Llegamos a ustedes gracias a:



Reportajes y análisis

Cómo es realmente un equipo de IA exitoso

[07/12/2018] A medida que las empresas recurren cada vez más a la IA y al aprendizaje automático, está empezando a tomar forma una imagen más clara de lo que se necesita para tener éxito con la IA en el mundo real. Más allá del pequeño círculo de los gigantes tecnológicos y los pioneros en la adopción, están emergiendo una serie de habilidades y enfoques diferentes considerados como indispensables para los equipos empresariales de IA.

No todas las organizaciones pueden competir con empresas como Google y Facebook para obtener los mejores candidatos de IA. Y las empresas no solo están en búsqueda de candidatos con doctorado en ciencias de datos. Para satisfacer sus necesidades comerciales, los CIO que ensamblan los equipos de IA están buscando dominio de la materia, habilidades en ingeniería de software y la capacidad de traducir los algoritmos de aprendizaje a valores comerciales reales. Aquí, los avances en tecnologías de aprendizaje automático están ayudando a allanar el camino.

"Estamos viendo un cambio en este momento, afirma Scott Likens, líder de tecnología emergente en PricewaterhouseCoopers. "Existe una gran cantidad de madurez y mercantilización en algunos de los aprendizajes de máquina muy utilizados, y muchos de las grandes proveedoras tienen algoritmos y modelos de IA disponibles. Uno puede ensamblar lo que necesite, así que está en búsqueda de ingenieros de software de alto nivel que unan estos algoritmos diferentes.

Él afirma que, en lugar de contratar candidatos de alto nivel con doctorados para crear nuevos modelos, las compañías ahora buscan equipos combinados para obtener los datos correctos y elegir los modelos correctos para tomar las decisiones acertadas.

A continuación, se presenta una descripción de cómo varias organizaciones están conformando equipos de IA para resolver problemas comerciales, y cómo los avances en la tecnología de IA están cambiando las habilidades básicas necesarias para el éxito.

Los roles fundamentales de un equipo exitoso de IA

Un equipo equilibrado para un proyecto de IA incluirá tres personas clave, afirma el experto en IA, Monte Zweben, CEO y cofundador de Splice Machine.

En primer lugar, un ingeniero de datos que puede tomar la información que una compañía recopila, y convertirla en datos que son capaces de ser ingestados por los sistemas de inteligencia artificial y aprendizaje automático.

En segundo lugar, un científico de datos con experiencia en el campo que conoce, por ejemplo, que el clima puede afectar los horarios de entrega, o que los problemas mecánicos particulares pueden afectar a los programas de mantenimiento. El científico de datos también tendrá que ser capaz de probar diferentes algoritmos para ver cuáles funcionan mejor, y luego adaptarlos si es necesario para obtener predicciones valiosas.

En tercer lugar, se requiere de un desarrollador de software que pueda incorporar todo esto en las aplicaciones reales.

"Estos son los tipos de conjuntos de habilidades que estamos buscando, afirma Zweben.

Para muchas organizaciones, el éxito en la IA tiene más que ver con un factor de equilibrio en estas tres áreas clave, que con el número de miembros con doctorado que se han contratado.

El poder de los equipos combinados

La compañía de marketing en línea, Urban Airship, proporciona un ejemplo característico de los cambios próximos en la forma en que las organizaciones exitosas se enfocan en la IA. Cuando la compañía comenzó a pensar en usar inteligencia artificial hace siete años, contrató a un PhD.

"El primer modelo de aprendizaje automático que introdujimos fue en torno a la influencia, afirma Mike Herrick, vicepresidente senior de productos e ingeniería de la compañía. Es fácil rastrear si una persona hace clic en un enlace en su correo electrónico. Pero rastrear si visitan el sitio más tarde y a través de algún otro canal, es mucho más difícil, señala, y ahí es donde entra el aprendizaje automático.

La plataforma de marketing de Urban Airship toca a más de mil millones de usuarios en nombre de sus clientes empresariales, por lo que ha habido una gran cantidad de datos disponibles con los cuales trabajar. Con el tiempo, la compañía ha ampliado su equipo de IA a tres miembros con doctorado en ciencia de datos -y 15 ingenieros que ponen en práctica la ciencia de datos.

Incluso los científicos de datos que contrata la empresa no son teóricos, afirma Herrick. "Son prácticos. No son puramente personas de teoría académica. Si solo cuenta con la teoría, gastará mucho dinero y no llegará a ningún lado.

