Cómo llevar una organización a la era de la Inteligencia Artificial
Recomendaciones
Pasos definidos en el Manual:
- Ejecutar proyectos piloto para ganar impulso.
- Construir un equipo interno de IA.
- Proporcionar una amplia formación en IA.
- Desarrollar una estrategia de IA.
- Promover las comunicaciones internas y externas.
1. Ejecutar proyectos piloto para ganar impulso
Los primeros proyectos deben ser lo suficientemente significativos como para que la organización se familiarice con la IA y que las personas se animen a participar y promuevan la nueva tecnología, pero no deben ser tan pequeños como para que los consideren triviales. Lo importante es mostrar resultados para que el equipo de IA gane impulso.
Características sugeridas para los primeros proyectos de IA:
- Lo ideal sería que un equipo de IA nuevo o externo (que puede no tener un profundo conocimiento de su negocio) se asocie con los equipos internos (que tienen conocimiento de sus entornos) y construya soluciones de IA que empiecen a mostrar tracción en un plazo de 6 a 12 meses.
- El proyecto debe ser técnicamente viable. El hecho de que los técnicos de IA confíen en la correcta ejecución de un proyecto antes de su inicio, es fundamental para su viabilidad.
- Definir claramente su objetivo y cómo se medirá para crear valor.
Cuando Andrew Ng dirigía el equipo de Google Brain, había un significativo escepticismo sobre la tecnología de aprendizaje profundo (“deep learning”). Para ayudar al equipo a ganar impulso, eligió al equipo de Google Speech como su primer cliente interno, y trabajó estrechamente con ellos para que el reconocimiento de Google Speech fuera mucho más preciso. El reconocimiento de voz es un proyecto significativo dentro de Google, pero no es el más importante; por ejemplo, es aplicar la IA a la búsqueda web o a la publicidad tiene más impacto en el balance final de la organización. Pero al hacer que el equipo de reconocimiento de voz tuviera éxito mediante el aprendizaje profundo, otros equipos empezaron a confiar en la tecnología, lo que permitió que el equipo de Google Brain ganara impulso.
Una vez que otros equipos comenzaron a ver el éxito de Google Speech trabajando con Google Brain, conquistaron más clientes internos. El segundo cliente interno más importante del equipo fue Google Maps, que utilizó el aprendizaje profundo para mejorar la calidad de los datos de los mapas. El impulso que se fue dando gradualmente condujo a más proyectos exitosos de IA. Este proceso es un modelo replicable que se puede aplicar en las organizaciones.
2. Construir un equipo interno de Inteligencia Artificial
Si bien otros equipos con profundos conocimientos técnicos en IA pueden colaborar en dar impulso inicial más rápidamente, a largo plazo será más eficiente ejecutar algunos proyectos con un equipo interno de IA. En la era de la IA, un momento clave para muchas organizaciones será la formación de un equipo interno de IA que pueda ayudar a todos sus sectores.
Sus responsabilidades clave son:
- Desarrollar habilidades de IA que apoyen a toda la organización.
- Ejecutar una secuencia inicial de proyectos IA para apoyar a las diferentes divisiones/unidades de negocio.
- Después de completar los proyectos iniciales, establecer procesos regulares para entregar continuamente proyectos de IA que agreguen valor.
- Desarrollar estándares consistentes para el reclutamiento y la retención de personal valioso.
3.Proporcionar formación en Inteligencia Artificial
Debido a que es difícil de encontrar personas con capacidades en IA, son pocas las organizaciones que cuentan con suficiente talento interno en el manejo de esta tecnología. Afortunadamente, con el auge de los contenidos digitales, incluidos los MOOC (cursos masivos abiertos en línea), los libros electrónicos y los vídeos de YouTube, resulta más rentable que nunca formar al personal en nuevas habilidades. El CLO (Chief Learning Officer) inteligente sabe que su trabajo es curar, en lugar de crear contenido, y luego establecer procesos que aseguren un aprendizaje eficaz y eficiente.
Muchos de los trabajos existentes, se transformarán debido a la IA, por lo que es importante facilitar los conocimientos para que las personas puedan adaptarse a sus nuevos roles.
Un plan teórico de educación incluiría estos aspectos:
Ejecutivos y altos directivos (4 horas de formación)
Objetivo
Trabajar con los altos mandos sobre lo que la IA puede hacer por su organización, comenzar a desarrollar la estrategia, tomar las decisiones apropiadas de asignación de recursos y colaborar con el equipo desarrollando proyectos de Inteligencia Artificial.
Currículum
- Comprensión básica de asuntos relacionados con la IA, incluyendo tecnología básica, datos, y lo que esta tecnología puede y no puede hacer.
- Análisis del impacto de la IA en la estrategia corporativa.
- Casos de estudio sobre aplicaciones de la IA en otras organizaciones o áreas similares.
