10 pasos para adoptar inteligencia artificial en su negocio

La inteligencia artificial (IA) es claramente una fuerza creciente en la industria de la tecnología. La inteligencia artificial ocupa un lugar central en las conferencias y muestra potencial en una amplia variedad de industrias, incluidas la venta minorista y la fabricación. Los nuevos productos se están integrando con asistentes virtuales, mientras que los chatbots responden las preguntas de los clientes sobre todo, desde el sitio del proveedor de su oficina en línea hasta la página de soporte de su proveedor de servicios de alojamiento web. Mientras tanto, compañías como Google, Microsoft y Salesforce están integrando la inteligencia artificial como una capa de inteligencia en toda su pila de tecnología. Sí, la IA definitivamente está teniendo su momento.

Esta no es la IA que la cultura pop nos ha condicionado a esperar; no son robots inteligentes o Skynet, o incluso el asistente Jarvis de Tony Stark. Esta meseta de IA está ocurriendo bajo la superficie, haciendo que nuestra tecnología existente sea más inteligente y desbloqueando el poder de todos los datos que las empresas recopilan. Lo que eso significa: el avance generalizado en el aprendizaje automático (ML), la visión por computadora, el aprendizaje profundo y el procesamiento del lenguaje natural (PNL) han hecho que sea más fácil que nunca incorporar una capa de algoritmo de inteligencia artificial en su software o plataforma en la nube.

Para las empresas, las aplicaciones prácticas de inteligencia artificial pueden manifestarse de muchas maneras, según las necesidades de su organización y los conocimientos de inteligencia empresarial (BI) derivados de los datos que recopila. Las empresas pueden emplear inteligencia artificial para todo, desde la minería de datos sociales hasta la participación en la gestión de relaciones con los clientes (CRM) y la optimización de la logística y la eficiencia a la hora de rastrear y administrar activos.

ML está desempeñando un papel clave en el desarrollo de la inteligencia artificial, señaló Luke Tang, gerente general del programa Global AI + Accelerator de TechCode, que incuba las nuevas empresas de inteligencia artificial y ayuda a las empresas a incorporar la inteligencia artificial a sus productos y servicios existentes.

"En este momento, la IA está siendo impulsada por todo el progreso reciente en ML. No hay un único avance al que pueda señalar, pero el valor comercial que podemos extraer de ML ahora está fuera de las listas", dijo Tang. "Desde el punto de vista de la empresa, lo que está sucediendo en este momento podría interrumpir algunos procesos comerciales corporativos centrales en torno a la coordinación y el control: programación, asignación de recursos e informes". Aquí proporcionamos consejos de algunos expertos para explicar los pasos que las empresas pueden tomar para integrar la inteligencia artificial en su organización y garantizar que su implementación sea un éxito.

1. Familiarizarse con la IA

Tómese el tiempo para familiarizarse con lo que puede hacer la IA moderna. TechCode Accelerator ofrece a sus startups una amplia gama de recursos a través de sus asociaciones con organizaciones como la Universidad de Stanford y corporaciones en el espacio de la IA. También debe aprovechar la gran cantidad de información en línea y recursos disponibles para familiarizarse con los conceptos básicos de IA. Tang recomienda algunos de los talleres remotos y cursos en línea ofrecidos por organizaciones como Udacity como formas fáciles de comenzar con la inteligencia artificial y aumentar su conocimiento de áreas como ML y análisis predictivo dentro de su organización.

Los siguientes son una serie de recursos en línea (gratuitos y de pago) que puede usar para comenzar:

• Curso de introducción a AI de Udacity y programa de nanogrado de inteligencia artificial
• Conferencias en línea de la Universidad de Stanford: Inteligencia artificial: principios y técnicas
• Curso de AI en línea de edX, ofrecido a través de la Universidad de Columbia
• El Kit de herramientas cognitivas de código abierto de Microsoft (anteriormente conocido como CNTK) para ayudar a los desarrolladores a dominar los algoritmos de aprendizaje profundo
• Biblioteca de software TensorFlow de código abierto (SO) de Google para inteligencia artificial
• AI Resources, un directorio de código fuente abierto de AI Access Foundation
• Página de recursos de la Asociación para el Avance de la Inteligencia Artificial (AAAI)
• Guía gentil de MonkeyLearn para el aprendizaje automático
• Stephen Hawking y Elon Musk's Future of Life Institute
• OpenAI, una iniciativa abierta de aprendizaje profundo de la industria y la academia

2. Identifique los problemas que desea que AI resuelva

Una vez que esté al día con lo básico, el siguiente paso para cualquier negocio es comenzar a explorar diferentes ideas. Piense en cómo puede agregar capacidades de inteligencia artificial a sus productos y servicios existentes. Más importante aún, su empresa debería tener en cuenta casos de uso específicos en los que la IA podría resolver problemas comerciales o proporcionar un valor demostrable.

