Por qué debería pensar en la IA como un deporte de equipo

¿Qué significa pensar en la IA como un deporte de equipo? Estamos viendo que los proyectos de IA pasan de la exageración al impacto, en gran parte porque los roles correctos se están involucrando para proporcionar el contexto comercial que antes faltaba. La experiencia en el dominio es clave; las máquinas no tienen la profundidad de contexto que tienen las personas, y las personas necesitan conocer el negocio y los datos lo suficientemente bien como para comprender qué acciones tomar en función de las ideas o recomendaciones que surjan.

Cuando se trata de escalar la IA, muchos líderes piensan que tienen un problema con las personas, específicamente, no hay suficientes científicos de datos. Pero no todos los problemas comerciales son un problema de ciencia de datos. O al menos, no todos los desafíos comerciales deben lanzarse a su equipo de ciencia de datos. Con el enfoque correcto, puede aprovechar los beneficios de la IA sin los desafíos que conllevan los ciclos tradicionales de ciencia de datos.

Para implementar y escalar soluciones de IA, los líderes deben cambiar la mentalidad de la organización para pensar en la IA como un deporte de equipo. Algunos proyectos de IA necesitan un conjunto diferente de personas, herramientas y expectativas para obtener resultados exitosos. Saber cómo reconocer estas oportunidades lo ayudará a abordar proyectos de IA más exitosos y profundizar su banco de usuarios de IA, agregando velocidad y poder a la toma de decisiones en toda la fuerza laboral. Exploremos por qué y cómo.

Las organizaciones están democratizando el análisis avanzado con IA

El uso de IA para resolver problemas comerciales ha sido en gran medida competencia de los científicos de datos. A menudo, los equipos de ciencia de datos están reservados para las mayores oportunidades y los desafíos más complejos de una organización. Muchas organizaciones han tenido éxito en la aplicación de la ciencia de datos a casos de uso específicos, como la detección de fraudes, la personalización y más, donde la experiencia técnica profunda y los modelos ajustados con precisión generan resultados enormemente exitosos.

Sin embargo, escalar las soluciones de IA a través de su equipo de ciencia de datos es un desafío para las organizaciones, por muchas razones. Atraer y retener talento es muy costoso y puede ser difícil en un mercado competitivo. Los proyectos tradicionales de ciencia de datos a menudo pueden tomar mucho tiempo para desarrollarse e implementarse antes de que la empresa vea el valor. E incluso los equipos de ciencia de datos robustos y más experimentados pueden fallar si carecen de los datos o el contexto necesarios para comprender los matices del problema que se les pide que resuelvan.

Gartner® 2021 El estado de la ciencia de datos y el aprendizaje automático El informe (DSML) establece que “la demanda de los clientes está cambiando, con audiencias menos técnicas que desean aplicar DSML más fácilmente, expertos que necesitan mejorar la productividad y empresas que requieren menos tiempo para valorar sus inversiones.¹.” Si bien puede haber muchos problemas comerciales que pueden beneficiarse de la velocidad o la minuciosidad del análisis que puede proporcionar la IA, un enfoque de ciencia de datos tradicional puede no ser siempre el mejor plan de ataque para ver el valor rápidamente. De hecho, el mismo informe de Gartner predice que “para 2025, la escasez de científicos de datos ya no obstaculizará la adopción de la ciencia de datos y el aprendizaje automático en las organizaciones”.

La experiencia en el dominio es fundamental para escalar la IA en toda la empresa

AI ya está ayudando a llevar capacidades de análisis avanzadas a usuarios que no tienen experiencia en ciencia de datos. Las máquinas pueden seleccionar entre los mejores modelos y algoritmos de pronóstico, y los modelos subyacentes pueden exponerse, ofreciendo la capacidad de ajustarlos y asegurarse de que todo coincida con lo que el usuario está buscando.

Estas capacidades brindan a los analistas y expertos en dominios comerciales la capacidad de diseñar y aprovechar sus propias aplicaciones de IA. Al estar más cerca de los datos, estos usuarios tienen una ventaja sobre muchos de sus homólogos científicos de datos. Poner este poder en manos de aquellos con experiencia en el dominio puede ayudar a evitar los largos tiempos de desarrollo, la carga de recursos y los costos ocultos asociados con los ciclos tradicionales de ciencia de datos. Además, las personas con experiencia en el dominio deberían ser las que decidan si una predicción o sugerencia de IA es útil o no.

Con procesos de creación de modelos más iterativos, de revisión y reimplementación, las personas con contexto empresarial pueden obtener valor de la IA más rápido, incluso implementando nuevos modelos para miles de usuarios en días o semanas, en lugar de semanas o meses. Esto es especialmente poderoso para aquellos equipos cuyos desafíos únicos pueden no ser una alta prioridad para los equipos de ciencia de datos, pero pueden beneficiarse de la velocidad y la minuciosidad del análisis de IA.

Sin embargo, es importante tener en cuenta que, si bien estas soluciones pueden ayudar a abordar la brecha de habilidades entre los analistas y los científicos de datos, no reemplazan a estos últimos. Los científicos de datos siguen siendo un socio fundamental de los expertos empresariales para validar los datos que se utilizan en las soluciones habilitadas para IA. Y además de esta colaboración, la educación y las habilidades de datos serán fundamentales para usar este tipo de herramientas con éxito a escala.

La alfabetización de datos empodera a más personas para aprovechar la IA

Su estrategia de datos fundamental juega un papel muy importante en la configuración de su organización para el éxito con la IA, pero llevar las soluciones de IA a más personas en toda la empresa requerirá una base de alfabetización de datos. Comprender qué datos son apropiados para aplicar a un problema comercial, así como también cómo interpretar los datos y los resultados de una recomendación de IA, ayudará a las personas a confiar y adoptar la IA con éxito como parte de su toma de decisiones. Un lenguaje de datos compartido dentro de la organización también abre más puertas para una colaboración exitosa con expertos.

La última encuesta global de McKinsey sobre IA reveló que dentro del 34 % de las organizaciones de alto rendimiento “un centro de capacitación dedicado desarrolla las habilidades de IA del personal no técnico a través del aprendizaje práctico”, en comparación con solo el 14 % de todos los demás encuestados. Además, en el 39 % de las organizaciones de alto rendimiento “existen canales designados de comunicación y puntos de contacto entre los usuarios de IA y el equipo de ciencia de datos de la organización”, en comparación con solo el 20 % de las demás.

Los líderes pueden adoptar una variedad de enfoques para desarrollar la alfabetización de datos, desde educación y capacitación, programas de tutoría, concursos de datos para la construcción de comunidades y más. Piense en normalizar el acceso y el intercambio de datos, así como en cómo celebra y promueve los éxitos, los aprendizajes y la toma de decisiones con los datos.

“La alfabetización de datos y la educación sobre visualización y ciencia de datos deben prevalecer más y enseñarse antes”, dijo Vidya Setlur, directora de Tableau Research. “Hay una especie de responsabilidad social y organizacional que viene con la confianza en el uso de datos. Las personas deberían estar mejor equipadas para comprender, interpretar y aprovechar al máximo los datos porque la IA solo se volverá más sofisticada y deberíamos estar unos pasos por delante del juego”.

Continuar construyendo la cultura de datos de su organización crea oportunidades poderosas para nutrir habilidades y fomentar nuevas soluciones en toda la empresa. Muchas organizaciones ya han aumentado sus inversiones en datos y análisis en los últimos años, a medida que se acelera la transformación digital. No es un alcance pensar en los datos como un deporte de equipo, y ahora tenemos los medios para extender esa mentalidad a la IA.