Datos e IA: evite las exageraciones y obtenga valor para su negocio

Datos e IA: evite las exageraciones y obtenga valor para su negocio

Marco publicitario. Aire caliente. Tontería poco escondida. Llámalo como quieras, no hay forma de escapar del ruido que rodea a la IA en este momento y eso puede dificultar la comprensión de lo que realmente está pasando. Aquí está nuestro último seminario web: «Evitar la exageración de los datos y la IA: cómo desbloquear el verdadero potencial empresarial». Explorando todo, desde habilidades y experiencia hasta reglas y regulaciones, nuestros invitados compartieron sus ideas sobre algunos de los problemas más importantes que rodean la IA y los datos en la actualidad y cómo superar el revuelo y lograr un impacto real para su empresa. Michael Seipp, nuestro anfitrión y director de prestación de servicios de 101 Ways, estuvo acompañado por: la Dra. Janet Bastiman, científica en jefe de datos de Napier AI; Alberto Rey Villaverde, consultor y exjefe de operaciones de datos e inteligencia artificial de Virgin Media O2; y Grant Smith, director de tecnología de 101 Ways. ¿Que tenían que decir? Aquí hay un resumen de algunas de las preguntas clave que respondieron durante la discusión. «La IA no es exactamente nueva, entonces, ¿qué hay detrás del reciente aumento de atención?» Según nuestros invitados, algunas fuerzas diferentes se han unido para llevar la IA a lo más alto de la agenda. En primer lugar hay que tener en cuenta el componente humano. Cuando ChatGPT se lanzó en noviembre de 2022, tuvo un gran impacto. Aquí había algo realmente diferente: un chatbot con un sonido muy humano que podía responder de manera brillante y coherente (casi) cualquier pregunta que pudieras tener. Por lo tanto, los modelos de lenguajes grandes (LLM) han desempeñado un papel importante a la hora de poner la inteligencia artificial en el centro de atención. Al mismo tiempo, la fijación de los medios de comunicación por la inteligencia artificial ha ayudado a crear una especie de ciclo de exageración que se perpetúa a sí mismo. A medida que ha aumentado la cobertura de ChatGPT y otras formas de IA generativa, también ha aumentado la cantidad de nuevas empresas que afirman poder utilizar la tecnología para reducir costos, aumentar la productividad y más. Por lo tanto, muchas empresas han decidido que necesitan absolutamente la IA, incluso si no están del todo seguras de qué problemas quieren resolver con ella. Entonces, el interés actual en torno a la IA es, en última instancia, muy similar al que vimos en torno a los big data a finales de la década de 2000 y, de manera muy similar, ahora existe una conciencia cada vez mayor de que la inteligencia artificial no es una solución mágica para todos los problemas. “Hay mucho ruido en torno a la IA, pero obviamente no todo es exageración. Entonces, ¿de qué se trata realmente? No existe una respuesta única para esta pregunta porque depende de todo, desde el espacio en el que opera su empresa hasta su deseo de utilizar la IA en primer lugar. Hoy en día, las aplicaciones prácticas de la IA en la mayoría de las empresas son relativamente limitadas; Normalmente, se utiliza para tareas sencillas como escribir un correo electrónico o crear la agenda de una reunión, por ejemplo. Eso no quiere decir que no haya oportunidades. La IA podría adoptar la forma de un sistema de mantenimiento predictivo que advierta con antelación cuándo es probable que falle una pieza de maquinaria. La IA podría incluso establecer toda la estrategia de una empresa analizando datos e identificando cuál cree que es el mejor curso de acción. En última instancia, la IA es lo que se hace con ella y, al menos hoy en día, la mayoría de las empresas todavía están lejos de obtener un valor real de ella. «Todo el revuelo en torno a la IA ha dificultado tener una conversación significativa al respecto con mi equipo de liderazgo. ¿Cómo abordaría esto?» Por muy distraído que pueda ser el revuelo sobre la IA, también es una excelente manera de involucrar a los ejecutivos. El desafío, dijo nuestro panel, es asegurarse de que comprendan que todos los ejemplos «geniales» de IA son en realidad solo la guinda del pastel. La mayor prioridad aquí es la educación. Si