Líderes de división que llevan a cabo proyectos de Inteligencia Artificial (12 horas de formación)
Objetivo
Establecer la dirección de los proyectos de IA, asignar recursos, supervisar, hacer un seguimiento de los progresos y hacer las correcciones necesarias para garantizar el éxito de los mismos.
Currículum
- Comprensión básica de asuntos relacionados con la IA, incluyendo tecnología, datos, y lo que la IA puede y no puede hacer.
- Comprensión técnica básica de la IA, incluyendo las principales clases de algoritmos y sus requisitos.
- Comprensión básica del flujo de trabajo y los procesos de los proyectos de IA, administración, roles y responsabilidades en los equipos.
Ingenieros en técnicas de IA (100 horas de formación)
Objetivo
Reunir datos, entrenar modelos de IA y realizar proyectos específicos de aplicación.
Currículum
- Profundo conocimiento técnico del aprendizaje automático (“machine learning”) y del aprendizaje profundo (“deep learning”); comprensión básica de otras herramientas de IA.
- Comprensión de las herramientas disponibles (de código abierto y otras de terceros) para construir sistemas de Inteligencia Artificial y de datos.
- Capacidad para implementar el flujo de trabajo y los procesos de los equipos de IA.
Será necesario además habilitar la educación continua para mantenerse al día con la evolución de la tecnología de IA.
4. Desarrollar una estrategia de IA
Una estrategia de IA guiará a las organizaciones hacia la creación de valor en variadas ramas de actividad. Una vez que los equipos empiecen a ver los beneficios del impacto de los proyectos iniciales de IA y se genere mayor conocimiento y confianza, se podrán identificar los lugares donde crear más valor y enfocar recursos.
Es importante diseñar estrategias alineadas con el “círculo virtuoso de la IA”. Por ejemplo, los principales motores de búsqueda como Google, Baidu, Bing y Yandex tienen un enorme activo de datos. Estos datos ayudan a las organizaciones a crear un producto (el motor de búsqueda) más preciso (A), lo que a su vez les ayuda a adquirir más usuarios (B), lo que a su vez hace que tengan aún más datos de usuarios (C).
Los datos son un activo clave para los sistemas de Inteligencia Artificial. Por ello, muchas grandes empresas de IA tienen una sofisticada estrategia para conseguir y hacer crecer sus datos.
Los elementos clave de la estrategia de datos deberían incluir:
Adquisición de datos estratégicos
Se pueden construir sistemas de IA útiles desde 100 puntos de datos ("datos pequeños") hasta 100.000.000 de puntos de datos ("datos grandes"). Tanto Google como Baidu tienen numerosos productos gratuitos que no son rentables, pero que les permiten adquirir datos que pueden ser monetizables en otras aplicaciones.
Almacenes de datos unificados
Es importante centralizar los datos en uno o, como mucho, un pequeño número de almacenes de datos que concentren la información y permitan un acceso sencillo y rápido.
Reconocer qué datos son valiosos y cuáles no
Disponer de muchos terabytes de datos no implica crear valor a partir de ellos. El equipo de IA debe participar desde el principio en el proceso de adquisición de datos, ayudando a priorizar qué tipos de datos adquirir y guardar.
5. Desarrollar las comunicaciones internas y externas
La IA afectará significativamente la actividad de la organización, por lo que es necesario crear un programa de comunicación, que ayude a alinear a las partes involucradas.
Aspectos a tener en cuenta
- Comunicaciones internas
Debido a que la IA todavía es poco entendida y la Inteligencia Artificial General ha sido sobrevalorada, hay miedo, incertidumbre y duda. Es importante explicar claramente cómo la IA crea valor en la organización, describir sus crecientes capacidades y tener una estrategia de IA.
Las comunicaciones internas transparentes, tanto para explicar la IA como para abordar las preocupaciones de las personas, reducirán cualquier reticencia interna a adoptar la IA.
- Informar a quienes la utilizan
La IA probablemente traerá beneficios significativos los usuarios, por lo que será necesario difundir mensajes apropiados, en tiempo y forma, así como la hoja de ruta del producto o servicio.
- Talento/reclutamiento
Comunicar los éxitos iniciales de los proyectos del equipo de IA, puede ser beneficioso para atraer nuevos talentos, que tengan interés en trabajar en iniciativas desafiantes y significativas.
Consideraciones finales
Para lograr buenos resultados en IA, la organización debe tener:
- Recursos suficientes para ejecutar sistemáticamente diversos proyectos de IA.
- Suficiente comprensión de la IA: procesos adecuados para identificar y seleccionar sistemáticamente proyectos valiosos en los que trabajar.
- Dirección estratégica: la estrategia de la organización debe estar alineada para tener éxito en un futuro impulsado por la IA.
- Un programa de transformación hacia la IA puede tomar de 2 a 3 años, pero los primeros resultados concretos deberían verificarse en los primeros 6 a 12 meses.