La inteligencia artificial (IA) ha estado en boca de todos en los últimos años, pero ¿qué nos depara el futuro? Según David Schatsky, director gerente de Deloitte, el uso de la IA seguirá en aumento durante el año 2018. Incluso si tu empresa aún no ha incursionado en proyectos de IA, es probable que este sea el año en que pase de las palabras a la acción.

1. Más proyectos piloto de IA en empresas

Hoy en día, muchas aplicaciones y plataformas que las empresas utilizan regularmente ya incorporan IA. Sin embargo, cada vez más compañías están experimentando con aprendizaje automático (machine learning) o procesamiento de lenguaje natural para resolver problemas específicos, comprender sus datos, automatizar procesos internos o mejorar sus productos y servicios. Además, la intensidad con la que las empresas trabajan con IA aumentará. Según Schatsky, las empresas pioneras en la adopción de IA ya tienen en marcha cinco o menos proyectos, pero se espera que este número aumente a diez o más proyectos en el futuro cercano.

2. La IA ayudará a resolver la escasez de talento en ciencia de datos

La falta de talento en ciencia de datos es un gran problema para muchas empresas, ya que les resulta difícil contratar a los científicos de datos que necesitan. Sin embargo, la IA puede aliviar parte de esta carga. Según Schatsky, cada vez hay más herramientas automatizadas ofrecidas tanto por startups como por grandes empresas de tecnología establecidas que permiten automatizar gran parte del trabajo repetitivo y tedioso de la ciencia de datos. Esto significa que las empresas podrán hacer mucho más con automatización, incluso si no pueden contratar más científicos de datos.

3. Modelos de datos sintéticos facilitarán los cuellos de botella

Antes de poder entrenar un modelo de aprendizaje automático, es necesario contar con datos para entrenarlo. Sin embargo, esto no siempre es fácil de conseguir debido a regulaciones que rigen la privacidad de datos sensibles, como registros médicos o información financiera. En estos casos, los modelos de datos sintéticos pueden ser de gran ayuda. Estos modelos pueden tomar un conjunto de datos más pequeño y utilizarlo para generar un conjunto de datos más grande que pueda ser utilizado para entrenar el modelo. Por ejemplo, si se necesitan 10,000 puntos de datos para entrenar un modelo pero solo se tienen 2,000, ahora es posible generar los 8,000 restantes y proceder con el entrenamiento del modelo.

4. La toma de decisiones de la IA será más transparente

Uno de los problemas de la IA es que a menudo opera como una “caja negra”. Es decir, una vez que se entrena un modelo, este arroja respuestas que no se pueden explicar fácilmente. Sin embargo, esto está cambiando. Según Schatsky, la IA está evolucionando para ser más transparente en su toma de decisiones. A medida que los algoritmos de aprendizaje automático descubren patrones en los datos, también pueden proporcionar explicaciones sobre cómo llegaron a una determinada conclusión. Esto es especialmente importante en áreas como la medicina, donde es crucial entender los motivos detrás de las predicciones de la IA.

En resumen, el futuro de la IA se presenta prometedor. Las empresas están adoptando cada vez más esta tecnología y se espera que el número de proyectos piloto aumente. Además, la IA ayudará a resolver la escasez de talento en ciencia de datos y los modelos de datos sintéticos facilitarán la obtención de datos para entrenar los modelos. Por último, la transparencia en la toma de decisiones de la IA se convertirá en una prioridad, lo que permitirá comprender mejor cómo funciona y confiar en sus resultados.