El recorrido por el aprendizaje automático - El camino que le permitirá aprovechar todo el potencial de las tecnologías de aprendizaje automático ...
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
El recorrido por el aprendizaje automático El camino que le permitirá aprovechar todo el potencial de las tecnologías de aprendizaje automático.
INTRODUCCIÓN
Avanzar con determinación
Al hacer uso de las estrategias adecuadas, el aprendizaje automático puede
aumentar la agilidad, optimizar los procesos e incrementar los ingresos gracias
a la creación de nuevos productos y la mejora de los existentes, además de
posibilitar una mejor toma de decisiones con mayor rapidez. No cabe duda de
que el aprendizaje automático (ML) y la inteligencia artificial (IA) pueden ayudar
a las compañías a alcanzar mayores logros: el 54 % de las compañías que han
implementado la IA afirman que la tecnología ha aumentado la productividad.1
IDC predice que, para 2021, el gasto global en IA y tecnologías cognitivas superará
los 50 mil millones USD.2 Los usuarios pioneros utilizan la IA y el aprendizaje
automático para obtener una ventaja competitiva. Según el informe State of AI
in the Enterprise (Estado de la inteligencia artificial en la empresa) publicado por
Deloitte Insights, el 63 % de las compañías invertían en el aprendizaje automático
para alcanzar a sus rivales o reducir la ventaja en 2018.3
Si bien el aprendizaje automático existe desde hace décadas, su accesibilidad como
herramienta para transformar las empresas es relativamente nueva. Además,
la falta de una vía singular y comprobada para alcanzar el éxito con el aprendizaje
automático hace que algunas empresas se mantengan al margen, ya que no se
sienten seguros acerca de cómo dar el siguiente paso (o siquiera el primero) en
este recorrido. Este libro electrónico ha sido diseñado para ayudar a los negocios
a progresar, ya que ofrece una ruta comprobada, desde los primeros pasos a seguir
hasta la medición de los resultados, además de compartir los conocimientos
adquiridos por Amazon acerca del aprendizaje automático y su experiencia
ayudando a miles de clientes a llevar a cabo sus propias iniciativas.
Es hora de que las organizaciones superen los retos relacionados con el aprendizaje
automático para que puedan progresar con confianza. Sin importar dónde se
encuentren las organizaciones en su recorrido por el aprendizaje automático,
encontrarán la orientación necesaria para dar el siguiente paso hacia el éxito con el
aprendizaje automático.
1
https://www.pwc.com/us/en/services/consulting/library/artificial-intelligence-predictions.html
2
https://aws.amazon.com/blogs/machine-learning/accenture-drives-machine-learning-growth-in-one-of-the-worlds-largest-
private-aws-deepracer-leagues/
3
https://www2.deloitte.com/content/dam/insights/us/articles/4780_State-of-AI-in-the-enterprise/DI_State-of-AI-in-the-
enterprise-2nd-ed.pdf
2
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
¿Qué es la inteligencia artificial y el
aprendizaje automático?
Probablemente haya escuchado una serie de descripciones sobre la inteligencia
artificial (IA) y el aprendizaje automático, así que retrocedamos un poco y
repasemos sus definiciones exactas:
La inteligencia artificial (IA) es una forma de describir cualquier sistema que pueda
replicar tareas que antes requerían inteligencia humana.
Casi siempre, esto está relacionado con algún tipo de tarea compleja de toma de
decisiones en la que normalmente se requeriría el juicio humano. La mayoría de
los casos de uso de la IA buscan un resultado probabilístico: hacer predicciones,
clasificaciones o tomar decisiones con un alto grado de certeza y de manera similar
al juicio humano.
La gran mayoría de los sistemas de IA de hoy son creados utilizando el aprendizaje
automático. El aprendizaje automático utiliza grandes cantidades de datos para
crear y validar la lógica de decisión. Esto se conoce como modelo. El sistema de IA
suministra datos de entrada a ese modelo, y luego el modelo elabora predicciones
o clasificaciones similares a las humanas. Esencialmente, el aprendizaje automático
es la tecnología subyacente que impulsa los sistemas inteligentes.
La IA se puede crear sin el aprendizaje automático, pero ahora mismo este es
el método principal para crear sistemas de IA. Del mismo modo, el aprendizaje
automático puede utilizarse para algo más que la IA, pero en la actualidad la mayor
parte del aprendizaje automático está relacionado con la IA.
3
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
¿Por qué aprendizaje automático?
Antes de profundizar en los pasos necesarios para utilizar el aprendizaje automático, exploremos por
qué las empresas deben emprender este recorrido en primer lugar. Al fin y al cabo, incluso con la guía de
este libro electrónico, completar los pasos que se describen aquí requerirá inversiones continuas y una
dedicación inquebrantable. Los negocios tendrán que tener en cuenta constantemente qué es lo que buscan,
concentrándose en los beneficios del negocio precisos que pueden obtenerse si se aprovecha al máximo la
tecnología del aprendizaje automático.