Esto se debe a que Urban Airship aprovecha las técnicas de lenguaje de máquina existentes, las bibliotecas de código abierto y los servicios en la nube. "En general, no estamos inventando una nueva tecnología de bajo nivel, afirma. "No nos interesa la teoría pura. Simplemente no estamos conformados de esa manera.

Las habilidades requeridas para los proyectos de IA de la compañía incluyen no solo habilidades de ciencia de datos, sino también gestión de productos, diseño de interfaz de usuario, ingeniería de software y marketing de productos, agrega. "La inteligencia artificial y el aprendizaje automático realmente necesitan un equipo multifuncional para implementar este tipo de tecnología.

El proyecto principal más reciente de IA involucró determinar el momento óptimo para enviar mensajes de marketing; no óptimo en el sentido general de que "los lunes por la mañana son más efectivos, sino óptimo en el sentido de "John Smith prefiere mirar este tipo de mensajes los jueves por la tarde.

El proyecto consistió en hablar con los clientes de Urban Airship para averiguar lo que necesitaban. Como resultado de estas entrevistas, el equipo de IA terminó cambiando radicalmente la dirección de su idea original, señala, pero valió la pena.

Algunos clientes beta han visto que las tasas de respuesta se duplicaron como resultado, afirma Herrick. A los clientes también les gustó el hecho de que los correos electrónicos ahora estaban dispersos en el tiempo.

"Cuando enviaban una notificación sobre una oferta especial todos a la vez, los sistemas se inundaban de usuarios, afirma Herrick.

La empresa proveedora de ciberseguridad, Demisto, también utiliza equipos combinados al construir proyectos de inteligencia artificial y aprendizaje automático.

"Contratamos a empleados con experiencia en IA -ciencia de datos, desarrolladores de lenguaje de máquina-, y los combinamos con empleados que tienen conocimientos de productos y capacidades de software existentes, afirma el cofundador de la empresa, Rishi Bhargava. "Esto asegura que los empleados emparejados aprendan unos de otros, mejoren sus habilidades y obtengan una experiencia completa con el trascurso del tiempo.

La experiencia de IA aislada, aunque valiosa, representa el potencial perdido para aportarle un beneficio real a la organización, agrega.

El ascenso del arquitecto de IA

Los científicos de datos con doctorado ya no son los participantes más valiosos cuando se trata de proyectos empresariales de inteligencia artificial, afirma Kalyan Veeramachaneni, director de investigación científica del Laboratory for Information and Decision Systems del MIT.

Tradicionalmente, las empresas han abordado los proyectos de aprendizaje automático desde un enfoque más teórico, afirma. "¿Tenemos los datos? ¿Podemos hacer algo con ellos? O, podemos predecir algo. Pero en realidad nunca lo pusieron en práctica.

Las empresas necesitan personas con experiencia que pongan en práctica el aprendizaje automático.

"Creo que lo que falta es el arquitecto de aprendizaje automático, que puede juntar todas las piezas con el único objetivo de implementar un modelo de aprendizaje automático y ponerlo en práctica para el caso de uso empresarial, afirma. Él añade que, cuando estén en búsqueda del candidato adecuado, las empresas deben preguntar cuántos modelos han implementado realmente y cuánto valor de negocio pudieron generar.

Un error que cometen las empresas, afirma, es tratar de seguir los pasos de las implementaciones de IA más conocidas, aquellas que involucran grandes conjuntos de datos en tiempo real. La mayoría de las compañías necesitan diferentes tipos de algoritmos de aprendizaje automático, señala, los que se ajustan a los datos que realmente tienen.

Un arquitecto de aprendizaje automático sabría la diferencia y desplegaría los algoritmos correctos para la tarea.

"La infraestructura y las herramientas que están construyendo las principales compañías pueden no tener ninguna relevancia, agrega. "Esas herramientas están optimizadas para resolver los problemas que enfrentan las empresas grandes. Puede terminar gastando mucho tiempo y dinero invirtiendo en esa herramienta. Dedicando mucho tiempo a aprender sobre ellas e instalarlas, y es una gran pérdida de tiempo.

Aumento de habilidades para el éxito de la IA

Algunas herramientas de inteligencia artificial pueden adaptarse mejor a los gigantes tecnológicos, pero la democratización en curso de algunas herramientas de IA también influye en cómo las organizaciones pueden aprovechar la IA para resolver las necesidades comerciales.

Hace nueve meses, la organización localizada en Florida, Optima Healthcare Solutions, que proporciona servicios y software a la industria de la salud, comenzó a buscar formas de simplificar algunas de sus tareas más repetitivas -específicamente, reunir solicitudes de propuestas.

