Inteligencia artificial (IA) al máximo en 2021 - K Cómo aprovechar la
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
Cómo aprovechar la
EBOOK
inteligencia artificial (IA)
al máximo en 2021
Información de más de 10 precursores
de la industria
www.dataiku.com
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 1
Introducción
Decir que el año 2020 fue tumultuoso puede ser incluso una subestimación. La crisis
sanitaria global implicó incertidumbre y desafíos para las personas y las empresas a lo largo
del año, y la necesidad crítica de conceptos centrales que han sido siempre parte del ADN
de Dataiku, como la colaboración, la agilidad y la responsabilidad, reverberó a lo largo de la
comunidad científica de datos y se reforzará para el año 2021.
Si bien los tiempos de perturbaciones y cambios económicos influyen en muchos aspectos de
la operación de las organizaciones, ciertamente, no han disminuido la influencia que la IA está
teniendo (y que seguirá teniendo hasta que esté completamente extendida). Para ayudar a las
organizaciones a continuar realizando cambios con destreza y yendo al compás de un mundo
en constante cambio, compilamos un comentario cualitativo de un amplio rango de expertos,
con roles técnicos y no técnicos, sobre los aprendizajes clave del año 2020, las oportunidades
para el año 2021, las barreras que frenan la adopción de la IA, los casos de uso notables, etc.
Esperamos que esta opinión útil de los
precursores de la industria, los socios
de Dataiku y los expertos en la materia
internos de Dataiku no solo le aporte
información sobre qué anticipar para el
nuevo año. Si bien ese es un objetivo,
también esperamos que ayude a
humanizar el curso de la ciencia de datos,
el Machine Learning y la IA de manera tal
que usted pueda informar sus decisiones,
compartir conocimiento y acelerar el
camino de su organización hacia la IA
Empresarial de manera más efectiva,
desde una estrategia a grandes rasgos
hasta una implementación práctica.
1 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
Colaboradores
DR. KRISTOFF SCHUM
Líder del segmento global de Machine Learning, AWS
Kristof ha trabajado en Amazon por cinco años y lidera el ecosistema de socios de IA/ML de
AWS. Viene de una pequeña ciudad húngara, Pécs. En un primer momento, trabajó para Roland
Berger Strategy Consultants y luego fue a los EE. UU. y obtuvo una maestría en Administración
de Empresas en Wharton. Luego, trabajó en Amazon como gerente de producto y lanzó
el primer motor de recomendaciones de venta global de la compañía. En Amazon, Kristof
completó 16 diferentes proyectos de investigación de Machine Learning en la Universidad de
Machine Learning y enseña sobre aprendizajes automáticos en minería de procesos (ML4PMs,
por sus siglas en inglés) y sistemas de recomendaciones.
SHAMS KHAN
Científico de datos, Capgemini
Shams tiene antecedentes académicos en Física y Estadística. Además de los métodos
tradicionales, se especializa en procesamiento de datos geoespaciales, aprendizaje profundo y
visión artificial. Contribuyó a múltiples casos de uso de ciencia de datos en distintas industrias
(por ejemplo: moda, venta minorista, energía e infraestructura). Su trabajo se enfoca en desarrollar
pruebas rápidas de conceptos y prototipos para problemas particulares mediante métodos
avanzados de ciencia de datos, y ayuda a las empresas a visualizar el beneficio y la estructura de
una solución completa.
NATHAN MANNHEIMER
Gerente de producto senior, Análisis Avanzado, Tableau
Nathan es gerente de producto en la organización de Análisis Aumentado de Tableau y se enfoca
en integrar las herramientas y la tecnología de la ciencia de datos en la plataforma de Tableau.
Es profesor del Departamento de Estadística de la Universidad de Washington y trabaja en el
Programa de Maestría en Ciencia de Datos.