Los negocios ya conocen el impacto de:
La optimización del negocio con nuevas eficiencias
1 El aprendizaje automático se puede utilizar para crear una mayor eficiencia gracias a sofisticados
modelos de planificación y predicción de la demanda. Si bien esto se da en casi todos los sectores,
los minoristas y los fabricantes aportan algunas pruebas específicas. En el comercio minorista, la
predicción basada en la IA reduce las pérdidas de ventas por falta de disponibilidad de productos
hasta en un 65 % y resulta en 2 millones menos de devoluciones de producto al año.4 En la
fabricación, la compañía papelera Georgia-Pacific utiliza el aprendizaje automático para detectar
problemas con antelación y para mantener la calidad, lo que elimina el 40 % de las grietas en una
de sus líneas de conversión.
Decisiones más inteligentes y rápidas
2 Con base en información proveniente de fuentes de datos y análisis con un crecimiento más
inteligente a través del aprendizaje automático, los negocios y su personal pueden tomar
decisiones más rápidas y bien fundadas que les permiten actuar sobre las oportunidades lo
antes posible y obtener mejores resultados. En el sector de la salud, el personal de enfermería
que cuenta con herramientas de IA aumenta la productividad hasta en un 50 %.5 La compañía
de tecnología para la salud Cerner utiliza el aprendizaje automático para un modelo que predice
la insuficiencia cardíaca congestiva hasta 15 meses antes de que se manifieste en pruebas
clínicas, lo que mejora la atención al paciente y termina salvando vidas.
4
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
3 Incorporación de nuevas capacidades a los productos
existentes 4 Invención de nuevos productos netos
Con el aprendizaje automático, las empresas pueden aprovechar los
El aprendizaje automático puede enriquecer los productos existentes, datos para desarrollar ideas revolucionarias y lanzar nuevos productos
mejorando el compromiso de los clientes y atrayendo a nuevos usuarios (e incluso nuevas categorías) al mercado. Convoy revolucionó la
a través de experiencias más profundas. Por ejemplo, Intuit agregó industria del transporte mediante la introducción de un modelo basado
un potente sistema de aprendizaje automático a su popular producto en el aprendizaje automático para automatizar la logística. La solución
TurboTax para que el sistema pueda comprender mejor las 80 000 páginas de Convoy proporciona una mejor adaptación para los cargadores y
del código fiscal.6 camioneros, lo que les permite mover el cargamento de manera más
eficiente y reducir los costos para ambas partes.
Ahora que hemos explicado el “por qué” del aprendizaje automático, es el momento de profundizar en el “cómo”. En las siguientes secciones,
se mostrarán los pasos a seguir en el recorrido del aprendizaje automático, gracias a la propia experiencia de Amazon y la de los clientes de
AWS que ejemplifica los cambios necesarios para implementar, utilizar y escalar correctamente el aprendizaje automático.
4
https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/
How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-
Artificial-Intelligence-Discussion-paper.ashx
5
https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/
How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-
Artificial-Intelligence-Discussion-paper.ashx
6
https://www.wired.com/wiredinsider/2019/12/intuits-machine-learning-helps-save-money/
5
EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
El recorrido por el aprendizaje automático
El recorrido por el aprendizaje automático no siempre es sencillo. Para alcanzar el éxito con el aprendizaje
automático, no solo se necesita una gran tecnología, sino también asegurarse de que la organización está alineada
con los objetivos correctos. La identificación y el logro de esos objetivos requerirán grandes cambios en los
procesos, la administración y la cultura de la empresa. En las siguientes secciones, se explorará la forma en que las
organizaciones pueden superar los desafíos comunes que suelen impedir el progreso, y se tomarán las medidas
adecuadas para implementar el aprendizaje automático de manera eficiente y sostenible.
1 Defensa de una cultura de aprendizaje automático
Según Gartner, se proyecta que el valor empresarial Es importante que la administración adopte una
global derivado de la inteligencia artificial (IA) visión a gran escala y fomente las iniciativas de
alcanzará los 3900 billones USD en 20227. aprendizaje automático. Los ejecutivos deben
mantener la firmeza en sus objetivos, pero deben
“(El aprendizaje automático) potenciará y mejorará
ser flexibles en la forma en que la organización
cada empresa, cada organización gubernamental,
los alcanza. Seguro que se cometerán errores.
cada filantropía, básicamente no hay institución en
Sin embargo, si se mantienen enfocadas en la
el mundo que no pueda mejorar con el aprendizaje
perspectiva a largo plazo y no permiten el desánimo,
automático”, afirma Jeff Bezos, fundador y director
las organizaciones pueden sacar provecho de cada
ejecutivo de Amazon.
error y aplicar esos aprendizajes para defender
Para liberar todo el potencial empresarial del una cultura de aprendizaje automático en todo el
aprendizaje automático se necesitarán cambios negocio.
culturales en la organización, los objetivos y la
Quizá el mayor cambio cultural que deben
perspectiva del equipo.
