Logo Computerworld University

La excelencia de la profesión TI

Escudo Computerworld University

Claves de un equipo de IA de éxito

A medida que la Inteligencia Artificial (IA) se adentra en la empresa, los equipos mixtos con habilidades empresariales se vuelven más importantes para impulsar el valor empresarial.

inteligencia artificial
Créditos: Gabriella Clare Marino (Unsplash)

A medida que más empresas amplían los proyectos de IA, convirtiendo las pruebas de concepto en impulsores de la transformación empresarial, se va perfilando una imagen más clara de lo que se necesita para tener éxito con la IA en el mundo real.

Cuando se trata de equipos de IA, se requiere un conjunto de habilidades más amplio de lo que se conocía anteriormente, con una necesidad particular de personas con experiencia en operaciones y en la traducción de los conceptos de IA en términos de negocio y viceversa. En otras palabras, el éxito de la IA ya no depende sólo de un grupo de científicos de datos.

De hecho, las empresas necesitan equipos mixtos para tener éxito con la IA, dice Louise Herring, socia de McKinsey & Co. "Si nos fijamos en el aspecto técnico, el énfasis está cada vez más en cómo podemos asegurarnos de que tenemos código listo para la producción y tenemos elementos disponibles para la reutilización en toda la organización", dice. "Pero el área clave de énfasis que vemos en primer lugar es sobre los traductores: personas que pueden hacer la conexión entre el negocio y el lado técnico".

A continuación, se muestra cómo varias organizaciones están reuniendo equipos de IA para resolver problemas de negocio, y cómo los avances en la tecnología de IA están cambiando las habilidades básicas necesarias para el éxito.

 

Los roles fundamentales de un equipo de IA exitoso

Los proyectos de IA exitosos requieren miembros del equipo con una amplia gama de habilidades, dice Herring, incluyendo científicos de datos, ingenieros de datos, ingenieros de aprendizaje automático, propietarios de productos, expertos en gestión del cambio y traductores.

Con las pruebas de concepto y los proyectos piloto, los retos de los datos son diferentes. Los despliegues de IA escalables y listos para la producción necesitan datos en mayores cantidades, de fuentes más dispares y a gran velocidad.

"Los científicos de datos y los ingenieros de datos son los héroes olvidados", dice. "Tienes paisajes heredados y no es tan fácil encontrar los datos y extraerlos, y asegurar que la tubería de datos está configurada y lista para escalar".

Según un informe de mayo de IBM y Morning Consult, casi el 90% de los profesionales de TI reconoce que poder ejecutar proyectos de IA dondequiera que residan los datos es clave para la adopción de la tecnología. La complejidad de los datos y los silos son las segundas mayores barreras para la adopción de la IA, según el informe, después de la falta de experiencia en IA.

Los ingenieros de aprendizaje automático toman el código producido por los científicos de datos y lo convierten en algo listo para la producción.

Los equipos de IA exitosos también necesitan propietarios de productos y, dependiendo del grado de intervención requerido, expertos en gestión del cambio, afirma Herring. Pero la habilidad clave es la del traductor.

"Sigue siendo algo que veo que falta en las organizaciones", dice. "Pero necesitan traductores para maximizar el valor de su caso de uso".

A veces, los traductores provienen del lado de la IA, por ejemplo, los científicos de datos que se han integrado en las unidades de negocio.

 

Viaje a la nube

La seguridad puede ayudar a su organización a lograr resultados acelerados, permitiéndole acelerar sus esfuerzos de viaje a la nube mientras lo hace de forma segura.

"Pero, normalmente, vienen del lado del negocio", dice. "Necesitan entender el negocio en profundidad, y es más fácil, en cierto modo, aprender los principios de la ciencia de los datos. Algunas organizaciones realmente crean academias para enseñar las habilidades de la ciencia de los datos, por lo que entienden lo suficiente como para comprometerse con confianza con los científicos e ingenieros de datos".

Según una encuesta publicada por Deloitte el año pasado, la mitad de las habilidades de IA más demandadas están relacionadas con la conexión de los proyectos de IA con las necesidades empresariales. Estos "traductores" incluyen a líderes empresariales versados en IA, expertos en gestión del cambio, diseñadores de experiencia de usuario y expertos en la materia.

En cuanto a la IA, según Deloitte, los conocimientos más demandados son los investigadores de IA, los desarrolladores de software, los científicos de datos y los gestores de proyectos.

 

El poder de los equipos mixtos

La empresa de marketing online Urban Airship es un ejemplo de libro de texto de los cambios que se están produciendo en la forma en que las organizaciones de éxito abordan la IA. Cuando la empresa empezó a pensar en utilizar la Inteligencia Artificial hace diez años, contrató a un doctor.