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 2
MITRA AZIZIRAD
Vicepresidenta corporativa, Marketing de Innovación e IA de Microsoft, Microsoft
Mitra Azizirad es la vicepresidenta corporativa de IA e Innovación de Microsoft, donde es
responsable de impulsar la percepción de las futuras tecnologías y la IA de Microsoft, definir
y acelerar la conversión a productos de la cartera de innovación de Microsoft, y liderar el
marketing y el relato de respaldo a la IA y el liderazgo del pensamiento innovativo. Mitra lidera la
visión de Microsoft de ayudar a las personas y a las organizaciones a poner en práctica la IA para
innovar, transformar y entregar un impacto positivo duradero en las personas, la industria y la
sociedad en su conjunto.
Trabaja desde hace 28 años en Microsoft, donde ocupó cargos de liderazgo clave en múltiples
funciones de ventas, de marketing y técnicas, tanto de campo como a nivel corporativo. Antes de
trabajar en Microsoft, Mitra se desempeñó en puestos de liderazgo técnico en el Banco Mundial,
la Asociación Nacional de Agentes de Valores (NASD/NASDAQ, por sus siglas en inglés) y la
Organización Internacional de Telecomunicaciones y Satélites (Intelsat).
TARIK DWIEK
Director de Alianzas Tecnológicas, Snowflake
Tarik invirtió más de 20 años en la industria de la alta tecnología y desempeñó funciones en
desarrollo de software, ventas y desarrollo comercial. Antes de Snowflake, Tarik gestionó
asociaciones estratégicas en AWS y en EMC. En esta última empresa, trabajó más de 12 años,
durante los cuales se dedicó a las ventas a las cuentas empresariales y lideró la estrategia
tecnológica para las cuentas globales.
TRIVENI GANDHI
Científica de datos, Dataiku
Triveni es científica de datos en Dataiku. Trabaja con clientes a fin de determinar las mejores
prácticas en relación con la ciencia de datos y sus proyectos específicos. Anteriormente,
trabajó como analista de datos en una gran organización sin fines de lucro dedicada a mejorar
los resultados de la educación en la ciudad de Nueva York. Triveni obtuvo un doctorado en
Ciencias Políticas en la Universidad de Cornell.
3 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
LÉO DREYFUS-SCHIMIDT
Director de investigación, Dataiku
Léo Dreyfus-Schmidt es matemático y obtuvo un doctorado en Matemática Pura en la
Universidad de Oxford y la Universidad de París VII. Después de cinco años de enfocarse en la
teoría de la representación y el álgebra homológica en París, en Oxford y en la Universidad de
California (Los Ángeles), se sumó a Dataiku, donde ha trabajado en el desarrollo de soluciones
para aplicaciones de mantenimiento predictivo, sistemas de clasificación personalizada,
elasticidad del precio y lenguaje natural. Léo es aficionado a la bicicleta y a la comida (por
separado), así que, en su tiempo libre, lo verán pedaleando a toda velocidad por París con sol
o lluvia, o disfrutando una buena comida en algún lugar.
VINCENT HOUDEBINE
Científico de datos sénior, Dataiku
Vincent es científico de datos sénior en la sucursal de Dataiku en Nueva York. Brinda asistencia
a las organizaciones para que puedan desarrollar proyectos valiosos de ciencia de datos y los
puedan implementar en la producción. Durante los últimos años, ha estado abordando múltiples
problemas del Machine Learning y la ciencia de datos operacional, desde la detección de fraudes
hasta la prevención del abandono de clientes y recomendaciones de productos, y varios temas de
investigación, como la compresión de redes neuronales. Antes de sumarse a Dataiku, Vincent era
el director ejecutivo de una empresa emergente de visión artificial.
TIAN ZHANG
Asesor de gestión, Capgemini
Tian tiene experiencia en ingeniería de sistemas y arquitectura empresarial. Durante la última
década, se ha formado una opinión respecto de que la principal causa del fracaso de los
programas ambiciosos no son las fallas en las soluciones o en la implementación, sino el hecho de
que la ingeniería rigurosa es necesaria pero insuficiente para impulsar el cambio. Ahora aconseja
a organizaciones en cuestiones relacionadas con la intersección de la estrategia corporativa (¿en
qué mercados competimos?), la estrategia comercial (¿cómo logramos una ventaja y cómo la
mantenemos?) y la estrategia funcional (¿cómo pueden ayudar los análisis?).