experimentar las organizaciones es convertirse
Si se desea que el aprendizaje automático se tolerantes a los errores.
propague por toda la organización, tanto los equipos
El aprendizaje automático es un proceso iterativo,
de negocios como los técnicos deben trabajar juntos
que solo puede tener éxito a través de la
y compartir las mismas prioridades. Para lograr
experimentación constante. La mayoría de las veces,
esto, el esfuerzo del aprendizaje automático debe
estos experimentos resultarán en fracasos. Solo si
contar desde el principio con el apoyo de los niveles
se toleran estos fracasos, y si se rehúsan a detener
más altos, con objetivos establecidos por los líderes
el progreso para determinar “qué fue lo que salió
ejecutivos y una inversión en la tecnología y en los
mal”, las organizaciones pueden alcanzar de forma
procesos que permitan alcanzar el éxito.
consistente el éxito que las espera al otro lado.
7
https://www.gartner.com/en/newsroom/press-releases/2018-04-25-gartner-says-global-artificial-intelligence-business-value-to-reach-1-point-2-trillion-in-2018
6
EL RECORRIDO POR EL
ENFOQUE EN EL CLIENTE
APRENDIZAJE AUTOMÁTICO
Cómo lo logró Amazon
A mazon ha utilizado el aprendizaje automático en el negocio durante más de
20 años. Pero hace 10 años, para lograr una mayor adopción del aprendizaje
automático en toda la compañía, el equipo de liderazgo de Amazon pidió a todos los
La compañía utiliza el aprendizaje automático a lo largo de su proceso de
distribución y aprovecha un sistema de predicción que puede predecir la demanda
de casi todos los productos de su enorme inventario. Con estos modelos de
líderes de negocios de la organización, independientemente de si dirigían un equipo predicción, Amazon puede cumplir mejor con las expectativas de los clientes en
de investigación, un centro de distribución o una organización de recursos humanos, cuanto a comodidad, costos y velocidad de entrega.
que respondieran a la pregunta sobre cómo planeaban aprovechar el aprendizaje
automático en su ámbito de trabajo. “Prevemos millones de productos cada día en todos nuestros sitios de Amazon a
nivel mundial”, dice Jenny Freshwater, directora de predicciones de Amazon. “Sin el
En la mayoría de los casos, la respuesta “no tenemos pensado hacer esto” no era aprendizaje automático, no podríamos elaborar esas predicciones”.
aceptable. Esto obligó a los líderes, a los expertos en la materia y a los expertos
técnicos a colaborar en iniciativas de aprendizaje automático y a no permitir que Amazon también desarrolló tecnología para ofrecer a los consumidores una forma
nada detuviera su progreso, incluso en los casos en que los beneficios tangibles aún totalmente nueva de interactuar con la tecnología a través de Alexa. La empresa
estaban a años de distancia. desarrolló una tecnología innovadora con un sistema de vuelo autónomo a través de
drones de Prime Air y utiliza la robótica en sus centros de distribución para llevar los
Además de contratar a científicos de datos externos, Amazon también creó la paquetes a los consumidores con mayor rapidez.
Universidad de aprendizaje automático, que capacitó a muchos de sus desarrolladores
para que utilizaran el aprendizaje automático de manera más efectiva. La compañía Para alcanzar estos logros, fue necesario realizar grandes inversiones en tecnología,
creó herramientas como Amazon SageMaker, que simplifica el proceso de creación investigación y aptitudes. Sin embargo, esas inversiones se habrían desperdiciado sin
de modelos y reduce la barrera de entrada, de modo que el aprendizaje automático el cambio cultural que los ayudó a superar muchos fracasos y desafíos inesperados.
puede escalar con mayor eficacia. Cada organización debe fomentar esta misma cultura de experimentación e
innovación tolerante a errores antes de que comience el verdadero recorrido por el
Hoy, 10 años después, no hay un solo departamento en Amazon que no haya aprendizaje automático.
sido influenciado por el aprendizaje automático. La tecnología de personalización
de Amazon que proporciona recomendaciones a los clientes ha mejorado
significativamente desde su primer modelo hace 20 años y se ha implementado en
otras áreas del negocio.
7
EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
2 Reflexión sobre la estrategia de datos
El éxito del aprendizaje automático depende en gran Si bien las estrategias de datos modernas adoptan
medida de la calidad de los datos. Sin una estrategia muchas formas, los lagos de datos se están
de datos adecuada, el progreso será más lento y convirtiendo en un componente central cada vez más
obstaculizará la eficacia del modelo final. Peor aún, popular de los modelos más eficientes. Los lagos
si el modelo recibe información de datos erróneos, de datos ofrecen más agilidad y flexibilidad que los
los resultados que genera pueden ser engañosos, sistemas tradicionales de administración de datos,
o incluso totalmente incorrectos. lo que permite a las empresas administrar múltiples
tipos de datos de una amplia variedad de fuentes
“(Los modelos de aprendizaje automático) son muy y almacenar los datos, ya sean estructurados o no
sensibles a la calidad de los datos”, explica Freshwater. estructurados, en un repositorio centralizado.
