Se acercan tus vacaciones y has tenido en cuenta hasta el más mínimo detalle para que todo salga perfecto. Llega el gran día ¡qué alegría! Pero... por azar del destino la alarma del móvil no suena (sí, la ley de Murphy existe y esta es la prueba), por lo que sales tarde de casa. Cuando por fin consigues llegar al aeropuerto, nada más dirigirte a la puerta de embarque, te das cuenta de que no llevas encima el pasaporte. ¡Vaya odisea! ¿No tenías todo bajo control? ¿Cómo puedes haber olvidado el detalle más importante? Una situación similar ocurre con las organizaciones cuando no saben identificar los factores más relevantes que deben tener en cuenta antes de poner en marcha un proyecto basado en inteligencia artificial. Aquellas empresas que antes dudaban del poder transformador de la IA, han podido comprobar que durante la pandemia del COVID-19 está teniendo un papel decisivo en el seguimiento del número de casos y las previsiones de reapertura global. Para hacernos una idea del avance de la IA, una encuesta de septiembre de 2020 de Gartner reveló que
“el 24% de las organizaciones de los 200 encuestados de IT aumentaron sus inversiones en inteligencia artificial (IA) y el 42% las mantuvo sin cambios desde el inicio del COVID-19”.
“El 79% de los encuestados dijo que sus organizaciones estaban explorando o probando proyectos de IA, mientras que el 21% dijo que sus iniciativas de IA estaban en producción".
Pese a estas cifras, hay empresas que siguen reacias a dar el gran paso hacia la inteligencia artificial, sobre todo las que tienen poca o ninguna experiencia con proyectos de este tipo. Gracias a la llegada de las plataformas colaborativas de data analytics, las barreras hacia la IA se están reduciendo en gran medida. La inteligencia artificial es en uno de los destinos de ensueño al cual muchas organizaciones aspiran a llegar, aun así, algunas siguen sin dar el primer paso.
Si crees que tu empresa está lista para dar el gran paso rumbo a la inteligencia artificial, te preparamos esta ruta con las 5 cosas que debes tener en cuenta en este viaje tan apasionante que vas a comenzar: 1. Haz un balance del nivel de madurez en el ámbito de Data Analytics En primer lugar, es fundamental identificar claramente el valor añadido que aportará el proyecto de IA a una compañía. ¿De qué forma? Manteniéndose bien informado acerca de los diferentes casos de uso por sector, reuniéndose con expertos de la industria e invirtiendo en formación. El objetivo es tener una idea precisa y clara con respecto al valor que un proyecto basado en IA puede aportar a la empresa. Es muy recomendable hacer uso de ejemplos aplicables a la realidad, que estén directamente relacionados con los objetivos de la compañía y vayan en la misma dirección.
Como punto de partida, es aconsejable comenzar con proyectos simples, cuyo ROI esté bien identificado de antemano. Esta es la única forma de demostrar los beneficios de la IA: con aspectos tangibles para progresar y dar confianza tanto a los equipos como a los altos cargos y ganar su aceptación.
2. No subestimes el tiempo necesario para tu proyecto de IA
Una de las cuestiones más cruciales para los clientes es la gestión del tiempo en un proyecto. Es necesario tener mucho cuidado para no subestimar la duración del mismo. Por ejemplo, arrancar un proyecto con la mentalidad de que solo durará dos semanas en lugar de dos meses es poco realista y genera frustración entre los equipos involucrados.
Es ahí donde las plataformas de inteligencia artificial pueden ayudar a acelerar los procesos para crear soluciones de la manera más eficiente posible para cualquier proyecto. Plataformas como Dataiku permiten que las organizaciones creen sistemas intuitivos para predecir la facturación de los próximos meses. ¿Cómo es posible? Mediante el entrenamiento de una máquina con resultados de los meses anteriores, con tan solo cargar un simple archivo en formato csv.
Realizar transformaciones de datos con este tipo de plataforma ayuda a los equipos a establecer el seguimiento entre los pedidos de principios de mes y la facturación final.
Todo funciona con pasos sencillos e intuitivos, que requieren poco conocimiento técnico para aquellos que trabajen mejor con interfaces de visualización de datos. Por otro lado, los perfiles técnicos que prefieran implementar código también podrán hacerlo. En definitiva, todos pueden trabajar de la forma que se sientan más cómodos, logrando democratizar el dato, un aspecto fundamental en el viaje hacia la Inteligencia Artificial.
