Identificar e implementar aplicaciones para la inteligencia artificial (IA) – Arquitectura empresarial basada en datos

Cómo identificar y aplicar correctamente las aplicaciones de la IA en las empresas

La inteligencia artificial (IA) tiene muchas aplicaciones prácticas para los negocios. Piensa en la IA como un marco más amplio que proporciona diferentes capacidades. Las compañías que implementan la IA deben revisar su visión y desarrollar una estrategia de IA que se alinee con sus objetivos y enfoque más amplios. Para su aplicación, el requisito básico son los casos de uso basados en datos. También se debe elegir desde el principio una arquitectura flexible y modular, que se pueda ampliar y mejorar a voluntad en el futuro.

Si ya ha leído la primera parte de la serie «La Guía Ejecutiva de la Inteligencia Artificial», ya sabe por qué la IA es esencial para el procesamiento efectivo de datos y qué siete componentes componen una «Empresa Cognitiva», la empresa de la IA.

La inteligencia artificial tiene muchas aplicaciones prácticas para las empresas y se utiliza hoy en día para mejorar, perfeccionar y modificar procesos o productos.

Un sistema de IA exitoso no es una coincidencia

Es imposible obtener valor de algo si no se entiende, a menos que sea un feliz accidente. En el mundo de la informática, y por lo tanto de la IA, no hay accidentes felices; una solución de IA se define con una precisión meticulosa, teniendo en cuenta los objetivos específicos, los datos disponibles y los algoritmos utilizados.

La IA tiene básicamente dos competencias básicas. Una es la recopilación de información como el reconocimiento de voz e imágenes, la búsqueda y la agrupación. Esto permite a las máquinas convertir la información de datos no estructurados a datos estructurados. En segundo lugar, la IA puede usarse para contextualizar la información entre sí para «entender lo que está pasando». Esto incluye capacidades como la comprensión del lenguaje natural (NLU), las optimizaciones, las predicciones y la comprensión (del contexto).

Estas diferentes capacidades funcionan de manera secuencial y normalmente también se fusionan con otras tecnologías (por ejemplo, automatización de procesos robóticos, computación en nube, Internet de las cosas, etc.) para formar una única entidad. Sólo mediante la fusión de diferentes enfoques y tecnologías se puede explotar plenamente el potencial de los datos.

Los casos de uso basados en datos son el requisito previo básico

Para introducir los casos de uso de la IA, las empresas deben empezar por sus objetivos estratégicos e identificar los retos urgentes o las visiones de procesos/productos/servicios que deben abordarse. Hay varias técnicas, como los talleres de pensamiento de diseño o el mapeo de historias de usuarios, que pueden apoyar este proceso.

El siguiente paso es analizar las áreas identificadas para la viabilidad económica y la viabilidad técnica. Sólo si se dispone de datos suficientes y se pueden combinar los datos necesarios de los diferentes sistemas se puede hacer posible una solución basada en la IA. De no ser así, la gestión de los datos debe adaptarse de antemano a las necesidades futuras.

Para una mejor visión general, recomiendo introducir los resultados del análisis en un mapa de calor de la IA o documentar la información de otra manera. Con esta visión general, se pueden evaluar las diversas opciones. Si una empresa decide llevar a cabo proyectos de IA, puede desarrollar un caso de negocio para cada uno.

Implementación de la IA

Los primeros pasos en una solución de IA pueden ser complejos, ya que hay que crear infraestructuras y los datos tienen que ser preparados, curados y fusionados en consecuencia. Es útil dividir los grandes casos de uso, como la automatización de extremo a extremo de un proceso básico, en casos de uso e hitos más pequeños.

Puede ser útil empezar con un Producto Mínimo Viable (MVP) y ampliarlo después. La creación del primer componente de la IA, por pequeño que sea, es un hito importante para cualquier negocio.

Se recomienda centrarse en una infraestructura y arquitectura que sea flexible y escalable desde el principio. Como ya se ha parafraseado, las soluciones de IA están compuestas por un conjunto de funcionalidades de IA, así como por otras tecnologías que evolucionan continuamente. Para que la empresa siga ampliando la(s) solución(es) de IA en el futuro y la extienda a una «empresa cognoscitiva» a otras áreas de la empresa, debe considerarse desde el principio la flexibilidad en la implementación.

Lo ideal sería que en un sistema de IA compuesto de múltiples componentes, permitiera sustituir cada uno de ellos para mejorar el funcionamiento del sistema global.

Para el éxito a largo plazo, las empresas desarrollarán un «ecosistema» para apoyar sus proyectos de IA y automatización. Esto debería reflejar los equipos de arquitectura que guían las opciones relacionadas con la IA a través del desarrollo y la aplicación, hasta las operaciones y la ampliación posterior.

También pueden ser útiles otras funciones de gestión de datos, como la de «oficial principal de datos». Los sistemas de IA se construyen a partir de datos, por lo que los datos sesgados o inapropiados pueden afectar a los resultados o incluso llevar a una mala interpretación.

El entusiasmo de la IA vale la pena

El entusiasmo general por la IA puede ser valioso para cualquier compañía. Sin embargo, esto requiere una apertura a las tecnologías innovadoras y una metodología de proyecto ágil.

La inteligencia artificial es un maratón, no un sprint de corta distancia. Hasta la fecha, he visto los mayores éxitos y el valor añadido en la computación inteligente cuando las empresas han establecido la IA pieza por pieza en su visión y procesos centrales. Cuando se utilizan los conocimientos de los expertos en datos y arquitectura y se crean sus propios ecosistemas en paralelo.

Britta Daffner ist seit über einem Jahrzehnt in der Technologie- und Daten-Industrie zu Hause. Ihr Credo: Innovation und Digitalisierung von Unternehmen vorantreiben – durch Technologie und moderne Führung. Dafür befähigt sie als Practice Leader Data & Technology Transformation in IBM Firmen dabei, das volle Potential aus Daten zu nutzen und unterstützt als Coach Macher*innen, die in der Konzern- und Wirtschaftswelt etwas verändern wollen. 2021 erschien zudem ihr Buch „Die Disruptions-DNA“ (www.disruptionsdna.de), das dazu inspiriert, die Digitale Transformation aktiv mitzugestalten.

Los comentarios están cerrados.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More