"El primer modelo de aprendizaje automático que introdujimos fue en torno a la influencia", dice Mike Herrick, vicepresidente senior de producto e ingeniería de la empresa. Es fácil saber si una persona hace clic en un enlace de su correo electrónico. Pero saber si visitan el sitio más tarde, y a través de algún otro canal, es mucho más difícil, dice, y ahí es donde entró el aprendizaje automático.

La empresa añadió entonces inteligencia predictiva para averiguar el momento óptimo para ponerse en contacto con un cliente concreto y la frecuencia con la que hay que hacerlo. La última adición a la plataforma de Urban Airship consiste en utilizar la IA para poner en marcha y gestionar un viaje de cliente de varios pasos.

Hoy en día, dice Herrick, al menos el 40% de los nuevos acuerdos comerciales provienen de esa herramienta. "Ha sido enorme. Tenemos capacidades únicas que nos diferencian de nuestra competencia. Y nos ayuda a retener a nuestros clientes porque les estamos proporcionando valor".

Las habilidades requeridas para los proyectos de IA de la compañía incluyen no sólo habilidades de ciencia de datos, sino también gestión de productos, diseño de interfaz de usuario, ingeniería de software y marketing de productos, dice. "La IA y el ML realmente requieren un equipo multifuncional para ofrecer este tipo de tecnología. Nuestras experiencias lo confirman".

Un equipo de IA compuesto por diferentes tipos de expertos es una estrategia escalable, añade. "A veces puedes conseguir a alguien que tenga todas las habilidades, pero son excesivamente raros. Y si tienen todas las habilidades, no pueden hacer todas las cosas".

Contar con miembros del equipo que entienden bien los casos de negocio también ayudó a la empresa a adaptar sus productos para que fueran más útiles a la hora de proporcionar el análisis de la forma que necesitaban sus clientes.

 

El ascenso del traductor

Desde hace dos décadas, Company Nurse ayuda a las empresas e instituciones educativas a gestionar las lesiones en el lugar de trabajo, con un equipo de profesionales médicos a sólo una llamada de distancia.

La empresa gestiona ahora 100.000 operaciones relacionadas con la salud a la semana. Con la pandemia, Company Nurse empezó a ofrecer soluciones de detección digital.

"En realidad, estamos detectando síntomas de salud a diario", dice Henry Svendblad, CTO de Company Nurse. "Y muchos colegios nos utilizan no solo para sus profesores, sino también para los alumnos, como parte de sus programas de 'vuelta al cole segura'".

En el último año, la empresa ha empezado a aplicar la IA a algunos de sus retos empresariales. Los proyectos de IA incluyen un sistema que clasifica documentos sanitarios sensibles y un sistema de conversión de voz a texto para el centro de llamadas.

El uso de la IA ha permitido a la empresa clasificar millones de documentos, lo que ayudará a la empresa a aplicar mejores medidas de ciberseguridad. Y en el centro de llamadas, se ha visto una disminución de más del 10% en los tiempos medios de gestión. Los planes futuros incluyen el uso de inteligencia para comparar los resultados sanitarios con la información proporcionada inicialmente en las llamadas, para identificar posibles fraudes y para ayudar a los nuevos agentes a ser más productivos.

La empresa Nurse recurre a proveedores externos para ayudar en esta tarea, como Concentric, Genesys y la plataforma Einstein de Salesforce. La empresa también cuenta con un equipo de datos que prepara los datos para introducirlos en los sistemas de IA, así como con expertos en la materia.

Pero un papel fundamental es el de tender un puente entre las tecnologías de IA y el caso de negocio. "Esa es mi función como director de tecnología", dice Svendblad. "Intento casar, '¿Cómo impacta esto en nuestro negocio?' con '¿Producirá esta tecnología realmente resultados?'".

Y al reunir los recursos internos y externos, los conjuntos de datos y las herramientas de terceros, Svendblad también está asumiendo una función de IA de reciente aparición: arquitecto de soluciones.

"Los arquitectos de soluciones están pensando en las tecnologías de ML e IA que necesitan para resolver problemas", dice Dan Simion, vicepresidente de IA y analítica de Capgemini. "Lo que está ocurriendo ahora es que hay un montón de soluciones ahí fuera, una tonelada de tecnologías".

Los arquitectos de soluciones no se limitan a averiguar qué tecnología utilizar, dice, "sino también cómo funcionan las tecnologías entre sí. Arman el rompecabezas".

 

La gestión del cambio y la empresa ágil

El mayor error que comete la gente es pensar que la IA es un proyecto tecnológico, dice Tamim Saleh, socio principal de McKinsey & Co.

"Lo tratan como un proyecto de TI", reconoce. "Creen que pueden reunir a un pequeño grupo de tecnólogos y matemáticos y que saldrá la magia. Coges una caja negra y se la das a la empresa y pasarán cosas geniales".