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 4
CLAIRE GUBIAN
Directora de Valor del Cliente, Dataiku
Claire lidera la práctica de valor comercial en Dataiku. Trabaja con clientes para determinar
qué valor comercial crean gracias a la ciencia de datos y a Dataiku en particular. También
comparte las mejores prácticas para ayudar a acelerar y expandir el impacto comercial de
la ciencia de datos a nivel empresarial. Anteriormente, Claire invirtió más de 15 años de su
carrera en servicios financieros y de consultoría de gestión (PayPal, Mastercard). Hoy en día,
trabaja en la ciudad de Nueva York.
WALTER ALDANA
Vicepresidente de Desarrollo Comercial, Dataiku
Walter es el vicepresidente del Departamento de Desarrollo Comercial de Dataiku, donde está
a cargo de las asociaciones más importantes de Dataiku a nivel global. Trabajó recientemente
en Snowflake, donde creó toda la alianza global de la organización. Lideró la estrategia, las
iniciativas del modelo de penetración de mercado (GTM, por sus siglas en inglés) y la puesta en
práctica para lograr un mayor impacto en las ventas, el desarrollo de producto y el marketing.
Vio a Snowflake crecer desde la etapa previa a la disponibilidad general hasta llegar a ser una
organización que atiende a miles de clientes. Anteriormente, Walter tuvo roles de liderazgo en
Cisco Security y Webroot Software. También fue un inversor de capital de riesgo de H.I.G. Capital
y consultor del Boston Consulting Group. Obtuvo una maestría en Ingeniería y una licenciatura
en Ciencias Informáticas e Ingeniería Eléctrica en el Instituto Tecnológico de Massachusetts, y
una maestría en Administración de Empresas en la Escuela de Negocios de Stanford.
RAJAR SINHA
Director global de Asociaciones y Alianzas, Análisis de Datos e IA, Wipro Limited
Rajat es un ejecutivo tecnológico con una historia exitosa en análisis de datos e IA con foco en
alianzas, ventas, desarrollo comercial y participación del cliente. Es un pensador crítico con éxitos
demostrados en la aplicación de la tecnología para crear soluciones comerciales de operaciones
y marketing con valor agregado y centradas en el cliente. Es un líder y mentor que supera las
barreras culturales y geográficas para desarrollar equipos que consiguen resultados.
5 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - DataikuBRANDEIS MARSHALL
Directora ejecutiva, DataedX
Brandeis Marshall ayuda a profesionales experimentados y en ascenso a interpretar el impacto
socioeconómico, de género y racial de los datos en la tecnología. Brandeis fue dos veces
nombrada como una de las 200 mujeres de color en tecnología a quienes seguir en Twitter y
es una comentarista habilidosa que tiene un don para hacer que los difíciles conceptos sobre
datos e informática sean fáciles de entender, más allá del trasfondo educativo de la persona.
Es una líder sólida en la ampliación de la participación en ciencia de datos y muchas veces
habla sobre inclusión y equidad para organizaciones como DataCamp, Dataiku, Experian,
NeurIPS y Truist. Tuvo apariciones en Medium, OneZero y The Moguldom Nation. Brandeis
comparte sus abordajes para amplificar con efectividad los contextos sociales en relación con
los datos y sus implicaciones para todas las comunidades.
Brandeis es maestra y consejera de alma. Obtuvo un doctorado y una maestría en Ciencias
Informáticas en el Instituto Politécnico Rensselaer y una licenciatura en Ciencias Informáticas
en la Universidad de Rochester. La Dra. Marshall tiene casi 15 años de experiencia en
educación superior. Fue la primera mujer de color en recibir una titularidad en la Facultad de
Tecnología de la Universidad Purdue. Brandeis continúa trabajando en el mundo académico y
enseña regularmente temas relacionados con el desarrollo de software, los datos y el análisis.