quieres hacer todas estas cosas interesantes, también necesitas poner tu casa en orden. Después de todo, solo hace falta que una parte de tu conjunto de tecnología sea un desastre. su capacidad para obtener valor de la IA Sus ejecutivos deben saber que un LLM no podrá generar un buen guión de servicio al cliente si no tiene el almacén de datos o los modelos de datos estructurados correctamente, por ejemplo, el resto falla, no lo esté. temen señalar ejemplos de fracaso; nadie quiere encontrarse en la situación en la que se encontraba Canada Airlines a principios de año. Los ingenieros no necesariamente están capacitados para ser narradores, pero crear una narrativa sobre la IA ciertamente puede ayudar a fomentar una mejor, conversaciones más reflexivas sobre la IA. «Se habla mucho de crear las bases adecuadas para la inteligencia artificial, pero ¿cuáles son exactamente?» Hay dos cosas a tener en cuenta aquí: datos y talento. Como se mencionó anteriormente, uno de los grandes desafíos de los datos es garantizar que estén estructurados de una manera que permita a la IA extraer valor de ellos. Pero hay más. También debe poder comprender la legalidad de cómo puede utilizar esos datos. ¿Puedes moverlo por todo el mundo, por ejemplo? ¿Puedes compartirlo con API de terceros? Éstas son preguntas cruciales que debemos plantearnos. Cuando se trata de talento, normalmente se trata de tener a las personas adecuadas en los lugares adecuados. Esto es importante no sólo desde una perspectiva técnica, sino también para ayudar a identificar los casos de uso correctos. Si no cuenta con personas que comprendan los problemas que intenta resolver, es muy fácil tomar el camino equivocado con la IA. «¿En qué deberíamos pensar desde una perspectiva regulatoria cuando se trata de inteligencia artificial?» La explicabilidad es vital. Si va a utilizar la IA para informar algunas de las decisiones que toma, entonces también debe poder comprender cómo se llegó a esa solución y por qué. Esto es cierto para cualquier aplicación de IA, pero particularmente cuando los resultados generados impactan a los clientes o usuarios de alguna manera. Como nota al margen sobre la explicabilidad, vale la pena recordar que la IA no siempre tiene razón. A menos que conozca íntimamente un algoritmo y comprenda verdaderamente por qué se hace una recomendación, no sería prudente seguirlo sin mayor consideración. “¿Cuál es la diferencia entre un facilitador y una aplicación directa cuando se trata de inteligencia artificial?” Básicamente, son exactamente lo que parecen. Los habilitadores son las cosas que le ayudan a poner en funcionamiento la IA, y las aplicaciones son las formas en que puede implementarla. Por tanto, el talento, los datos, la potencia informática, etc., son facilitadores. Chatbots, análisis predictivos, sistemas de detección de fraude: esto es lo que llamamos aplicaciones directas. «¿Qué has aprendido sobre cómo aprovechar al máximo la IA durante su implementación?» La experiencia en el sector es esencial. Refiriéndose a un modelo creado para imitar las decisiones de precios tomadas por los comerciantes de asientos para una gran aerolínea, por ejemplo, Alberto enfatizó que se necesitaba el aporte de un comerciante real para lograr un nivel suficiente de precisión. La experiencia en el dominio puede proporcionar contexto a un algoritmo, ayudando a un modelo de aprendizaje automático a comprender por qué se tomó una decisión, no solo qué se decidió. También es importante mantener un buen nivel de escepticismo hacia la inteligencia artificial. Grant compartió un ejemplo de un LLM creado para pronosticar datos de precios de viviendas. Lo que rápidamente salió a la luz fue que, más que solo los datos con los que se alimentaba, el modelo también se inspiró en una amplia gama de blogs que analizaban los precios de la vivienda. Una vez más, las pruebas y la explicabilidad son clave. ¿Busca consejos en su viaje hacia los datos y la IA? Podemos ayudar.

About Francisco

Check Also

Qué esperar de tu primer proyecto

Qué esperar de tu primer proyecto

Embarcarse en su primer proyecto de desarrollo de software personalizado puede ser a la vez …

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *