Llegamos a ustedes gracias a:



Reportajes y análisis

Anatomía de una estrategia de IA a escala empresarial

[21/08/2019] Cuando se trata de la inteligencia artificial (IA), las empresas suelen experimentar con pruebas de conceptos o casos de uso a pequeña escala, aprovechando las ofertas de los proveedores, como las nuevas funciones en sus plataformas SaaS existentes.

Si las cosas van bien, persiguen otro proyecto, luego otro, y pronto se encuentran que dependen de una ampliación de sistemas incompatibles, la competencia entre lagos de datos, los problemas con los excesivos costos, la duplicación de esfuerzos y la incapacidad para crecer, sin mencionar los problemas con la privacidad, el cumplimiento o la ética.

En algún momento, los beneficios de la IA se vuelven lo suficientemente obvios, y el dolor de continuar en su camino actual es tan agudo que, con el propósito de lograr una transformación impulsada por la IA a nivel de toda la empresa, las compañías retroceden para desarrollar una estrategia coherente.

"La tendencia a sentirse abrumado por las tecnologías no solo ahoga a las organizaciones en deudas técnicas, sino que las desalienta porque no ven un camino hacia una IA sostenible y con crecimiento, afirmó Traci Gusher, socia en prácticas de datos, analítica e inteligencia artificial en KPMG.

A continuación, un vistazo de cómo las organizaciones pueden garantizar que el cambio de proyectos piloto hacia una IA fluida, a escala completa, vaya bien.

Comience con las principales prioridades del negocio

Para crear una estrategia integral, basada en la inteligencia artificial, para lograr la transformación de la empresa, debe comenzar con lo básico, afirma Gusher. "¿Cuáles son sus principales oportunidades como organización? ¿Cuáles son sus principales desafíos? ¿Cuáles son sus mayores riesgos?

Luego, observe cómo la IA puede afectar esas oportunidades, desafíos y riesgos. "Si realmente está tratando de alcanzar una ventaja competitiva, entonces debe analizarlo a un nivel estratégico, en estas grandes áreas, afirma.

Las empresas también deben evitar proyectos donde el retorno sobre la inversión no vaya a ser lo suficientemente inmediato.

"Si tengo un riesgo inminente para mi organización que necesita resolverse, la IA probablemente no sea la respuesta, afirma. "Se necesita tiempo para obtener los datos, tiempo para aprender, tiempo para obtener los beneficios. Las organizaciones deberían considerar los programas que apuntan al largo plazo.

Tomar este tipo de decisiones requiere una comprensión sólida de las capacidades de la IA por parte de los altos ejecutivos y miembros del directorio.

En UL, una compañía con 125 años de vida que se dedica a probar equipos eléctricos, la estrategia de transformación basada en la IA comienza por la parte superior.

"El papel del liderazgo no puede subestimarse, afirma Scot Webster, vicepresidente senior y chief technical officer de UL. "El liderazgo es importante para ayudar a crear un propósito más amplio en toda la empresa.

Una estrategia de IA para toda la empresa no se puede ejecutar como un proyecto experimental, agrega.

"Tenemos 14 mil empleados en UL, y apuesto a que todos los 14 mil saben que nos estamos enfocando en la digitalización, la IA y la estrategia 5.0, afirma el ejecutivo. "El directorio se actualiza en sus reuniones, todos los empleados se actualizan. Tenemos un centro de excelencia, específicamente para las aplicaciones de RPA y bots.

Cambie su estrategia de datos: de silos a plataformas

Según Anand Rao, socio y líder mundial de inteligencia artificial en PricewaterhouseCoopers, una vez que las personas indicadas y el liderazgo se encuentran listos, es hora de centrarse en las plataformas de inteligencia artificial y ciencia de datos. Por lo general, las plataformas utilizadas para los proyectos piloto no crecen bien. Entonces, la IA de toda la empresa debe mudarse a la nube, algo que puede proporcionar beneficios adicionales: un manejo más fácil de los grandes lagos de datos, una mejor integración con fuentes y herramientas de datos externas, y un fácil acceso a las últimas tecnologías de IA.

Pero para hacer el cambio a la nube, debe controlar sus datos. Y eso significa romper los silos.

"El problema Nro. 1 es no centrarse lo suficiente en su estrategia de datos desde el principio, afirma Jamie Thomas, gerente general de Estrategia y Desarrollo de Sistemas de IBM. "Ese es el mayor escollo que vemos.

Una estrategia integral de gestión de datos no solo cubre la recopilación, organización y análisis de los datos, sino que también ofrece un significado y un contexto que harán que los datos sean efectivos para la IA. También implica tener un plan para lidiar con los sesgos, los cuales pueden surgir si los modelos reciben datos incorrectos, afirma Thomas.

En el pasado, los equipos de Fannie Mae implementaban proyectos de inteligencia artificial y aprendizaje automático en silos, afirma Jay Rudrachar, director de Monitoreo, Analítica y Reportes del gigante del financiamiento hipotecario. "Pero tuvimos que dar un paso atrás. Dijimos: 'Esto no está funcionando'.

Entonces, hace 18 meses, la compañía comenzó a pasar a una estrategia orientada a la IA para toda la empresa, que incluye múltiples plataformas de ciencia de datos y lagos de datos basados en las necesidades del negocio, afirma Rudrachar. La consolidación de su estrategia de inteligencia artificial coincidió con el cambio de la organización a la nube. Anteriormente, la compañía administraba su propio centro de datos en Urbana, Illinois, y poseía un segundo centro de resiliencia en otra ubicación.

Ahora, como parte de su estrategia de inteligencia artificial, Fannie Mae utiliza la plataforma de inteligencia artificial MicroStrategy, de Tableau, en sus datos orientados al cliente para mejorar la velocidad y precisión de su negocio de suscripción, servicio y titulización. Para las operaciones internas, Fannie Mae se apoya en Moogsoft y Splunk para analizar los registros del sistema y los KPI con el fin de mejorar el rendimiento y ayudar a resolver los problemas de TI y ciberseguridad. También emplea Blue Prism para la automatización de los procesos de negocio.

"Ya estamos viendo el beneficio de esta inversión, afirma Rudrachar. "Uno de los beneficios es romper los silos. Por ejemplo, en TI, existen muchos equipos que realizan operaciones de TI a nivel de plataforma, operaciones y negocios, y cada uno mantiene sus propios conjuntos de datos, los cuales no son visibles para otras personas. Con el aprendizaje automático y la inteligencia artificial, les estamos dando a todos un panel unificado, para que vean lo que sucede en otras áreas.

Entonces, si hay un incidente, las personas pueden encontrar la causa de éste, incluso si está en un sistema o capa diferente.

"Eso cambió por completo el panorama, afirma. "Cada empresa tiene que comenzar a hacer esto, de lo contrario la eficiencia en el espacio de operaciones de TI es un desafío.

Ampliar la búsqueda de los grupos de interés

Fácilmente, los proyectos de IA pueden crear problemas de privacidad, cumplimiento, sesgo o ética para las empresas, por lo que es esencial implicar a los grupos de interés provenientes de una amplia gama de líneas de negocios.

"Muchas veces, la compañía se enfoca en los objetivos de negocio, y tiene sentido, puesto que el negocio debe ser el conductor, afirma Michael Shortnacy, socio de King & Spalding, firma global de abogados. "Pero puede haber un mundo de consecuencias no deseadas con la IA.

Shortnacy sugiere que las empresas también cuenten con expertos legales, de cumplimiento, de riesgos y otros para que formen parte del proceso de elaboración de estrategias. Si se usa la IA en el proceso de relación con el cliente, hay varios tipos de dificultades legales y de privacidad de las que las empresas deben cuidarse. Pasar por alto la privacidad o la seguridad son problemas comunes para los proyectos de prueba de concepto, y son capaces de generar complicaciones cuando una empresa decide crecer.

"Puede inducir enormes riesgos de cumplimiento y regulación, así como crear riesgos financieros para las empresas, afirma Jennifer Fernick, jefa de investigación del Grupo NCC. "Al contar, desde el principio, con arquitectos de seguridad y otros representantes de los equipos de seguridad en la mesa, puede introducir la seguridad desde el diseño en el sistema.

Organizar a todos estos interesados en torno a la misma mesa, en lugar de trabajar en grupos aislados dispersos en varias unidades de negocios, puede ayudar a garantizar que todos los puntos de vista estén cubiertos.

"Cuando uno tiene equipos fragmentados, es posible que falte algún grupo de interés, afirma Fernick. "Es posible que no tenga a alguien que represente la privacidad; es posible que no tenga un arquitecto de seguridad competente.

Elija las plataformas y socios adecuados

La escalabilidad de su estrategia de IA no se trata solo de elegir la plataforma de nube adecuada para lograr un crecimiento rentable. También puede significar adoptar un enfoque diferente para la dotación de personal y elegir los socios de negocio adecuados.

Hace cinco años, Hello Tractor, con sede en Washington DC, se lanzó con planes de ser el "Uber de los tractores, ayudando a conectar a los propietarios de tractores con los agricultores de Nigeria y otros mercados emergentes. "Cuando comenzamos, teníamos una administración de flota muy simple, con un componente básico para hacer las reservas, afirma Jehiel Oliver, CEO de la compañía.

Posteriormente, como resultado de los comentarios de los clientes hace un año, Hello Tractor comenzó a buscar el uso de la IA para ayudar a los propietarios de los tractores a implementar mejor sus tractores y conductores, así como reducir el tiempo de inactividad no planificado y los costos de mantenimiento. "Eso sería un gran valor agregado para los propietarios de los tractores, afirma.

Al igual que muchas empresas en situaciones similares, Hello Tractor salió a buscar expertos en inteligencia artificial.

"Contratamos a algunos científicos de datos, y fue difícil, afirma Oliver. "Es un mercado laboral muy competitivo. No solo teníamos que buscar personas que se sintieran cómodas trabajando con estas tecnologías avanzadas, sino que también tenían que sentirse cómodos con los modelos de negocio y las ubicaciones en las que operamos. No estamos prometiendo oficinas cómodas en Silicon Valley. Trabajamos en la agricultura de los mercados emergentes.

Y cuando el personal adecuado estaba disponible, era costoso, afirma. "No podemos transferir costos exorbitantes a nuestros clientes. Tenemos clientes muy sensibles al precio.

Como resultado, la compañía tuvo que determinar qué personas no les beneficiaban. "Había una persona realmente muy buena, pero no podíamos costear su permanencia en la nómina, afirma Oliver. "Y él era solo parte de lo que necesitábamos.

Así que Hello Tractor uso la creatividad para atraer socios -y para determinar lo que tenía que ofrecerles a esas relaciones.

"A veces, los canales tradicionales no funcionan, afirma el ejecutivo. "A veces, hay que tener en cuenta cómo lograr que una empresa grande con capacidades profundas se interese en una startup que trabaja en la seguridad alimentaria de África.

Al enfocar sus búsquedas en su misión principal, Hello Tractor podría proporcionar a los socios algo que ellos no pueden obtener trabajando con cualquier organización: trabajo significativo en un nuevo mercado.

"Creemos que hay un valor intrínseco que podemos ofrecerles a nuestros socios, afirma Oliver. "Las buenas empresas se dan cuenta de que sus trabajadores también quieren hacer un trabajo significativo.

Una vez que Hello Tractor se reenfocó en esa misión, y dejó de seguir la ruta tradicional para encontrar empleados o socios de negocio, fue más fácil avanzar, afirma el ejecutivo.

"No vamos a ayudar a IBM a alcanzar sus objetivos trimestrales, afirma. "Pero en todas nuestras alianzas, desde IBM hasta John Deere, todos ven esto como una oportunidad para sumergir sus pies en mercados fronterizos que son de alto crecimiento, pero también de alto riesgo. Podemos ayudarlos a manejar eso, siendo los primeros en actuar. Si funciona, podría ser algo enorme.