Inteligencia Artificial puede ser esencial en la curaci\u00f3n de datos, como ha descubierto CAS, una empresa de 111 a\u00f1os que recopila y publica datos de investigaci\u00f3n qu\u00edmica.<\/p>\n\n\n\n \u201cCosas como espacios, sub\u00edndices, guiones o el cambio de una sola letra en una estructura qu\u00edmica pueden marcar la diferencia entre una reacci\u00f3n segura y explosiva\u201d, asevera el CTO de esta compa\u00f1\u00eda, Venki Rao. \u201cTenemos m\u00e1s de 350 doctores en nuestras instalaciones, curando datos\u201d.<\/p>\n\n\n\n Recientemente, CAS ha comenzado a usar IA para ayudar a categorizar y curar los datos, liberando algunos de estos doctores para trabajos m\u00e1s complejos. No obstante, se necesita experiencia en el dominio para construir un sistema de reconocimiento \u00f3ptico de caracteres simple.<\/p>\n\n\n\n Ning\u00fan plan de batalla sobrevive al contacto con el enemigo, y ning\u00fan sistema de IA sobrevive al contacto con el mundo real. Si su empresa no est\u00e1 preparada para este hecho, su proyecto de IA est\u00e1 condenado al fracaso antes de comenzar.<\/p>\n\n\n\n Jennifer Hewit, directora de Servicios Cognitivos y Digitales de Credit Suisse Group, enfrent\u00f3 este desaf\u00edo. Cuando la compa\u00f1\u00eda de servicios financieros lanz\u00f3 su primer chatbot de soporte al cliente, con el nombre de \u201cAmelia\u201d, Hewit sab\u00eda que a menudo se rendir\u00eda y enviar\u00eda clientes a agentes humanos en lugar de responder la mayor\u00eda de las consultas por s\u00ed mismo.<\/p>\n\n\n\n \u201cTom\u00e9 la decisi\u00f3n antes de comenzar\u201d, dice, cuando la capacidad del chatbot para comprender la intenci\u00f3n era solo del 23%. Pero al estar en escenarios del mundo real, el chatbot pudo observar conversaciones multiculturales, multiling\u00fces y multigeneracionales y aprender de ellas.<\/p>\n\n\n\n \u201cPonerse en marcha r\u00e1pidamente signific\u00f3 que pudimos aumentar su capacidad para comprender la intenci\u00f3n del 23% al 86% en cinco meses\u201d, dice.<\/p>\n\n\n\n A medida que las empresas compiten por el escaso talento en IA, tener proyectos significativos puede marcar una gran diferencia. En Envision Virgin Racing, por ejemplo, el objetivo de usar IA no es s\u00f3lo reducir unos segundos en una carrera de autos el\u00e9ctricos de F\u00f3rmula E. \u201cEstamos haciendo avanzar la industria\u201d, afirma Sylvain Filippi, director gerente y CTO.<\/p>\n\n\n\n \u201cTodo el software y las tecnolog\u00edas fluyen casi directamente de las carreras a los autos premium de alta gama y luego a los autos de carretera\u201d, dice. \u201cEs mucho m\u00e1s motivador saber que esta tecnolog\u00eda realmente va a acelerar la transici\u00f3n a los coches el\u00e9ctricos\u201d.<\/p>\n\n\n\n La pr\u00f3xima generaci\u00f3n de autos el\u00e9ctricos comenzar\u00e1 a competir en 2023, dice, ampliando los l\u00edmites en tecnolog\u00eda de bater\u00edas y carga r\u00e1pida.<\/p>\n\n\n\n Maria Korolov, CIO.com<\/em><\/p>\n\n\n\n Fuente: cio.com.mx<\/p>\n","protected":false},"excerpt":{"rendered":" Los l\u00edderes empresariales de todos los niveles ven el valor de utilizar la Inteligencia Artificial. Sin […]<\/p>\n","protected":false},"author":12,"featured_media":29092,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-29091","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticas"],"yoast_head":"\n![\"Colin](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/colin-parris-at-general-electric-100889981-medium.jpg\")
Conoce los l\u00edmites de la IA<\/h4>\n\n\n\n
Escuche a las partes interesadas y a los clientes<\/h4>\n\n\n\n
![\"Donna](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/donna-wilczek-at-coupa-100889984-medium.jpg\")
No m\u00e1s pruebas de concepto<\/h4>\n\n\n\n
![\"JJ](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/jj-lopes-murphy-at-globant-100889986-medium.jpg\")
Equipos mixtos<\/h4>\n\n\n\n
![\"Clay](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/clay-davis-at-tech-data-corporation-100889983-medium.jpg\")
Adopte la experiencia en el dominio<\/h4>\n\n\n\n
![\"Halim](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/halim-website-2-100889980-medium.jpg\")
![\"Venki](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/rao_venki_-_blog-100889978-small.jpg\")
Descubra el valor de las pruebas en el mundo real<\/h4>\n\n\n\n
Tener un prop\u00f3sito superior<\/h4>\n\n\n\n
![\"Sylvain](\"https:\/\/images.idgesg.net\/images\/article\/2021\/05\/sylvain-filippi-at-envision-virgin-racing-2-100889979-medium.jpg\")