Diez prácticas para que los CIO implementen la IA con éxito

Estas recomendaciones de SAS pueden ayudarle a afrontar los retos que plantea integrar la inteligencia artificial en los procesos de negocios, y lograr que sea parte de la cultura empresarial.

La inteligencia artificial (IA) es una de las fuerzas que impulsan la transformación digital. Hoy adquiere mayor importancia en un momento en que dicha transformación se ha acelerado debido a los recientes fenómenos mundiales, así como por la necesidad de las organizaciones de seguir operando bajo una nueva normalidad.

Gustavo Guerrero.

Para los directores de TI (CIO), este nuevo contexto plantea retos significativos al momento de integrar la IA en los procesos de negocio. Para afrontarlos y lograr que la inteligencia artificial sea parte de la mentalidad y cultura empresarial de sus organizaciones, destacan diez prácticas que pueden ayudar a estos líderes a hacerlo de manera exitosa.

1. Orientarse hacia la generación de valor

La inteligencia artificial deja atrás la era en que la inteligencia de negocios (BI) y la analítica se ofrecían como productos independientes. Con la IA, ambas forman parte esencial del proceso de negocio, de los productos y los servicios. Para generar valor, los CIO y el equipo de TI no solamente se encargan de operar las máquinas, sino también de garantizar la consecución de los resultados esperados, así como de adoptar una orientación centrada en los clientes, en estrecha colaboración con otros líderes empresariales e incluso con el consumidor final.  

Aquí, la co-creación y la responsabilidad compartida son importantes también, a la vez que le ofrece a TI la oportunidad de demostrar liderazgo y fomentar la innovación al iniciar conversaciones respecto al impacto de las nuevas tecnologías en los roles y procesos existentes.

2. Iterar y adaptar

Hay que recordar que los algoritmos de IA son sistemas que aprenden constantemente. En este sentido, la inteligencia artificial encaja bien en los ciclos de desarrollo ágiles que permiten realizar pruebas y hacer ajustes rápidamente.

Para aprovechar la IA y la analítica avanzada es necesario que TI integre la experimentación, el aprendizaje rápido y la mejora continua, comenzando con sesiones de desarrollo con tiempo limitado y la entrega de productos viables mínimos.

3. Crear una arquitectura flexible

La naturaleza de la ciencia de datos requiere una arquitectura flexible para satisfacer la cambiante demanda y la variedad de tecnologías. A la par del creciente volumen de datos disponibles, se debe considerar distintos aspectos al migrar a la nube. TI debe trabajar con los usuarios para equilibrar la capacidad entre distintos entornos (dentro y fuera) y controlar los costos.

Los microservicios y los contenedores son tendencias más prevalentes que elevan la interoperabilidad y la escalabilidad, sin importar la tecnología subyacente. Esto es importante a medida que las empresas adoptan y utilizan una amplia variedad de algoritmos de código abierto y comerciales.

4. Agilizar el flujo de datos

Algo que se debe tener siempre en mente es que el apetito de datos de la inteligencia artificial es insaciable. Para proveerlos, el departamento de TI necesita agilizar la adquisición, integración y acceso a los datos creando flujos estándar para poblar los entornos de datos analíticos. Una ventaja de crear ecosistemas de datos bien catalogados es que se reduce la duplicación y se promueve la reutilización, al igual que la agilidad analítica.

5. Dar el paso de la prueba a la producción

Un gran número de los algoritmos de IA y de analítica avanzada nunca llegan a producción. No importa cuán interesante sea el resultado, si no se actúa, no se genera valor. Es en este punto donde líderes como el CIO ayudan a los equipos de IA a pasar de la prueba a la producción.

TI también aporta su experiencia en el control de versiones y prácticas para establecer rigor en el desarrollo sin sacrificar velocidad, calidad y seguridad. Asimismo, puede adaptar los procesos actuales para integrarlos con la analítica y los servicios de datos.

6. Aplicar DevOps a la analítica y la IA

Los sistemas de IA no son determinantes. La misma respuesta no se garantiza cada vez, y son altamente sensibles a los cambios en el entorno operativo. Los cambios en los flujos de datos, el comportamiento de los consumidores o las condiciones ambientales pueden afectar el desempeño de los modelos. De ahí que la necesidad de vigilar y ajustarse a las cambiantes condiciones del negocio y los sistemas aumente después de la implementación.

El monitoreo constante debe incluir no solo la validación de las velocidades del sistema, sino también la integridad de la entrada de datos, cambios en el comportamiento y resultados esperados. Las condiciones de operación de los sistemas y la avalancha de algoritmos pueden influir negativamente en las acciones resultantes.

7. Integrar la privacidad y seguridad de origen

A medida que las aplicaciones de IA migran al borde y se convierten en componentes esenciales de las aplicaciones empresariales, la seguridad y la privacidad se vuelven fundamentales. Es por eso que es importante definir protocolos y estándares de seguridad, y garantizar la protección de datos y analíticos que se encuentran dentro del ecosistema. Dada la capacidad de los sistemas de IA para influir en el comportamiento y, en algunos casos, llevar a cabo acciones autónomas, la ciberseguridad es una prioridad de misión crítica.

8. Capacitación constante

Los CIO visionarios promueven la innovación mediante el desarrollo constante de sus colaboradores. Las organizaciones de TI pueden organizar seminarios tecnológicos donde se capacite sobre IA, analítica avanzada y gestión de datos, a los que también pueden invitar a sus colegas para que se familiaricen con la tecnología. Con la capacitación continua y destacar sus resultados, las organizaciones pueden convertir a TI en socios estratégicos en su trayecto hacia la IA.

9. Planear para el cambio

Sin duda, IoT seguirá madurando y el surgimiento de blockchain y otras tecnologías van a seguir cambiando los datos y los patrones de implementación de la analítica. Por tanto, dar prioridad a la agilidad y la flexibilidad es fundamental cuando se planea para el futuro.

A medida que la IA sea parte de la manera en que se ofrecen productos y servicios, los CIO pueden demostrar su liderazgo adoptando el rol de generador del cambio y transformar las prácticas de TI para apoyar este nuevo entorno colaborativo.

10. Ser un visionario

La inteligencia artificial exige cambios. Implementar AI con éxito a nivel empresarial requiere transformar las prácticas de datos y analíticas. En este sentido, TI tiene un papel fundamental en este cambio. Los CIO visionarios se están enfocando en los resultados empresariales, adoptando modelos de trabajo en equipo colaborativo y adoptando el desarrollo adaptable y prácticas de implementación.

La transformación digital ocurre hoy a gran velocidad, y la inteligencia artificial le brinda a las organizaciones los elementos para reaccionar pronto y controlar mejor su desempeño en medio de un entorno que cambia constantemente a la par de los fenómenos globales actuales y del futuro.

Sobre el autor: Gustavo Guerrero Villa es gerente de desarrollo de negocios de nube para Latinoamérica en SAS. Es experto en analítica e inteligencia artificial, con capacitación internacional en consultoría, inteligencia artificial y aprendizaje automático en el corporativo de SAS en Carolina del Norte, EU. Gustavo cuenta con experiencia como analista de datos en la campaña presidencial de México del 2018, y es licenciado en Actuaría por la Universidad Autónoma de Querétaro y en Administración por la Universidad Anáhuac de Querétaro.

Investigue más sobre Inteligencia artificial y automatización

ComputerWeekly.com.br
Close