"Cuando trabajamos con una empresa, comenzamos con una descripción general de sus programas y problemas tecnológicos clave. Queremos poder mostrarle cómo el procesamiento del lenguaje natural, el reconocimiento de imágenes, ML, etc. se ajustan a esos productos, generalmente con un taller de algún tipo con la dirección de la empresa ", explicó Tang. "Los detalles siempre varían según la industria. Por ejemplo, si la empresa realiza videovigilancia, puede capturar mucho valor al agregar ML a ese proceso".

3. Priorizar el valor concreto

A continuación, debe evaluar el valor comercial y financiero potencial de las diversas implementaciones de IA posibles que haya identificado. Es fácil perderse en las discusiones de inteligencia artificial, pero Tang enfatizó la importancia de vincular sus iniciativas directamente al valor comercial.

"Para priorizar, observe las dimensiones de potencial y factibilidad y colóquelas en una matriz de 2x2", dijo Tang. "Esto debería ayudarlo a priorizar en función de la visibilidad a corto plazo y saber cuál es el valor financiero para la empresa. Para este paso, generalmente necesita la propiedad y el reconocimiento de los gerentes y ejecutivos de alto nivel".

4. Reconocer la brecha de capacidad interna

Hay una gran diferencia entre lo que desea lograr y lo que tiene la capacidad organizativa de lograr en un plazo determinado. Tang dijo que una empresa debe saber de lo que es capaz y de lo que no es desde una perspectiva tecnológica y de procesos comerciales antes de lanzarse a una implementación de inteligencia artificial completa.

"A veces esto puede llevar mucho tiempo", dijo Tang. "Abordar su brecha de capacidad interna significa identificar lo que necesita adquirir y cualquier proceso que deba evolucionar internamente antes de comenzar. Dependiendo del negocio, puede haber proyectos o equipos existentes que pueden ayudar a hacer esto orgánicamente para ciertas unidades comerciales."

5. Traiga expertos y configure un proyecto piloto

Una vez que su negocio esté listo desde el punto de vista organizativo y tecnológico, es hora de comenzar a construir e integrar. Tang dijo que los factores más importantes aquí son comenzar poco a poco, tener en mente los objetivos del proyecto y, lo más importante, estar al tanto de lo que sabe y lo que no sabe sobre la IA. Aquí es donde traer expertos externos o consultores de IA puede ser invaluable.

"No se necesita mucho tiempo para un primer proyecto; por lo general, para un proyecto piloto, 2-3 meses es un buen rango", dijo Tang. "Desea reunir a las personas internas y externas en un equipo pequeño, tal vez de 4 a 5 personas, y ese marco de tiempo más apretado mantendrá al equipo enfocado en objetivos directos. Después de completar el piloto, debería poder decidir qué tiempo más durará". a largo plazo, será un proyecto más elaborado y si la propuesta de valor tiene sentido para su negocio. También es importante que la experiencia de ambas partes, las personas que saben sobre el negocio y las personas que saben sobre IA, se fusionen en su equipo de proyecto piloto. ".

6. Forme un grupo de trabajo para integrar datos

Tang señaló que, antes de implementar ML en su negocio, necesita limpiar sus datos para prepararlos para evitar un escenario de "basura adentro, basura afuera". "Los datos corporativos internos generalmente se extienden en múltiples silos de datos de diferentes sistemas heredados, e incluso pueden estar en manos de diferentes grupos empresariales con diferentes prioridades", dijo Tang. "Por lo tanto, un paso muy importante hacia la obtención de datos de alta calidad es formar un equipo de tareas cruzadas, integrar diferentes conjuntos de datos y resolver incoherencias para que los datos sean precisos y ricos, con todas las dimensiones correctas requeridas para ML".

7. Comience pequeño

Comience a aplicar AI a una pequeña muestra de sus datos en lugar de asumir demasiado demasiado pronto. "Comience de forma simple, use la IA de forma incremental para demostrar el valor, recopile comentarios y luego amplíe en consecuencia", dijo Aaron Brauser, vicepresidente de gestión de soluciones en M * Modal, que ofrece tecnología de comprensión del lenguaje natural (NLU) para organizaciones de atención médica y Una plataforma de IA que se integra con los registros médicos electrónicos (EMR).