“Así que aprendimos, en muchos casos por las
malas, que el tiempo invertido en obtener datos de Una vez almacenados, los datos se pueden analizar
alta calidad en el comienzo producía dividendos en mediante muchos tipos de servicios de análisis
nuestros modelos al finalizar”. y aprendizaje automático, de forma más rápida
y eficiente en comparación con los enfoques
La estrategia de datos adecuada para el aprendizaje tradicionales en silos. Las arquitecturas de lagos de
automático debe tener como objetivo desglosar los datos también permiten que múltiples grupos dentro de
silos, para que los equipos de TI puedan acceder a los la organización se beneficien del análisis de un conjunto
datos y recopilarlos de forma fácil, rápida y segura. de datos coherente que abarca toda la empresa.
Para obtener ayuda en el desarrollo de una estrategia
de datos más holística que incluya los lagos de datos,
interactúe con AWS Data Flywheel.
8
EL RECORRIDO POR EL
ENFOQUE EN EL CLIENTE
APRENDIZAJE AUTOMÁTICO
Cómo lo logró Zillow
P ara resolver los problemas de escalabilidad, rendimiento y recuperación de
desastres, la empresa inmobiliaria Zillow creó un lago de datos con Amazon
S3. La empresa almacena ahora petabytes de datos, incluidos 300 millones de
imágenes, en una infraestructura flexible de la nube de AWS, lo que simplifica en
gran medida la administración de los datos. Los problemas de capacidad, ancho
de banda y disponibilidad son cosa del pasado para Zillow, ya que su arquitectura
de lago de datos proporciona escalabilidad y rendimiento más que suficientes para
satisfacer la demanda.
En la actualidad, Zillow lleva a cabo una serie de iniciativas de aprendizaje
automático, entre las que se incluyen las ofertas de Zillow, que ofrecen una
experiencia de venta de viviendas cómoda y personalizada para los propietarios
que desean una venta segura y predecible en sus plazos de entrega8.
Lea la historia completa »
8
https://www.zillow.com/tech/improving-scheduling-efficiency 9
EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
3 Localización del problema
empresarial adecuado a tratar
Un error que suelen cometer las organizaciones en su recorrido por el aprendizaje
automático es emplear a científicos de datos independientes que trabajan en silos
para crear modelos de aprendizaje automático como prueba de conceptos, en lugar
de resolver problemas empresariales reales. Como no tienen que resolver ningún
problema empresarial específico, a los ejecutivos de TI les resultará cada vez más
difícil demostrar el valor de los proyectos de aprendizaje automático a sus homólogos
ejecutivos. Esto puede retrasar o incluso detener el progreso de las iniciativas de
aprendizaje automático.
A continuación, se presentan algunas preguntas importantes que
las organizaciones deben hacer antes de comenzar a utilizar el
aprendizaje automático:
1 ¿El proyecto es lo suficientemente importante como para llamar la
atención y lograr la adopción?
2 ¿Soluciona un problema empresarial real?
3 ¿Existen lugares en los que la organización ya tiene muchos datos
sin utilizar?
4 ¿El proyecto necesita el aprendizaje automático?
5 ¿Puede hacerlo una sola empresa?
6 ¿Se puede poner en marcha en algún momento?
10EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
“Un primer paso es identificar un problema que contenga muchos datos, pero que no Juntos, estos equipos también deben trabajar en la manera de medir el éxito.
se haya podido resolver con los métodos tradicionales”, explica Freshwater. “Asegúrese de tener medidas muy precisas y claras a medida que se adentra en el
aprendizaje automático”, dice Freshwater. “Muchas veces, los modelos toman el
Para lograr que el aprendizaje automático sea un éxito, las organizaciones crean control de algo que ya existe y uno quiere asegurarse de que son realmente mejores
equipos de aprendizaje automático destinados a abordar problemas empresariales y de que eso se puede medir”.
específicos. Para ello, es necesario incluir en estos equipos tanto a expertos técnicos
como a expertos en la materia. Si bien los expertos técnicos serán los más afectados Para obtener más información acerca de cómo medir el éxito de las iniciativas de
por la creación de modelos, necesitan los conocimientos de campo de los expertos en aprendizaje automático, consulte el Paso 6 en este libro electrónico.
la materia para definir con precisión los desafíos empresariales e identificar los datos
más importantes para encontrar una solución. Algunas organizaciones cuentan internamente con las aptitudes necesarias para
identificar los problemas que el aprendizaje automático podría tratar óptimamente
Este enfoque también es fundamental para la administración del cambio: cuando los y para implementar los programas piloto apropiados. Las organizaciones que
expertos técnicos y los expertos en la materia colaboran en la creación de modelos necesitan ayuda en esta área deben contactar a expertos y colaborar con ellos para
de aprendizaje automático, los empleados se sienten más seguros a la hora de tomar “trabajar en retrospectiva” a partir de los desafíos del negocio. Luego, deben avanzar
decisiones basadas en la lógica del algoritmo. gradualmente en el proceso de creación de proyectos de aprendizaje automático
para resolver esos desafíos.
11EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
Cómo lo logró la NFL
D urante décadas, la NFL ha trabajado para proporcionar información profunda
acerca de sus jugadores y equipos. Sin embargo, la sed de los fanáticos por
datos y las estadísticas es insaciable. Los aficionados exigen información que se
encuentra más allá de los límites de la capacidad humana.
Para abordar esta necesidad, la NFL ha trabajado junto con AWS para darle vida
a la herramienta NFL Next Gen Stats (NGS) basada en el aprendizaje automático.
Como la ciencia y el fútbol son disciplinas completamente diferentes, la NFL
convocó sabiamente a los expertos técnicos y a los expertos en el área para la
creación de NGS. Se aseguró de que ambos grupos pudieran trabajar en conjunto
para identificar los datos correctos y desarrollar estadísticas convincentes para los
fanáticos del fútbol americano.9
Con la ayuda de las etiquetas de identificación de radiofrecuencia para realizar un
seguimiento de los movimientos de los jugadores, NGS utiliza actualmente modelos
de aprendizaje automático para calcular más de 20 estadísticas diferentes. Un
ejemplo de esto es la métrica de probabilidad de compleción, la cual integra a más
de 10 medidas en juego para calcular la probabilidad de que se atrape un pase
(todo mientras la pelota está en el aire).
Observaciones como la probabilidad de compleción no existirían si no fuese por la
asociación entre expertos técnicos, quienes pueden construir y entrenar los modelos
que analizan los datos necesarios, y expertos en el área, que saben qué datos deben
medir para crear las estadísticas más interesantes.
Esta asociación también ayuda a lograr la aceptación de NGS, ya que es más
probable que los comentaristas mencionen estadísticas avanzadas que los expertos
en fútbol (y, en algunos casos, las mismas emisoras) crearon.
Lea la historia completa »
9
https://aws.amazon.com/nextgenstats/
12EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
4 Mejora de las habilidades
profesionales de sus equipos
Mientras se crea una estrategia de datos, las organizaciones deben enfocarse en
armar a sus equipos de ingenieros con las habilidades adecuadas.
Las organizaciones son cada vez más conscientes de la falta de habilidades en
la tecnología de la información, la creciente brecha entre las tecnologías y la
habilidad de los especialistas para aprovecharlas. Eliminar esta falta de habilidad
en el aprendizaje automático implicará la combinación de formación técnica y
contrataciones. La realidad es que actualmente no hay suficientes científicos de
datos para conducir la transformación del aprendizaje automático que se aproxima.
Esto implica que las organizaciones que quieran aprovechar el aprendizaje
automático primero deben invertir en el desarrollo de sus aptitudes.
Aunque no se ha encontrado una solución universal para la falta de habilidad
en el aprendizaje automático, existen métodos probados que pueden maximizar
las habilidades del personal existente y, de este modo, reducir la necesidad de
realizar grandes inversiones en la compra o en el préstamo de talentos expertos ya
capacitados. Estos métodos incluyen lo siguiente:
Definir la falta de habilidades: antes de eliminar la falta de habilidades, una
organización debe identificar las diferencias precisas entre lo que necesita o desea
que hagan sus empleados y las habilidades que tienen actualmente.
Entender cómo se identifican las habilidades: como las iniciativas de aprendizaje
automático representan esfuerzos interdisciplinarios, una organización debe
identificar las habilidades que necesitan los científicos de datos, los especialistas
de aprendizaje automático, los desarrolladores de aplicaciones, los estadistas y los
expertos en otras áreas del negocio.
Personalizar la formación técnica de acuerdo a las necesidades específicas:
si una organización ya cuenta con programas de capacitación que pueden ser
útiles, debería adaptar ese material de acuerdo a las necesidades específicas del
aprendizaje automático del negocio. Los líderes también deben investigar los
servicios de inteligencia artificial ya entrenados que proporcionan inteligencia
preparada para las aplicaciones de negocios y los flujos de trabajo.
13EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
Además de la formación técnica, deberá alinear los equipos para abordar
correctamente los problemas relacionados con el aprendizaje automático.
Esto incluye lo siguiente:
Fomentar una cultura de equipos empoderados: los equipos de proyecto de
aprendizaje automático deben ser multifuncionales a fin de tener la autoridad
necesaria para cumplir objetivos individuales, además de tener la libertad para
intercambiar conocimientos con otros equipos de acuerdo a las demandas y a
las oportunidades que se presenten. Para que este tipo de trabajo en equipo
sea posible, la administración debe fomentar nuevas estructuras y dejar de lado
aquellos modelos organizacionales estrictamente jerárquicos y departamentales
del pasado.
