Contenido
- La clave para obtener mejores resultados comerciales de la ciencia de datos
- Extender la IA a aquellos con experiencia en dominios
- Comprender lo que entra en las decisiones
- Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
- Lecciones del surgimiento de Internet
- Hacer la tecnología accesible ahora
- Reduciendo el riesgo al reducir el tiempo y el costo
Fuente: Denisismagilov / Dreamstime.com
Para llevar:
El futuro de la IA no son los impresionantes disparos a la luna, sino el uso cotidiano mundano que asociamos con las hojas de cálculo. Esa es la opinión que algunos tienen sobre el surgimiento de la IA de los campos enrarecidos al uso comercial común.
La clave para obtener mejores resultados comerciales de la ciencia de datos
en un Harvard Business Review artículo, Alessandro Di Fiore, fundador y CEO de la Centro europeo para la innovación estratégica (ECSI) respondió a la suposición de que "las empresas con más científicos de datos tener una mejor oportunidad de generar impacto en el negocio ". Basado tanto en su trabajo de consultoría como en investigación, llegó a la conclusión de que contratar un mayor número de científicos de datos no necesariamente produce mejores resultados para un negocio.
La misma observación se me hizo en una entrevista reciente con Henry James, fundador y vicepresidente ejecutivo de Fincross International, quien dijo que lo que ha visto en empresas con grandes recursos para invertir Ciencia de los datos es que, de hecho, pueden hacerlo mejor con un equipo de cinco personas que de 50.
Extender la IA a aquellos con experiencia en dominios
Di Fiore señaló que lo que realmente marca la diferencia para una empresa es la democratización del acceso a AI herramientas y poder de toma de decisiones entre gerentes y empleados que crea un valor más tangible ". Luego observó:" Las mejores prácticas muestran cómo la democratización puede generar decisiones más rápidas y mejor distribuidas, haciendo que las empresas sean más ágiles y respondan a los cambios y oportunidades del mercado. "(Para saber cómo algunas empresas ya están usando IA, consulte AI hoy: quién lo está usando en este momento y cómo.)
Si bien no le importa el término "democratización" y prefiere el de "deporte de equipo", Todd Hay, director de operaciones de Ople, está de acuerdo con esa opinión. Como explicó en una entrevista con Techopedia, imagina el cambio de la IA rarificada y centralizada a las masas como análogo a la adopción de Hojas de cálculo, una herramienta útil que debería ser utilizada por todos los empresarios.
"Los expertos en materia y dominio están en la mejor posición para evaluar una predicción que puede afectar el negocio", dijo Hay. Pero con una configuración que pone a los científicos de datos a cargo de esos modelos predictivos, "Están excluidos del proceso". Eso no beneficia al negocio.
Aunque reconoce que los científicos de datos tienen la experiencia en matemática y estadística para juzgar si un modelo funciona bien o no, no tienen la capacidad de determinar qué preguntas deberían hacerle a la IA para resolver. Y esa brecha entre la experiencia del modelo y la experiencia de las partes interesadas es lo que explica el hecho de que "70% -80% de los modelos de casos nunca se utilizan".
Comprender lo que entra en las decisiones
Existen otras ramificaciones para no poder entender la forma en que funciona el modelo. En industrias reguladas como la salud, los seguros o las finanzas, dijo Hay, la preocupación es estar en una posición en la que tengan que explicar el proceso de toma de decisiones a los auditores y no poder hacerlo.
Rick Saletta, ejecutivo senior de marketing de ventas de Ople de AI, aprendizaje automático & data science, señaló su acuerdo en la entrevista y dijo que esta es la razón por la cual las empresas ahora buscan desarrollar una "IA transparente", también conocida como IA explicable. Como vimos en AI tiene algunas explicaciones que hacer, en ausencia de una explicación clara de cómo la IA llega a sus conclusiones, no puede estar seguro de que esté "libre de sesgos". Agregó que ya no es aceptable deshacerse de la responsabilidad del negocio de operar de manera justa al decir "la IA sí lo hizo". eso."