3. Prepara tu Kickoff
Al igual que un actor se prepara antes de comenzar sus actuaciones, los equipos de trabajo deben estar preparados de cara al kickoff. Deben prepararse y asegurarse de que un proceso específico se implemente para calcular el ROI potencial de cada proyecto. Una vez hecho esto e identificado el objetivo y las necesidades de cada parte interesada, llega el momento de concretar una reunión de Kickoff. Estas reuniones ayudarán en los proyectos de IA, de forma que estos tengan suficientes bases para sostenerse, en términos de visión técnica y de negocio.
Un proyecto de IA que no cuente con el apoyo suficiente puede dar lugar a respuestas de problemas que no son prioritarios para la empresa y estar destinado al fracaso. Es recomendable empezar con un proyecto sencillo y de alcance reducido para llegar a un Producto Mínimo Viable (MVP) sobre el que podremos iterar.
4. Fomenta el uso de la IA entre diferentes departamentos
Industrializar la IA significa fomentarla en todos los departamentos de la empresa y automatizar ciertas partes del proceso.
Una vez identificado el caso de uso, y existiendo interés en utilizar herramientas de IA, es posible desarrollar una solución a pequeña escala con éxito, hasta el punto de convencer a otros departamentos (marketing, RR.HH.) a invertir también en este tipo de tecnología.
Pongamos un ejemplo: la automatización de tareas repetitivas como cargar y procesar datos y la ejecución de trabajos de puntuación permite a los diferentes equipos gestionar más proyectos y delegar otros, optimizando los tiempos de entrega.
5. Evita los fallos técnicos involucrando a IT desde el comienzo del proyecto
Muy a menudo los proyectos corporativos se prolongan mucho más de lo esperado. Para evitar este inconveniente es fundamental contar con todo el equipo de IT desde el principio del proyecto.
Aunque algunos departamentos consideren a la TI como un obstáculo, es esencial que estén involucrados en todas las etapas de un proyecto. De hecho, la calidad de la infraestructura técnica es una condición indispensable para el éxito de una aplicación de IA. Por tanto, es imprescindible hacer un esfuerzo a nivel de dirección, para que todas las partes se comuniquen de forma eficaz. Esto a veces requiere la creación de equipos multifuncionales.
Por último, es fundamental contar con una infraestructura de datos de calidad para que puedas escalar sobre una base técnica sólida. En etapas iniciales se recomienda comenzar el viaje junto a partners que te guiarán a lo largo del camino y con los que aprenderás para poder afrontar de manera autónoma proyectos a gran escala a medio/largo plazo.
Keyrus, Dataiku & Snowflake - tus mejores aliados
Dataiku cuenta con una serie de características idóneas para iniciarte en el mundo de la IA:
Es fácil de usar: todas las empresas pueden utilizarlo porque ofrece una visión simplificada de cada proyecto de IA. Los equipos tendrán una visión global de todos los proyectos y el journey de los datos, desde la manipulación hasta la visualización de datos y su aplicación final.
Facilita el escalado. La herramienta puede conectarse, de forma agnóstica a los datos, a cualquier tipo de motor computacional y a cualquier tipo de datos (en la nube, on-premise o híbridos). El conector nativo de Snowflake permite a los data scientists ejecutar una consulta durante dos minutos y pagar sólo por esos dos minutos de tiempo de cálculo.
Las funcionalidades de Dataiku son sencillas y accesibles, lo que te permitirá crear proyectos de IA de principio a fin. La herramienta permite la creación de aplicaciones finales destinadas a los usuarios finales, por lo que se adapta a la fase de industrialización.
Cuenta con la capacidad de reunir a los colaboradores en una única herramienta. Con Dataiku, todos colaboran en el mismo lugar, cada uno con su parte del proyecto. Todos pueden "ver" lo que hacen los demás, sin poder modificarlo (si no tienen permiso para ello). El data scientist, por ejemplo, se encargará de la parte de Machine Learning, el analista de datos se conectará a los conjuntos de datos de resultados, el director de ventas tendrá acceso a los cuadros de mando, etc.
Dataiku permite el desarrollo de IA desde cero, pero también permite el uso de lenguajes, librerías, plugins y todo tipo de componentes que permiten la reutilización de código existente.
Fuentes:
Todos los derechos reservados a Dataiku