Comenzar con un equipo piloto: establezca un equipo piloto de ingenieros
y asígnele un proyecto de aprendizaje automático. “Recomendaría que dos
personas muy inteligentes se encarguen de descubrir qué métricas desea
optimizar o predecir… solo empiece de a poco”, expresa Freshwater.
Permitir la transformación orgánica: cuando el proyecto piloto esté
completo, el negocio podrá dividir el equipo e incorporar nuevos ingenieros
para crear equipos nuevos y, a su vez, asignarles nuevos proyectos. Este proceso
continúa, lo que permite que el conocimiento se difunda orgánicamente desde
los miembros más antiguos del equipo hasta los que han sido incorporados
recientemente y puedan intercambiar conocimientos entre ellos.
Gracias a esta guía, muchas organizaciones han descubierto que las personas
que componen sus equipos en realidad son las personas que ellas necesitan
para eliminar la falta de habilidades en el aprendizaje automático. Aunque es
posible que todavía se necesite otro reclutamiento, los cambios en relación con
la administración, los procesos y la organización hacen gran parte del trabajo de
mejorar las habilidades para lograr un aprendizaje automático exitoso.
14EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
Cómo Morningstar lo logró
M orningstar, la compañía de investigación en materia de inversiones, utiliza
el aprendizaje automático para automatizar los procesos de recopilación de
datos y aumentar la cantidad de fondos que cubre. La empresa logra esto a través
“Nuestro desafío de DeepRacer aprovecha el entusiasmo de nuestros
empleados por el aprendizaje automático y la inteligencia artificial.
de las predicciones del modelo de aprendizaje automático entrenado para imitar el Proporciona formación práctica en la empresa y acelera la aplicación
proceso de evaluación de fondos de los analistas. práctica de Morningstar del aprendizaje automático en nuestros
productos, servicios y procesos de inversión. La respuesta por parte
A fin de capacitar a sus empleados y acelerar la aplicación del aprendizaje de nuestros equipos superó mis expectativas y considero que fue una
automático, Morningstar utiliza AWS DeepRacer, una herramienta que facilita manera entretenida de unir nuestros equipos, tanto en la tecnología
la formación práctica en aprendizaje automático a través de un coche de como en otras funciones".
carreras autónomo a escala 1/18 basado en el aprendizaje de refuerzo, un
simulador de automovilismo 3D y una liga de automovilismo a nivel mundial. James Rhodes, director de tecnología de Morningstar
Más de 445 empleados de Morningstar que se encargan de distintas funciones
y provienen de ocho países, incluido el 35 % del personal que se dedica a la
tecnología, han participado en la DeepRacer League10.
Morningstar tiene en mente varios proyectos de aprendizaje automático para
el 2020. Algunos de ellos incluyen implementar un programa de aprendizaje
de refuerzo que se encargue de buscar patrones en documentos regulatorios y
un algoritmo que identifique y repare los enlaces dañados en los sitios web de
instituciones financieras.
https://newsroom.morningstar.com/newsroom/news-archive/press-release-details/2019/Morningstar-Launches-
10
Global-AWS-DeepRacer-Corporate-Competition-to-Accelerate-Application-of-Machine-Learning/default.aspx
15EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
5 El escalado más allá de los proyectos pilotos
Luego de los primeros proyectos pilotos exitosos, las organizaciones pueden llevar sus modelos a la fase
organizaciones deben avanzar al siguiente paso de de producción con mayor rapidez y menor costo.
este recorrido: el escalado del aprendizaje automático De esta forma, se permite la expansión sostenible de
en la empresa de manera sostenible. Este es un las iniciativas de aprendizaje automático más allá de
desafío tanto técnico como cultural. los proyectos piloto.
Para lograr el escalado, las organizaciones deben Existen muchas formas en que las empresas abordan
facilitar el uso del aprendizaje automático a el cambio cultural necesario para escalar el aprendizaje
los desarrolladores. La creación de modelos de automático. Es posible que algunas tengan éxito
aprendizaje automático a escala puede ser una al crear un centro de excelencia que consolide a
tarea intensa y compleja, lo cual puede ralentizar la la comunidad y continúe la búsqueda de nuevas
innovación. iniciativas. También, como es el caso de Amazon,
las organizaciones pueden hacer que el aprendizaje
Muchas organizaciones abordan los retos que automático sea una parte integral de los procesos de
implica el escalado mediante Amazon SageMaker, planificación anual, reuniendo continuamente a los
una solución integral que cubre la totalidad del flujo expertos técnicos y los expertos en la materia para
de trabajo de aprendizaje automático para crear, intercambiar ideas y determinar los próximos pasos
entrenar e implementar los modelos de aprendizaje de la compañía.
automático. Gracias a Amazon SageMaker, las
16EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
Cómo lo logró Intuit
G racias a Amazon SageMaker, Intuit logró reducir el tiempo de implementación
del aprendizaje automático en un 90 por ciento : de seis meses a una semana.