Un tipo específico de datos podría ser información sobre ciertas especialidades médicas. "Sea selectivo en lo que leerá la IA", dijo el Dr. Gilan El Saadawi, Director de Información Médica (CMIO) de M * Modal. "Por ejemplo, elige un determinado problema que quieras resolver, enfoca la IA en él y dale una pregunta específica para responder y no arrojes todos los datos".

8. Incluya el almacenamiento como parte de su plan de IA

Después de aumentar de una pequeña muestra de datos, deberá considerar los requisitos de almacenamiento para implementar una solución de inteligencia artificial, según Philip Pokorny, Director Técnico (CTO) de Penguin Computing, una compañía que ofrece computación de alto rendimiento (HPC), AI y soluciones ML.

"Mejorar los algoritmos es importante para alcanzar los resultados de la investigación. Pero sin grandes volúmenes de datos para ayudar a construir modelos más precisos, los sistemas de inteligencia artificial no pueden mejorar lo suficiente para lograr sus objetivos informáticos", escribió Pokorny en un documento técnico titulado "Decisiones críticas: una guía para Construyendo la solución completa de inteligencia artificial sin remordimientos ". "Es por eso que la inclusión de un almacenamiento rápido y optimizado debe considerarse al comienzo del diseño del sistema de inteligencia artificial".

Además, debe optimizar el almacenamiento de AI para la ingesta de datos, el flujo de trabajo y el modelado, sugirió. "Tomarse el tiempo para revisar sus opciones puede tener un gran impacto positivo en la forma en que se ejecuta el sistema una vez que está en línea", agregó Pokorny.

9. Incorpora IA como parte de tus tareas diarias

Con la información adicional y la automatización proporcionadas por AI, los trabajadores tienen una herramienta para hacer que la IA sea parte de su rutina diaria en lugar de algo que la reemplace, según Dominic Wellington, Global IT Evangelist en Moogsoft, un proveedor de IA para operaciones de TI (AIOps) "Algunos empleados pueden desconfiar de la tecnología que puede afectar su trabajo, por lo que es importante presentar la solución como una forma de aumentar sus tareas diarias", explicó Wellington.

Agregó que las compañías deben ser transparentes sobre cómo funciona la tecnología para resolver problemas en un flujo de trabajo. "Esto les brinda a los empleados una experiencia 'bajo el capó' para que puedan visualizar claramente cómo la IA aumenta su rol en lugar de eliminarlo", dijo.

10. Construir con equilibrio

• La inteligencia artificial tiene un problema de sesgo, y es nuestra culpa La inteligencia artificial tiene un problema de sesgo, y es nuestra culpa
• Inteligencia artificial de IBM se enfrenta a campeones de debate humanos Inteligencia artificial de IBM se enfrenta a campeones de debate humano
• La IA ofrece un gran potencial, pero no sucederá de la noche a la mañana La IA ofrece un gran potencial, pero no sucederá de la noche a la mañana

Cuando construyes un sistema de inteligencia artificial, se requiere una combinación de satisfacer las necesidades de la tecnología y el proyecto de investigación, explicó Pokorny. "La consideración general, incluso antes de comenzar a diseñar un sistema de inteligencia artificial, es que debe construir el sistema con equilibrio", dijo Pokorny. "Esto puede sonar obvio, pero, con demasiada frecuencia, los sistemas de inteligencia artificial están diseñados en torno a aspectos específicos de cómo el equipo prevé lograr sus objetivos de investigación, sin comprender los requisitos y las limitaciones del hardware y el software que respaldarían la investigación. El resultado es menor: sistema óptimo, incluso disfuncional, que no logra los objetivos deseados ".

Para lograr este equilibrio, las empresas necesitan crear un ancho de banda suficiente para el almacenamiento, la unidad de procesamiento de gráficos (GPU) y las redes. La seguridad es un componente que a menudo se pasa por alto. La inteligencia artificial, por su naturaleza, requiere acceso a grandes extensiones de datos para hacer su trabajo. Asegúrese de comprender qué tipos de datos estarán involucrados en el proyecto y que sus salvaguardas de seguridad habituales (cifrado, redes privadas virtuales (VPN) y antimalware) pueden no ser suficientes.

"Del mismo modo, hay que equilibrar cómo se gasta el presupuesto general para lograr la investigación con la necesidad de proteger contra fallas de energía y otros escenarios a través de redundancias", dijo Pokorny. "Es posible que también deba incorporar flexibilidad para permitir la reutilización del hardware a medida que cambian los requisitos del usuario".