Yosemite Fitness
Related Articles
Recientemente hablamos con Glen McCracken, director de datos, análisis y automatización de ION Analytics, quien compartió sus experiencias de primera línea sobre lo que se necesita para aprovechar los beneficios de la IA. Glen ha pasado más de una década aprovechando datos, inteligencia artificial, aprendizaje automático y RPA para impulsar el crecimiento y la eficiencia organizacional en una variedad de sectores industriales, incluidos la banca de inversión, los medios digitales, las telecomunicaciones y el entretenimiento deportivo. Durante los últimos tres años, Glen ha liderado un equipo de especialistas en ION Analytics dedicado a democratizar el acceso a los datos y permitir decisiones sobre datos más informadas. Sus conocimientos del mundo real sobre cómo empezar a utilizar la IA constituyen una lectura fascinante. El punto de partida de la inteligencia artificial son los datos. ¿Puedes explicarlo? Absolutamente. Tengo la suerte de trabajar para una empresa apasionada por los datos, con más de 35 años de datos transaccionales con los que trabajar y disciplinas bien establecidas en todo, desde la gobernanza de datos hasta la implementación de canales de datos reproducibles. Dicho esto, cuando se trata de aplicar IA, automatización y análisis para beneficiar a nuestros clientes y aumentar nuestra eficiencia operativa y crecimiento, hemos tenido que seguir prácticamente el mismo proceso de pensamiento que las organizaciones que acaban de iniciar. Porque sea cual sea la forma que adopte su proyecto de IA, todo comienza con los datos. Y con esto me refiero a datos limpios que se encuentran en un estado utilizable. Para nosotros, esto significó comprender cómo extraer, limpiar y estructurar datos, cómo combinarlos con otras fuentes de datos para obtener nuevos conocimientos y hacerlos accesibles a los usuarios. ¿Cómo logras todo esto? Parece obvio decirlo, pero primero debes embarcarte en un viaje de descubrimiento: ¿qué datos tienes, dónde están almacenados y quién puede acceder a ellos? A continuación, debe crear un equipo de datos dedicado construido en torno a cuatro funciones clave: Ingenieros de datos: absorben datos, los convierten en procesables e introducen los resultados en los flujos de trabajo. Expertos en visualización de datos, que utilizan herramientas como Power BI para ofrecer a los usuarios nuevas capacidades de datos, que incluyen información predictiva. Científicos de datos: que se centran en encontrar nuevas formas de obtener aún más conocimientos y valor de los datos. Por ejemplo, utilizar GenAI para enriquecer datos e incorporar esta información en los flujos de trabajo. Analistas de datos: abordan requisitos ad hoc que incluyen solicitudes de información complejas de partes interesadas de alto nivel del negocio. ¿Se trata de limpiar los datos y terminamos? Me gustaría decir que este es el caso, pero cuanto más utilizamos y confiamos en los datos de nuestros modelos de IA, más nos damos cuenta de que nuestros datos están lejos de ser perfectos. Como resultado, hemos establecido circuitos de retroalimentación y controles de verificación para mejorar la limpieza de nuestros datos. De hecho, estamos aplicando una mentalidad similar a Kaizen para crear un ciclo de mejora continua. Al trabajar en proyectos de IA cada vez más sofisticados, nos hemos vuelto más “conscientemente competentes” a medida que aprendemos más sobre cómo es la calidad de los datos para las empresas. Al mismo tiempo, cada vez más partes interesadas dentro de la empresa se interesan más por la calidad de los datos. En otras palabras, hemos recopilado datos de calidad de manera efectiva y ahora nos beneficiamos de información valiosa de expertos en la materia de toda la empresa. Esto nos ayuda a ajustar y refinar la calidad de nuestros datos. ¿Cómo definiste tu estrategia de IA? Suelo decir que tener una estrategia de IA es tan útil como tener una estrategia de PowerPoint. La IA es una herramienta fenomenal, pero en realidad es sólo un facilitador que debe aplicarse en el contexto de la resolución de problemas empresariales del mundo real. Sugiero considerar su estrategia comercial y luego examinar cómo los datos y la IA podrían mejorar esa estrategia. Creo firmemente en el modelo de cambio de Kotter, por lo que recomiendo comenzar con «proyectos de atracción» que sean candidatos convincentes para la IA. Este tipo de proyectos brindan la oportunidad ideal para desarrollar la visión del cambio en colaboración con las partes interesadas del negocio que tienen más probabilidades de brindar la aceptación, el compromiso y el apoyo necesarios para garantizar el éxito del proyecto. ¿Puedes darme un ejemplo de la vida real? Cuando nuestro equipo de marketing quiso alejarse de los mensajes genéricos y personalizar los mensajes para tipos de clientes específicos, organizamos un hackathon para encontrar formas en que la IA pudiera ayudar a personalizar excesivamente las campañas de correo electrónico de manera extremadamente eficiente. Usar la IA tradicional para segmentar y clasificar a los clientes fue solo el comienzo. También utilizamos GenAI para crear texto enfocado y con muchos matices. Y los resultados del proyecto han sido impresionantes: las campañas ahora generan tasas de clics significativamente más altas, en algunos casos hasta siete veces. Al sacar el robot del ser humano, hemos ayudado a nuestro relativamente pequeño equipo de marketing a convertirse en una máquina generadora de ingresos y clientes potenciales muy eficaz que supera su peso. ¿Qué consejos puede compartir con las organizaciones que recién comienzan con la IA? Consigue ayuda. El beneficio que obtenga al utilizar expertos experimentados para avanzar en sus primeros proyectos valdrá su peso en oro. En lugar de pasar por el doloroso proceso de prueba y error, rápidamente comenzará a cosechar los beneficios. Además, podrá maximizar la transferencia de conocimientos a sus equipos. Después de eso, se trata de mejorar haciéndolo, y hemos descubierto que los hackathons son una excelente manera de aumentar su experiencia y garantizar que sus empleados desarrollen habilidades. Existen algunas herramientas de inteligencia artificial increíbles y más en camino. Nunca ha habido un momento más emocionante para empezar a trabajar con IA para hacer cosas verdaderamente creativas. ¿Busca información sobre casos de uso de IA en el mundo real? Podemos ayudar. Para escuchar más de expertos de la industria como Jon y Oliver, consulte nuestra serie de podcasts Team Takeover. La publicación Cómo implementar la IA y lecciones aprendidas apareció por primera vez en 101 Ways.