Mediante la centralización de las iniciativas de aprendizaje automático por parte de
Intuit, se fomenta la innovación y se implementan técnicas de inteligencia artificial
y de aprendizaje automático a gran velocidad y escala, por lo que adquiere valor
empresarial más allá de sus productos y servicios.
“AWS le brinda a las personas que trabajan en Intuit una plataforma común para
compartir información y colaborar en un entorno seguro”, afirma Ashok Srivastava, “AWS brinda a las personas que trabajan en
vicepresidente sénior y director de datos de Intuit. “Por ejemplo, Amazon SageMaker Intuit una plataforma común para compartir
nos brinda la plataforma y la infraestructura necesarias para aplicar nuestras información y colaborar en un entorno seguro”
tecnologías sofisticadas de inteligencia artificial y de aprendizaje automático”.
Ashok Srivastava, vicepresidente sénior y
Mire el video » director de tecnología de Intuit
17EL RECORRIDO POR EL
APRENDIZAJE AUTOMÁTICO
6 Medición de los resultados
Cuando se busca medir los resultados del trabajo Si bien las métricas tradicionales de ROI pueden
con aprendizaje automático, el enfoque tradicional no ser el mejor enfoque para medir el impacto que
de “retorno de inversión del proyecto” (en el que tienen las iniciativas de aprendizaje automático sobre
un proyecto debe tener un comienzo y un final las empresas, sí es posible medirlo. Solo se trata de
definidos, un presupuesto y un retorno económico) cambiar de enfoque.
es reduccionista y puede ser perjudicial para el
éxito de la iniciativa. Si el proyecto no genera un Para medir los resultados del aprendizaje automático,
rendimiento positivo en el tiempo determinado, podemos usar algo similar a un “árbol de valores”, en
el negocio puede perder interés en él y perderse el que el tronco principal represente el “rendimiento
oportunidades cruciales más adelante. de los ingresos” tradicional y las ramas que se
desprenden de él representen el valor de otros
Para que esto no suceda, los ejecutivos y el personal resultados del negocio.
de tecnología de la información deben medir los
resultados del trabajo con aprendizaje automático en Las ramas específicas de este árbol de valores
función de lo que significa el éxito para su negocio, dependerán de la organización, la industria y la
en relación con la optimización de los procesos. iniciativa, pero podrían ser cosas como “el ahorro
Además, deben entender los esfuerzos que se dedican de tiempo mediante procesos automatizados”,
al aprendizaje automático como inversiones a largo “nuevos mercados, datos útiles y oportunidades
plazo, teniendo en mente que pueden pasar muchos identificadas”, “mejoras en el servicio al cliente”
años y llevarse a cabo infinitas iteraciones antes de e “incremento en ventas a mayor precio”.
obtener un verdadero “rendimiento”.
Medir el éxito del aprendizaje automático a través
Cuando se planifican iniciativas de aprendizaje de un modelo más holístico y a largo plazo permitirá
automático, es mejor hacerlo desde un enfoque a sus equipos de trabajo concentrarse en los mejores
que priorice la agilidad, la ventaja competitiva y resultados para el futuro de la compañía.
la tolerancia a riesgos, antes que el rendimiento
esperado. Las organizaciones tendrán mucho más
éxito si dejan de lado preguntas como:“¿qué ganancia
obtendré en X meses?” y empiezan a hacerse
preguntas del tipo de: “¿si no invertimos en esto ahora,
nos atrasaremos frente a nuestros competidores en X
años cuando avance la tecnología?”
18DAR EL PRÓXIMO PASO
Dé el próximo paso con AWS
Sin importar en qué etapa del recorrido por el aprendizaje automático esté una
organización, AWS puede proveerle productos, soluciones y servicios que lo ayuden
a dar el próximo paso. AWS cuenta con la más amplia variedad de servicios de
inteligencia artificial y aprendizaje automático en el mundo y ha ayudado a más de
diez mil clientes a implementar el aprendizaje automático con éxito en sus empresas.
AWS dedica todos sus esfuerzos a poner el aprendizaje automático al alcance
de cualquier desarrollador y trabaja sin descanso para superar los desafíos más
arduos que se interponen en su camino hacia esa meta. Las capacidades de AWS
se desarrollan en la plataforma en la nube más completa, están optimizadas para
trabajar con aprendizaje automático con informática de alto rendimiento y no ahorran
esfuerzos en características de seguridad y análisis.
Exploremos las opciones de aprendizaje automático que ofrece AWS en la actualidad
y veamos cómo pueden ayudar a las organizaciones a avanzar en su recorrido por el
aprendizaje automático.
Amazon SageMaker: Amazon SageMaker permite a los desarrolladores y científicos
de datos crear, entrenar e implementar modelos de aprendizaje automático de
forma rápida y sencilla, lo que hace más fácil la escalabilidad en todo el negocio.
