Hay muchas empresas que han visto beneficios del Machine Learning. Por ejemplo, el ML ha ayudado a Google a mejorar su buscador, vender más anuncios a precios más altos, mejorar la calidad de la traducción y crear mejores aplicaciones de Android. Sin embargo, estas mejoras no sucedieron de la noche a la mañana. Google ha estado invirtiendo en ML durante décadas. Chip Huyen, 2022
Y es que las compañías pueden pensar que todo este boom de la inteligencia artificial va a transformar de manera repentina sus negocios. De igual manera, pueden creer que comprar una solución empaquetada de IA puede solucionar sus problemas operativos, de reducción de costos o estratégicos de manera fácil y rápida. Sin embargo, la transformación no llega así de pronto. Aunque seguramente más de una empresa dirá que sus productos están potenciados con IA para hacerlo sonar rimbombante, con el objetivo de parecer más atractivo a los clientes e incrementar sus ventas.
Reflexión:
Podemos transformar el negocio Mágicamente: Es posible. De la noche a la mañana: No.
El reporte de O’Reilly del 2022 revela que la adopción de la IA en el entorno empresarial se distribuye de la siguiente manera: el 43% de las empresas está actualmente evaluando la implementación, sólo el 26% ha desplegado modelos de manera exitosa en producción y el 31% de las empresas aún no está usando IA.
Figura 1: Adopción de IA y madurez. Fuente: Adaptación de AI Adoption in the Enterprise 2022
Las empresas, que han logrado implementar modelos en producción, han identificado problemas importantes en cuanto a la calidad y falta de datos, así como con la infraestructura. Además, el reporte destaca que la falta de personal capacitado es un problema común tanto para las empresas que están evaluando la implementación como para las que ya tienen modelos en producción. Al examinar con más detalle la dificultad de contratar personal capacitado, encontramos que los encuestados que tienen modelos en producción identificaron las brechas de habilidades en estas áreas: Modelado de ML y Ciencia de Datos 45%, Ingeniería de datos 43% y gestión de los casos de uso del negocio 40%.
La industria del software 2.0¹ es relativamente nueva y muchos de los profesionales provienen del mundo académico, por lo que no tienen experiencia desarrollando y lanzando productos en entornos reales donde los datos cambian constantemente y los modelos requieren Aprendizaje Continuo. Por lo tanto, ese porcentaje del 26% parece bastante razonable.
Un rol fundamental en el desarrollo de software 2.0 en el entorno corporativo será el “AI Business Leader”, quién tendrá la responsabilidad de identificar las oportunidades de negocio y los casos de uso estratégicos que podrían ser abordados con AI/ML. El AI Business Leader liderará los proyectos de IA en la empresa, asegurándose de planificar cuidadosamente la implementación y evaluando las capacidades de IA/ML (Regresión, Procesamiento de Lenguaje Natural, Text-to-Speech, Speech-to-Text, Reconocimiento Facial) necesarias para llevar los casos de uso a producción. También es importante conocer las restricciones de negocio, éticas y legales, que podrían afectar el éxito de los proyectos.
Por último, es importante tener en cuenta que el retorno de la inversión en IA/ML está directamente relacionado con el nivel de madurez de la adopción de IA/ML. Según la encuesta realizada en el 2020 por Algorithmia, las empresas que tienen una adopción sofisticada de IA/ML y tienen modelos en producción durante más de cinco años, pueden implementar un modelo en menos de 30 días en casi el 75% de los casos. Por otro lado, aquellas empresas que recién comienzan con su pipeline de ML, tardan más de 30 días en implementar un modelo en el 60% de los casos (ver Figura 2).
- Software 2.0 fue acuñado por Andrej Karphaty, ex director de IA Tesla y se refiere al software que utiliza redes neuronales. https://karpathy.medium.com/software-2-0-a64152b37c35
- Los gráficos son elaboración propia, puedes usarlos citando este post.