En la actualidad, el tema de la inteligencia artificial (IA) está en boca de todos. Y no es para menos: la disponibilidad y el acceso a una mayor potencia informática y conjuntos de datos han dado lugar a avances de todo tipo en la vida cotidiana, desde tiendas de comestibles sin cajeros hasta dispositivos activados por voz que responden a nuestros comandos desde cualquier parte de la habitación. La emoción palpable en torno a la IA se centra en su potencial para revolucionar prácticamente todos los aspectos de cada industria. Sin embargo, la IA no es una solución para todo. Solo porque las máquinas eventualmente podrán aprender casi cualquier cosa que se les pida, no significa que deban hacerlo. Entonces, ¿en qué problemas específicos deberían centrarse los equipos que trabajan en proyectos de IA? Aquí hay tres criterios que sigue mi equipo.
Utilice la IA para resolver problemas que se puedan prototipar primero
Sugiero prototipar cada aplicación de IA antes de comercializarla. Esto brindará la oportunidad de probar, iterar y fracasar rápidamente a un costo bajo y en un entorno seguro. Sin prototipar primero, el producto tiene una capacidad más limitada para tener un impacto significativo e incluso puede poner en peligro su reputación. Mientras que la tecnología de conducción autónoma de Waymo ahora se implementa en minivans de Chrysler, su hogar original fue en Firefly, un vehículo prototipo de dos plazas que no podía superar las 25 mph. Waymo, una empresa de Alphabet, compartió su intención de que Firefly fuera “una plataforma para experimentar y aprender, no para la producción en masa”. La prototipación permitió a la empresa resolver varios problemas en entornos de bajo riesgo, como las autopistas, antes de avanzar hacia situaciones más complejas, como las calles de la ciudad. Siguiendo el mismo enfoque en sus iniciativas de IA, puede asegurarse de que sus productos tengan un historial establecido y un nivel suficiente de pulido antes de entrar en horario estelar.
Utilice la IA para resolver problemas en aplicaciones donde pueda permitirse cometer errores
Para mejorar continuamente, debemos crear IA con un ciclo de retroalimentación que destaque cuando toma decisiones incorrectas. La aplicación del conocimiento previo seguirá garantizando suposiciones más inteligentes y precisas. Esto significa que debe comenzar a implementar la IA en áreas donde el costo de cometer errores no tenga un impacto negativo significativo en la experiencia del cliente o en su reputación.
En resumen, la inteligencia artificial tiene un enorme potencial para transformar nuestras vidas y nuestras industrias. Sin embargo, es importante utilizarla de manera responsable y ética. Al seguir los criterios mencionados anteriormente, podemos asegurarnos de que la IA se utilice de manera efectiva y segura, evitando posibles consecuencias negativas. La prototipación y la implementación gradual en áreas de bajo riesgo son estrategias clave para garantizar el éxito de los proyectos de IA. Al hacerlo, podemos aprovechar al máximo las capacidades de la IA y aprovechar todas las oportunidades que ofrece.
Fuente del artículo: Forbes
