Cinco consideraciones prácticas para la adopción de IA en la empresa
Por: Melissa Boxer, VP de Aplicaciones de Inteligencia Adaptativa de Oracle
Con
la Inteligencia Artificial, el primer paso es el más difícil de dar.
Muchas empresas se sienten obligadas a subirse al carro de la IA, pero
lo hacen por prueba y error y no obtienen los beneficios esperados tan
rápido
como quisieran. Otros se muestran reacios a invertir en ella, esperando
ver cómo les va a los primeros usuarios.
Puede ser difícil saber por
dónde empezar cuando se trata de implementar IA en un negocio. Melissa
Boxer, VP de Aplicaciones de Inteligencia Adaptativa de Oracle, entrega
acá 5 consejos para que las organizaciones que
quieren emprender este camino tengan mejores resultados.
- Descubrir la razón
La
IA es a menudo un objeto de deseo que las organizaciones quieren pero
no han pensado completamente por qué lo necesitan. La adopción de IA es
un viaje que requiere pasos medidos y con propósito. Cada paso debe
abordarse
con un objetivo claro en mente y con un claro objetivo de retorno de
inversión en un plazo establecido, recordando que el ROI va más allá del
valor monetario y puede incluir ganancias de productividad y otros
beneficios.
Para definir el porqué hay que
tener una visión realista de su negocio. ¿Qué área necesita mejorar?
¿Necesita mejorar la conversión y aumentar los ingresos por cliente?
¿Tiene los empleados adecuados? ¿Necesita mejorar
la productividad de los empleados o aumentar la moral? ¿Tiene un plan
de sucesión? ¿Su red de proveedores es saludable?
Cada organización priorizará los
casos de uso mencionados de manera diferente. Tener una razón clara por
la que está implementando ayudará a clasificar las necesidades de IA y
escalonará adecuadamente las implementaciones.
- Decidir si construir o comprar
La
siguiente pregunta lógica es "¿Cómo implemento?" Esto esencialmente se
reduce a uno de dos caminos: comprar una aplicación de IA pre-construida
o construir una propia.
La compra de una aplicación de
IA lista para usar proporciona una barrera de entrada más baja, los
beneficios son casi inmediatos y, a menudo, se combinan con fuentes de
datos de terceros. Esto también transfiere el riesgo
de su organización al proveedor de la aplicación, que tiene la tarea de
mantener la aplicación, asegurar y validar los datos, y garantizar que
cumpla con las normas locales y globales de seguridad y privacidad.
Los
proveedores de software en la nube, como Oracle, ya han creado
aplicaciones IA de uso inmediato para casos de uso comunes y procesos de
negocios (por ejemplo, ventas, marketing, finanzas, recursos humanos,
cadena de
suministros y fabricación) que se alinean con las mejores prácticas de
la industria. La mejor aplicación de inteligencia artificial para lograr
los objetivos de determinado negocio ya podría existir.
Alternativamente, la creación de
una aplicación de IA podría tener más sentido para una organización con
un caso de uso único. A veces, las industrias especializadas requieren
procesos a medida, que no se incluyen en las
aplicaciones estandarizadas que ofrecen los proveedores de nube y ya
han invertido en científicos de datos y recursos para permitirles
desarrollar sus propias aplicaciones de inteligencia artificial.
Si su organización encaja en
esta categoría, podría tener sentido construir su propia aplicación de
IA. Afortunadamente, las plataformas en la nube de la IA ofrecen a las
organizaciones una manera fácil de comenzar a crear
su propia aplicación, con herramientas y módulos que eliminan gran
parte de la complejidad de construir una de cero.
- Inyectar transparencia para generar confianza
La inteligencia artificial y el
aprendizaje automático les brindan a las personas mejores perspectivas
para que puedan tomar decisiones más inteligentes pero, en la mayoría de
los casos de uso, todavía requieren supervisión
humana.
Un tema importante es la
confianza. La máquina proporciona una salida, pero ¿cómo puede el
usuario confiar en que la máquina tomó la decisión correcta o recomendar
la acción correcta?
Para establecer la confianza, un
algoritmo de aprendizaje automático debe mostrar su funcionamiento y
qué datos fueron importantes para que la máquina produzca un resultado
específico.
La orientación y supervisión
humanas también son importantes para garantizar que los usuarios puedan
confiar en el resultado. Los controles de supervisión brindan a los
usuarios la capacidad de aumentar o restringir los
outputs del algoritmo de aprendizaje automático.
La información sobre las
entradas de datos, la aplicación de aprendizaje automático y las
funciones de administración de supervisión ayudan a las organizaciones a
detectar errores, anomalías y sesgos, y permiten ajustar
los algoritmos para mejorar la calidad de los resultados. Sin estas
características, es difícil para los humanos que utilizan las
aplicaciones confiar en la precisión y la validez de los resultados. La
transparencia es un problema difícil, pero el diseño adecuado
de un caso de uso de IA debería hacer que la transparencia y los
conocimientos sean una alta prioridad.
- La nube es clave
La
complejidad de las soluciones de IA y el rendimiento de la
infraestructura necesaria para ejecutar una aplicación de aprendizaje
continuo hace que la nube sea una necesidad para su despliegue. La nube
proporciona a
las organizaciones una infraestructura rentable y fácil de mantener que
es rápida de implementar y fácil de escalar.
La nube también permite que una
empresa ingiera datos de forma fácil y rápida a través de diferentes
plataformas y pilares empresariales, algo que no se logra fácilmente a
través de grandes proyectos de integración. La
disponibilidad de datos de terceros a través de la nube y el acceso a
datos siempre disponibles y coordinados hacen de la nube un entorno
atractivo para la adopción de IA.
5- Comezar con datos inteligentes
Para
tener éxito en la inteligencia artificial, se necesita una gran
cantidad de datos, pero debe ser de la calidad y el tipo de datos
correctos. Después de todo, los malos datos conducen a malas decisiones.
Los datos
estructurados y limpios conducen a decisiones inteligentes. Las
empresas necesitan datos de primera fuente estructurados y limpios, así
como datos de terceros de alta calidad (lo que agrega contexto
adicional) para lograr resultados más inteligentes.
La
recomendación para las empresas es que protejan los puntos de entrada
de información, limpien los datos existentes, verifiquen el
enriquecimiento de los datos, mantengan la actualización continua de los
datos (los datos
estáticos se desactiven rápidamente), marquen continuamente las
irregularidades de los datos y luego conecten los datos limpios entre
los sistemas. Puede parecer contrario a la intuición, pero hay un
elemento humano importante en el enriquecimiento de datos,
que conduce a una inteligencia artificial más inteligente.
Acerca de Oracle
Oracle
Cloud ofrece un conjunto completo de aplicaciones integradas para
Ventas, Servicios, Marketing, Recursos Humanos, Finanzas, Cadena de
Suministro y Manufactura, además de infraestructura Generación 2
altamente automatizada
y segura, con la base de datos autónoma de Oracle. Para obtener más
información sobre Oracle (NYSE: ORCL), visítenos en oracle.com.
Marcas registradas
Oracle
y Java son marcas registradas de Oracle y / o de sus afiliados. Otros
nombres pueden ser marcas registradas de sus respectivos propietarios.
No hay comentarios:
Publicar un comentario