Amazon SageMaker elimina la complejidad que obstaculiza la implementación exitosa
del aprendizaje automático en distintos casos de uso e industrias, desde la ejecución
de modelos para la detección de fraude en tiempo real, hasta el análisis del impacto
biológico de potenciales medicamentos de manera virtual o la predicción de intentos
de robo de base exitosos en el béisbol.
19DAR EL PRÓXIMO PASO
El aprendizaje automático con AWS en cifras AWS AI Services: no necesita contar con experiencia previa en aprendizaje automático
para aprovechar los beneficios de estos servicios de AWS basados en inteligencia
artificial:
Soluciones de aprendizaje automático de AWS:
Personalización Análisis avanzado de texto Voz
Reducen el tiempo de entrenamiento en un 50 %11
Predicción Agentes de conversación Transcripción
Ofrecen un 90 % de eficiencia de escalado12
Análisis de imagen y video Traducción Análisis de documentos
Entregan 3 veces más de velocidad en rendimiento de red13
Mejoran el precio y el rendimiento en un 25 %14 Marcos de aprendizaje automático: los clientes de AWS pueden elegir entre
TensorFlow, PyTorch, Apache MXNet y otros marcos populares para personalizar los
El 81 % de los proyectos de aprendizaje profundo en la algoritmos de aprendizaje automático y llevar a cabo experimentos con ellos. Pueden
nube se ejecuta en AWS utilizar el marco de su elección como una experiencia administrada en Amazon
SageMaker o utilizar las AMI de AWS Deep Learning (Imágenes de Amazon Machine),
El 85 % de los proyectos de TensorFlow en la nube se que están totalmente configuradas con las últimas versiones de los marcos y
ejecuta en AWS. herramientas de aprendizaje profundo más populares.
Informática: los clientes de AWS se benefician de un amplio rango de opciones
informáticas potentes, desde las GPU para el aprendizaje profundo con uso intensivo
de recursos informáticos hasta las FPGA para la aceleración especializada de hardware
y las instancias con gran capacidad de memoria para ejecutar inferencias. Amazon EC2
proporciona una amplia selección de tipos de instancia optimizados para trabajar con
casos de uso de aprendizaje automático, sin importar si el cliente está entrenando un
modelo o ejecutando inferencias en modelos entrenados.
Herramientas de aprendizaje automático: AWS también ofrece una serie de
herramientas y servicios de aprendizaje para ayudar a las organizaciones a mejorar
sus capacidades de aprendizaje automático, como las siguientes:
AWS DeepRacer Formación técnica y certificaciones de aprendizaje automático
11
egún mediciones obtenidas en la prueba de punto de referencia de ResNet-50, TensorFlow optimizado
S AWS DeepLens Laboratorio de soluciones de Amazon Machine Learning
para AWS registró el tiempo de entrenamiento más rápido, superando al resto en un 50 %.
12
l uso de TensorFlow optimizado para AWS permite una eficiencia de escalado casi lineal de hasta un
E
90 % en comparación con el 65 % que se obtiene utilizando TensorFlow común.
13
en comparación con otros proveedores que utilizan instancias P3dn
14
utilizando instancias C5 con un procesador Intel Xeon de 3,0 GHz, en comparación con instancias de
generaciones anteriores
20CONCLUSIÓN
Solución a los desafíos Reto Solución
más grandes del
aprendizaje automático Desaliento a causa de errores Desarrollar una cultura de tolerancia a errores
La mayoría de las organizaciones han hecho
inversiones en aprendizaje automático y se Datos en silos, sin procesar Crear una estrategia moderna de datos que
encuentran en alguna etapa del recorrido. Pero incluya lagos de datos
muchas se encuentran con obstáculos en su camino
y se vuelcan a soluciones provisorias, preocupadas
por que los costos y el nivel de complejidad sean Localización de los problemas Formar equipos de trabajo mixtos que incluyan
demasiado altos en el futuro. empresariales adecuados tanto a expertos técnicos como a expertos en
la materia
En este libro electrónico, hemos hecho un recorrido
por los pasos necesarios para avanzar y descubrir La falta de habilidades en aprendizaje automático Adoptar nuevos modelos de organización,
todo el potencial del aprendizaje automático. A modo procesos y filosofías de gestión de equipos
de conclusión, echemos un vistazo a los desafíos
más grandes que identificamos en el camino, junto
con una breve descripción de la manera en que las
Escalado sostenible más allá de los Aprovechar herramientas integrales, como
organizaciones pueden superarlos.
proyectos piloto Amazon SageMaker, para simplificar el desarrollo
del aprendizaje automático
Evaluación de los resultados Renunciar a las métricas tradicionales de ROI
para conseguir agilidad, ventaja competitiva
y tolerancia a riesgos; utilizar el modelo de
árbol de valores
Para obtener más información acerca de la manera en que las organizaciones pueden
superar obstáculos y acelerar su recorrido por el aprendizaje automático, visite el
centro de recursos de aprendizaje automático de AWS.
Comience »
21También puede leer