"La gran mayoría de las preguntas se repiten una y otra vez, afirma Jason James, CIO de la compañía.

La solución tradicional habría sido reunir la lista de preguntas y respuestas anteriores en una única base de datos de búsqueda. Pero eso habría requerido extraer manualmente toda esa información de los PDF, documentos de Word, hojas de cálculo, correos electrónicos y muchas otras ubicaciones donde se pueden encontrar las preguntas y respuestas.

En cambio, la compañía decidió utilizar el aprendizaje automático para escanear documentos relevantes y sugerir posibles respuestas. Los empleados luego revisan esas respuestas para hacer un seguimiento con los expertos relevantes de la compañía en caso que se necesite más información.

Dado que éste fue el primer proyecto de aprendizaje automático de la compañía, Optima Healthcare comenzó desde cero. Sin embargo, James no se apresuró a contratar expertos en IA y científicos de datos con doctorado.

"Obviamente, existen casos de uso de IA donde se necesitan científicos de datos, afirma. "Pero las herramientas están llegando al punto en que se pueden poner en manos de DevOps.

En cambio, lo que más importaba era que el equipo tuviera un profundo conocimiento de lo que necesitaba la compañía, cómo recopilaba la información, dónde se almacenaba la información, y cómo se usaba.

Así que el equipo del proyecto estaba compuesto por desarrolladores existentes de Optima Healthcare.

"Algunas de nuestras personas tenían habilidades rudimentarias en Python, afirma James. Python es uno de los lenguajes más populares para el aprendizaje automático y de inteligencia artificial, pero los miembros del equipo tuvieron que ponerse al día tanto en la programación básica de Python como en las capacidades específicas del lenguaje de máquina.

Esta etapa del proceso duró aproximadamente dos meses, principalmente porque los empleados no obtuvieron un tiempo de capacitación dedicado, sino que tuvieron que adaptarse a sus otros proyectos. James afirma que Optima usó la plataforma de aprendizaje en línea PluralSight, entre otros recursos de capacitación.

Conseguir la velocidad en la programación de Python fue la parte fácil, dado que los desarrolladores ya conocían múltiples lenguajes de programación. Pero la parte de aprendizaje automático fue más difícil, ya que Optima no solo tomó las bibliotecas existentes y las puso en funcionamiento, sino que también las construyó.

"Hubo muchos fracasos tempranos, afirma James. "Parte de aprender algo nuevo es integrar tiempo para tener fallas.

Cinco meses después, la nueva herramienta estaba en funcionamiento. Ahora, una solicitud de propuestas que solía durar una semana, se ha reducido a solo dos días; y James afirma que espera que el proceso se acelere aún más a medida que el sistema se vuelva más inteligente.

A continuación, señala James, se utilizará un enfoque similar para agregar inteligencia a los productos de la compañía.

"Creemos que será una gran ventaja tecnológica en comparación con nuestra competencia, afirma. "Las compañías que están adoptando esta tecnología así de temprano obtendrán una ventaja competitiva, pero tienen que adoptarla ahora.

Alfabetización de datos: una habilidad empresarial fundamental

A medida que las herramientas de inteligencia artificial y aprendizaje automático se vuelven más fáciles de usar, y las compañías que, en lugar de construir desde cero, comienzan a construir estos sistemas sobre plataformas disponibles comercialmente, más empleados de línea de negocios pueden prepararse parar dominar estos proyectos.

Para estos empleados, la habilidad clave es tener estadísticas básicas, afirma Doug Bordonaro, chief data evangelist de ThoughtSpot, una compañía de software de análisis con sede en Palo Alto. Antes de unirse a ThoughtSpot, dirigió los equipos de datos en Disney y AOL.

"Piense en el conocimiento de datos como un problema de negocios, no un problema técnico, afirma. "Con la IA, la mayoría de los requisitos técnicos para interactuar con los datos están disminuyendo, lo que hace que sea una necesidad empresarial mayor de la que era antes".

Algunas empresas verán enormes ganancias con el uso de productos y componentes de proveedoras externas, afirma Likens de PricewaterhouseCoopers. "Puede ayudar a reducir costos, tomar decisiones más rápido y ayudar a tomar decisiones que antes no podían tomar.

Construir un equipo interno de IA es costoso, agrega, dado el mercado actual para el talento de inteligencia artificial y aprendizaje automático. Pero hacer esta inversión puede ayudar a las empresas a diferenciarse en el mercado y optimizar sus propias necesidades comerciales.