La inteligencia artificial (IA) es un tema que está en la mente de casi cualquier empresa que se ocupa de la analítica de datos en la actualidad. Sin embargo, esto no significa que todas estén en la misma página cuando se trata de implementarla o incluso de comprender su potencial. En una reciente conferencia organizada por la empresa de software de analítica Sisense, hablamos con tres líderes empresariales en el campo sobre las dificultades de enseñar a las personas sobre la IA, adaptar sistemas obsoletos para manejar nuevas tecnologías y ampliar la imaginación colectiva sobre lo que es posible. Esto es lo que cada uno de ellos dijo cuando se les preguntó sobre el mayor desafío relacionado con la IA que enfrenta actualmente la industria.
Amir Orad, CEO de Sisense
Sisense vende software de analítica empresarial que utiliza el aprendizaje automático para obtener información de grandes cantidades de datos. “Hoy en día, con las tecnologías heredadas, reunir los datos correctos y los conjuntos de datos correctos es una tarea complicada. Lo sé porque trabajamos con socios de datos y nos dicen que sus equipos de datos pasan del 80 al 90 por ciento de su tiempo lidiando con un desorden de datos en lugar de hacer lo que se les contrató para hacer, que es IA, ciencia de datos, tecnologías predictivas; eso es lo más importante. Cuanto más se pueda acortar la brecha entre datos desordenados, complejos, caóticos y feos y algo que la IA pueda digerir, más valor se puede proporcionar a las personas. Es algo importante para empresas de cualquier tamaño. El segundo desafío es el talento y eso no se va a resolver. La gente piensa que se va a resolver, pero eso es una falsa esperanza, y explicaré por qué. El número de científicos de datos, incluida la IA en el mismo grupo, se duplicó en los últimos 4 años. Supongamos que lo hacemos realmente bien y lo duplicamos en los próximos dos años y luego lo volvemos a hacer en el próximo año después de eso. Aún estamos tremendamente por detrás de las necesidades del mercado, no un 10 por ciento por detrás, sino cientos de por ciento por detrás. La única forma de resolver eso es hacer que la tecnología sea más inteligente que las personas… Eso permitiría a los médicos, enfermeras, conductores de camiones, gerentes de turno y trabajadores de fábrica aprovechar la IA y la ciencia de datos en lugar de hacer un doctorado. Simplemente no tiene sentido. El último desafío no tiene nada que ver con la tecnología; se trata de la creatividad. El ADN de la mayoría de las empresas no es un ADN impulsado por datos, y aunque les des esta herramienta increíble, no son lo suficientemente creativas para usarla. Te daré un ejemplo. Tenemos una gran institución financiera que solía tener puertos estáticos y feos construidos durante una década de personas inteligentes que trabajaron duro para construirlo. Les entregamos el conjunto de herramientas de IA más avanzado del mercado. ¿Adivina qué fue lo primero que preguntaron? ¿Puedes crear el mismo informe exacto que el mainframe? Esa es la pregunta equivocada, totalmente equivocada. Es como reemplazar un tren por un avión y pedirle al avión que vaya sobre rieles. No es que no sean inteligentes. Es que su mente está bloqueada de cierta manera y se trata de reimaginar el proceso empresarial. Es muy, muy diferente”.
Ryan Kurt, jefe de desarrollo empresarial en Narrative Science
Narrative Science crea herramientas de procesamiento de lenguaje natural que interpretan datos y los presentan en forma de historias comprensibles. “Hay dos cosas diferentes que estamos viendo. La primera es que cuando piensas en una interfaz habilitada para voz o habilitada para lenguaje natural… Es difícil hacer que la gente crea que es real, en primer lugar. Así que creo que hay un gran problema en el que hemos estado utilizando visualizaciones durante tanto tiempo como la forma principal de entender los datos. Leer más aquí Crédito del artículo: AW
