La inteligencia artificial (IA) se ha convertido en una característica atractiva para los sistemas y aplicaciones de TI de nueva generación, y se está invirtiendo mucho en ellas en 2021. Sin embargo, a menudo se necesita cierta habilidad para asegurarse de que funcionen de manera óptima como se promete.

En un artículo de eWEEK Data Points, la Dra. Charla Griffy-Brown, profesora de Sistemas de Información y Gestión de Tecnología, y Decana Asociada de Programas Ejecutivos y de Tiempo Parcial en la Escuela de Negocios Graziadio de la Universidad Pepperdine, discute cinco razones clave por las que las estrategias de IA fallan y lo que las empresas pueden hacer para evitar estos problemas.

Punto de datos No. 1: Rendimiento técnico

El trabajo inicial en soluciones de IA generalmente implica pequeños subconjuntos de datos, que requieren recursos informáticos más pequeños. Cuando la IA se expande a sistemas de producción más amplios, el rendimiento puede verse afectado exponencialmente. La falta de atención al rendimiento a gran escala crea sistemas de IA que parecen funcionar bien durante las pruebas, pero que rápidamente se vuelven inutilizables para la empresa en su conjunto.

Solución: Las empresas deben ser precisas en el cálculo de los requisitos para escalar y probar, tan a menudo como sea posible, en un entorno cercano a la producción.

Punto de datos No. 2: Veracidad y volumen de los datos

Existen problemas fundamentales que surgen de las decisiones relacionadas con la arquitectura de datos. Una base de datos incorrecta puede hacer que un sistema de prueba de IA escalado sea inutilizable. Además, esto se ve agravado por problemas de limpieza y preparación de datos. Por ejemplo, las intervenciones manuales de los humanos pueden ser efectivas para preparar datos de prueba, pero esto generalmente no se puede escalar.

Solución: Tomar decisiones de arquitectura de datos basadas no solo en el crecimiento, sino también en la comprensión de los procesos requeridos para el entrenamiento de datos necesario para construir IA.

Punto de datos No. 3: Procesos empresariales y personas

Uno de los mayores desafíos que enfrenta la implementación de nuevas tecnologías son los seres humanos, y la implementación de IA solo será tan sólida como la capacitación y el apoyo para el personal que la implementa. Las soluciones de IA también deben desarrollarse con un mecanismo para garantizar que los canales de atención al cliente estén completamente preparados para las reacciones de los clientes. Por ejemplo, esto podría incluir un aumento temporal en las llamadas telefónicas si los chatbots no funcionan correctamente o una avalancha de correos electrónicos si un servicio de atención telefónica no los dirige correctamente.

Solución: Comprender que la IA requiere trabajo humano es fundamental para pensar en la implementación de la IA. Las empresas deberán implementar estrategias para abordar rápidamente los desafíos antes de una iniciativa de IA, incluyendo consideraciones sobre cómo afectará al personal humano y a los clientes.

En resumen, para evitar que las estrategias de IA fallen, las empresas deben prestar atención al rendimiento técnico, tomar decisiones de arquitectura de datos adecuadas y considerar los procesos empresariales y las personas involucradas. Al abordar estos desafíos de manera proactiva, las empresas pueden aprovechar al máximo el potencial de la inteligencia artificial y mantenerse competitivas en el mercado actual.