No funciona así. "Alrededor del 50% del esfuerzo en cualquier proyecto de IA son las personas", dice. "La gestión del cambio. La formación".

Por ejemplo, en un proyecto reciente, un cliente de la industria del acero quería ayudar a mejorar las previsiones de la demanda. "Al principio, los pronosticadores no estaban interesados", dice, y añade que fue necesario involucrarlos en la creación del modelo para que se dieran cuenta de que no los sustituía. "Los mejoraba", dice. "Pero llegar a eso fue una combinación de hacerlos participar en el diseño y la ejecución del proyecto".

Si el modelo es una caja negra, en la que los usuarios no entienden la lógica que hay detrás del algoritmo, no lo adoptarán, dice. "Y acabas haciendo pilotos y gastando dinero y no escalando soluciones".

O una empresa podría tener un piloto en una parte del negocio, pero no se extiende a otras geografías o grupos de productos.

Un cliente del sector bancario formó a 1.800 personas como traductores, dice Saleh. "El CEO era un visionario, y como resultado, aceleraron dramáticamente el despliegue de la IA en el banco".

Los proyectos de IA exitosos también pueden requerir que las empresas reestructuren algunas de sus operaciones. Un cliente de servicios públicos, por ejemplo, creó un fantástico modelo de marketing que puede hacer 500 campañas en una hora, pero el negocio estaba estructurado en torno a equipos separados de gestión de campañas y de marketing, por lo que no era capaz de aprovechar la velocidad que la IA ahora hacía posible, admite Saleh.

"El negocio tenía que cambiar", dice. "Ellos mismos tenían que volverse ágiles, para poder tomar decisiones realmente rápidas".

Cuando las empresas despliegan aplicaciones de IA, a menudo tienen que preguntarse si están organizadas de forma que les permita aprovechar al máximo la tecnología. "Y casi siempre la empresa llega a la conclusión de que puede organizarse de forma muy diferente y tomar decisiones mucho más rápido", dice Saleh.

 

Incluir la experiencia externa

Los equipos mixtos son fundamentales para las empresas que quieren hacer operativa la IA, dice Mark Beccue, analista principal de IA y PNL en Omdia. Pero muchas habilidades son difíciles de encontrar.

"Los científicos de datos, especialmente los experimentados, son escasos y seguirán siéndolo durante mucho tiempo", afirma. "Así que incluso con la creación de equipos que combinan otros conjuntos de habilidades, hay una tendencia hacia la IA subcontratada".

Como resultado, organizaciones como Company Nurse están buscando proveedores externos para proporcionar herramientas, plataformas y experiencia. Y las herramientas son cada vez mejores. El etiquetado y la limpieza de los datos, por ejemplo, pueden subcontratarse, dice Beccue, y las plataformas y herramientas de IA basadas en la nube, así como las opciones sin código, están ayudando a democratizar la IA.

Los proveedores de SaaS y de soluciones integrales también están llevando las capacidades de IA a la empresa, afirma. Salesforce, Adobe y Oracle, por ejemplo, están incorporando capacidades de IA en sus herramientas, incluyendo análisis predictivos y asistentes virtuales. Y empresas como Nuance, Interactions e IPSoft ofrecen asistentes virtuales que no requieren experiencia interna en ciencia de datos.

"Para muchos casos de uso de la IA, este enfoque seguirá teniendo sentido en un futuro próximo", afirma.

Algunas empresas verán grandes ganancias utilizando productos y componentes de proveedores externos, dice Scott Likens, líder de tecnología emergente en PricewaterhouseCoopers. "Puede ayudar a eliminar costes, a tomar decisiones más rápidamente y a tomar decisiones que antes no podían tomar".

Crear un equipo interno de IA es caro, añade, dado el mercado actual de talento de IA y ML. Pero hacer esta inversión puede ayudar a las empresas a diferenciarse en el mercado y optimizar su uso de la IA para adaptarse a sus necesidades empresariales particulares.

Las organizaciones pueden acelerar la creación de su equipo de IA involucrando a personas menos experimentadas, dice Ken Seier, arquitecto jefe de datos e IA de la consultora Insight.

Eso es lo que está haciendo su empresa, dice. "Nos estamos volviendo superinteligentes internamente sobre cómo utilizar más y más recursos junior en nuestra propia organización".

Una estrategia es adoptar un modelo de tutoría, dice.

"Dirigiré un proyecto y haré que otro científico de datos lo acompañe", explica. "Así que tus más talentosos están ayudando al siguiente nivel hacia abajo y terminas con un gran movimiento de arranque, donde tus compañeros de equipo están creciendo tan rápido como pueden y hay un respaldo en cada nivel".



Últimas Noticias