Sin errores, sin estrés: su guía paso a paso para crear software que cambie su vida sin destruir su vida
No puede mejorar sus habilidades de programación cuando a nadie le importa la calidad del software.
Lecciones del surgimiento de Internet
El temor que persiste ante la IA que opera como una caja negra está impidiendo que las empresas cosechen todos los beneficios que hace posible. Esa es una mentalidad que tiene que cambiar, según Hay. El sugirió AI hoy es como internet a finales de los 90. Eso significa que habrá algunas fallas espectaculares como Pets.com y otras fallas debido a que la gente no está muy segura de cómo aplicar la nueva tecnología. Y el miedo a la nueva tecnología frena a la gente, dijo: "Es nuevo, aterrador y muy complicado".
Pero también hay una gran oportunidad para quienes lo descubran. "Todo lo que estamos viendo ahora fue abierto por internet porque la gente estaba dispuesta a probar cosas nuevas", dijo Hay. Es la misma situación ahora con AI habilitando a las personas para encontrar lo que "ni siquiera sabían que deberían estar buscando". Tampoco deben dudar de su propia capacidad, ya que muchos "tienen más habilidades en la empresa de lo que pensaban que tienen", en particular "expertos en la materia y las personas que conocen los datos ".
Hacer la tecnología accesible ahora
"Queremos ver cómo cada empresa puede aprovechar la IA ahora, hoy", declaró Hay. Para que eso suceda, es necesario que la IA sea accesible fuera del círculo de expertos en ciencia de datos. "El número de científicos de datos competentes en el mundo está muy por debajo del número de empresas que se beneficiarían de él", explicó. En consecuencia, la clave para resolver más problemas comerciales es "no capacitar a más personas para ser Andrew Ng, sino poner la tecnología a disposición de las personas".
De hecho, esa es la ola del futuro, según Gartner, que predijo este año verá un aumento en Análisis de "autoservicio". Progresos significativos en IA, así como tecnologías complementarias como "SaaS (nube) analítica y BI las plataformas están haciendo que sea más fácil y rentable que nunca que los no especialistas realicen análisis efectivos e informen mejor su toma de decisiones ", observó Carlie J. Idoine, directora de investigación de Gartner.
Cuando eso se pone en práctica en una empresa, y cada vez más empleados superan su renuencia a ayudar a los beneficios de la IA, puede convertirse realmente en un deporte participativo en lugar de espectador dentro de la organización. Ese cambio puede tener un tremendo impacto. (Si no ha pensado mucho en la IA para su negocio, aquí hay algunas implementaciones que puede considerar: 5 formas en que las empresas pueden querer considerar el uso de IA.)
Reduciendo el riesgo al reducir el tiempo y el costo
"La gente tiene tanto miedo de pasar seis meses para formular una hipótesis", explicó Hay, porque es una inversión tan importante de tiempo y dinero que finalmente puede fallar. Sin embargo, si AI no está reservado para estos grandes proyectos de la luz de la luna con un horizonte temporal más largo, pero para tareas más comunes que se completan más rápidamente, posiblemente incluso a diario, se convierten en "más como una hoja de cálculo", lo que significa una herramienta accesible y económica que las personas no son miedo de probar, incluso trabajando a través de varios diferentes para encontrar el que mejor se adapte a sus necesidades.
Sin embargo, Idoine advierte que eso no significa que las empresas solo deben esperar que sus empleados aprendan cómo usarlas y adaptarlas a sus necesidades por su cuenta. Ella insiste en que "se necesitan procesos de capacitación, soporte e incorporación para ayudar a la mayoría de los usuarios de autoservicio a producir resultados significativos". En consecuencia, es necesario proporcionar "la guía correcta sobre cómo comenzar a funcionar rápidamente, así como cómo aplicar sus nuevas herramientas para sus problemas empresariales específicos ". Y eso, en lugar de aumentar los números del equipo de ciencia de datos, es la clave para encontrar mejores soluciones a los problemas empresariales.
