Las soluciones de inteligencia artificial y aprendizaje automático son cada vez más comunes en todas las industrias. Utilice estos cuatro pasos para una implementación exitosa.
Imagen: Tierney – stock.adobe.com
La exageración de cómo la inteligencia artificial puede cambiar milagrosamente el mundo continúa llenando los medios de comunicación. Aún así, la realidad de la rapidez con la que la ciencia detrás de la IA está evolucionando y se está volviendo común en todas las industrias y facetas de los negocios no se verá obstaculizada. Para el año 2025, la intersección de la IA “avanzada” y las máquinas inteligentes se convertirá en parte de las “cosas que sé cómo usar” de cada usuario.
A medida que más industrias adoptan soluciones de IA y adquieren conocimientos sobre cómo la IA afecta su compromiso con los proveedores y empleados, es importante que las organizaciones sigan cuatro pasos clave para implementarlas.
1. Conozca sus roles clave para la implementación de AI / ML
Si bien los roles como científico de datos, director de datos e ingeniero de datos sénior son vitales para implementar sistemas de IA / ML, los dos roles siguientes son imperativos para la implementación práctica.
Analista de datos comerciales: esta función es crucial para comprender el uso de datos y aprender los principios clave del uso de datos para los conjuntos de datos de capacitación y validación. Entienden la aplicación práctica de los datos y pueden ayudar al equipo de implementación técnica a moverse de manera eficiente.
Ingeniero de aprendizaje automático: si bien esta función es crucial, a menudo puede contratar inicialmente un recurso experimentado y tener uno como retenedor para el mantenimiento continuo. Encontrar un miembro experimentado del equipo de TI con experiencia en inteligencia empresarial que pueda mejorar sus habilidades para este rol le permite tener un miembro del equipo que pueda unir las operaciones comerciales y la experiencia de datos. A menudo, comprenden los resultados muy rápidamente y pueden cumplir esta función mediante la capacitación y el tiempo práctico con el contratista o la empresa de servicios.
2. Defina sus necesidades y los resultados comerciales esperados
Antes de comenzar cualquier proyecto nuevo, debe conocer los puntos débiles que está tratando de resolver para definir sus necesidades. La implementación de una solución de IA / ML no es diferente.
Asegúrese de que su punto de dolor requiera una solución de IA / ML. Algunas organizaciones pueden querer usar tecnología de IA o ML porque es de vanguardia. Dependiendo del problema, la respuesta solo puede requerir herramientas de análisis o codificación comercial adicional. Las soluciones de IA y ML funcionan mejor cuando necesita la capacidad de procesar conjuntos de datos muy grandes con márgenes bajos de forma recurrente.
Una vez que haya determinado que una solución de IA / ML es la solución adecuada, identifique cómo esta solución agrega valor y qué recursos se requieren para alcanzar sus objetivos. Ya sea creando un nuevo producto o servicio o mejorando las operaciones para escalar el negocio, definir su objetivo final facilitará la consecución de un valor sostenible.
3. Analice y cree conjuntos de datos basados en el Paso Uno. Prueba a fondo.
Comprender el tipo de datos o información necesaria evitará que las organizaciones pierdan tiempo en información incorrecta. Para controlar el sesgo y reducir las posibilidades de sobreajuste o desajuste, deje suficiente tiempo para que su equipo se prepare adecuadamente, investigue y revise los datos con las partes interesadas críticas. Este paso es vital. Si es necesario, duplique sus estimaciones para asegurarse de obtener los resultados adecuados y poner en funcionamiento el mantenimiento continuo con suficiencia.
Siempre pruebe sus modelos de datos. Este paso está estrechamente alineado con la preparación de los datos. También requiere un especialista con una sólida comprensión de las pruebas de soluciones de AI / ML y experiencia operativa. Para garantizar la confianza en los resultados, las pruebas siempre deben ser administradas por alguien que pueda identificar rápidamente cuando los conjuntos de datos y los parámetros de ajuste asociados no están configurados correctamente.
4. Gestione las expectativas y el sesgo de sus datos poniendo en práctica la solución.
Una vez en producción, el equipo responsable de la gestión continua de la solución AI / ML impacta directamente en el valor y la capacidad de escala de la solución. Debe tratar la solución AI / ML con el mismo cuidado con el que implementa su código. Definido como un proceso fundamental y fundamental, su gobierno de datos lo ayudará a comprender las métricas clave que deben monitorearse continuamente para su inspección y mantenimiento. El no hacer esto resultará en costos drásticos para corregir, o los resultados pueden estar sesgados de una manera no deseada.
Muchas organizaciones están enfocadas en lanzar su solución AI / ML lo más rápido posible. Aquellos que se apresuran se arriesgan a que los usuarios no entiendan los resultados finales y las verdaderas capacidades de la tecnología. Además, es igualmente importante perfeccionar su mensaje y asegurarse de que el valor que afirma coincide con el valor que los usuarios esperan de él.
La tecnología AI / ML no es una tendencia. Está transformando fundamentalmente los modelos de negocio, acelerando la eficiencia operativa y los avances tecnológicos de manera que crearán valor permanente para los empleados, clientes y partes interesadas.
David Kramer, director de tecnología de ThinkWhy, es responsable de la estrategia y el desarrollo de tecnología en apoyo de la misión de la empresa de crear mejores vidas profesionales. Aporta más de 20 años de experiencia en la ingeniería, implementación y operaciones de servicios de tecnología seguros y escalables en una amplia gama de plataformas, incluidas telecomunicaciones globales, computación de alto rendimiento para investigación y desarrollo, entornos empresariales Fortune 50 y análisis a gran escala y sistemas de aprendizaje automático implementados en los servicios en la nube de Microsoft, Google y Amazon. David posee certificaciones profesionales en ML, AI, una licenciatura en finanzas y una maestría en ingeniería de software de la Southern Methodist University.
La comunidad de InformationWeek reúne a profesionales de TI y expertos de la industria con asesoramiento, educación y opiniones de TI. Nos esforzamos por destacar a los ejecutivos de tecnología y expertos en la materia y utilizamos sus conocimientos y experiencias para ayudar a nuestra audiencia de TI … Ver biografía completa Agradecemos sus comentarios sobre este tema en nuestros canales de redes sociales, o [contact us directly] con preguntas sobre el sitio.
Más información
! function (f, b, e, v, n, t, s) {if (f.fbq) return; n = f.fbq = function () {n.callMethod? n.callMethod.apply (n, argumentos): n.queue.push (argumentos)}; if (! f._fbq) f._fbq = n; n.push = n; n.loaded =! 0; n.version = ‘2.0’; n.queue =[] ; t = b.createElement (e); t.async =! 0; t.src = v; s = b.getElementsByTagName (e)[0] ; s.parentNode.insertBefore (t, s)} (ventana, documento, ‘script’, ‘https: //connect.facebook.net/en_US/fbevents.js’); fbq (‘init’, ‘832000476880185’); fbq (‘pista’, ‘Vista de página’); (función (d, s, id) {var js, fjs = d.getElementsByTagName (s)[0] ; if (d.getElementById (id)) return; js = d.createElement (s); js.id = id; js.src = “//connect.facebook.net/en_US/all.js#xfbml=1&appId=640989409269461”; fjs.parentNode.insertBefore (js, fjs); } (documento, ‘script’, ‘facebook-jssdk’));
Source: https://www.informationweek.com/big-data/ai-machine-learning/accelerating-the-practical-use-of-ai/a/d-id/1339902?_mc=rss_x_iwr_edt_aud_iw_x_x-rss-simple