VIVEK KARMAKAR
Socio asesor, Ciencia de Datos e IA, Wipro Limited
Vivek es un profesional de la ciencia de datos con 20 años de experiencia en asesoría de
soluciones para las industrias de automotores, telecomunicaciones, bienes de consumo y
ventas minoristas. Trabajó con organizaciones como PwC Consulting, IBM y Dunnhumby tanto
en la India como en los Estados Unidos. Actualmente trabaja en Wipro y es responsable del
diseño de soluciones para las áreas de soluciones de IA y análisis. Trabajó la mayor parte de su
carrera profesional en soluciones de Machine Learning en áreas de personalización, marketing
de fidelización, gestión de inventario y demanda, comercialización, fijación de precios y
promociones. Obtuvo una maestría en Estadística en el Instituto de Estadística de la India.
Vivek trabaja con base en Kolkata, India.
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 6DAVID RYAN POLGAR
Fundador de All Tech is Human
David Ryan Polgar es un especialista en ética pionero que preparó el camino para temas
que hoy se discuten fuertemente relacionados con la regulación de la expresión en redes
sociales, la ética de la IA, las consecuencias involuntarias, el bienestar digital y el significado
de ser humano en la era digital. Tuvo apariciones en CBS This Morning, TODAY show, BBC
World News, Fast Company, SiriusXM, Associated Press, LA Times, USA Today y muchos otros
programas. Es un conferencista internacional con una perspectiva única sobre el desarrollo
de un mejor futuro con la tecnología. Ha dado conferencias en la Escuela de Negocios de
Harvard, la Universidad de Princeton, la Escuela del New York Times, TechChill (Letonia), The
Next Web (Países Bajos), FutureNow (Eslovaquia) y la cumbre Future Health Summit (Irlanda).
David es el fundador de All Tech Is Human, una organización que apunta a acelerar la
consideración tecnológica mediante el incremento de métodos de participación y la
incorporación de personas al ecosistema Responsible Tech. En septiembre de 2020, esta
organización publicó su Guía para la tecnología responsable: como involucrarse y crear un
mejor futuro tecnológico (Guide to Responsible Tech: How to Get Involved & Build a Better
Tech Future), que apunta a inspirar a la próxima generación de especialistas en tecnología y
artífices del cambio responsables.
David es un frecuente consultor y comentarista en asuntos tecnológicos; además, se dedica
a promover una mayor colaboración entre la industria y la sociedad civil, más abordajes
interdisciplinarios para resolver cuestiones espinosas relacionadas con la sociedad y la tecnología,
y un mejor alineamiento de la tecnología con nuestros intereses individuales y sociales. En marzo,
se convirtió en un miembro fundador del Consejo Asesor del Contenido de Tik Tok (EE. UU.),
donde aporta conocimiento experto para abordar los desafíos delicados y difíciles que enfrentan
las plataformas de redes sociales para expandir la expresión y, al mismo tiempo, minimizar
el daño. También es miembro del consejo consultivo del Programa de Tecnología y Bienestar
Mental Adolescente (TAM, por sus siglas en inglés) y copresentador del podcast Funny as Tech, un
programa que trata sobre nuestra complicada relación con la tecnología.
7 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - DataikuUna mirada técnica hacia el futuro de la ciencia de datos, el Machine Learning y la IA
¿Qué tecnología o técnica de aprendizaje
automático lo entusiasma más para
explorarla en 2021?
De acuerdo con Gartner: “En 2021, la IA aumentada creará 2.9 billones dólares de valor
comercial y 6200 millones de horas de productividad laboral. Con la evolución de la IA, la
inteligencia aumentada (la combinación de las capacidades humanas y de la IA) brindará los
mayores beneficios".1
A medida que el mercado de la IA sigue madurando, la noción de la creación de sistemas de
IA para potenciar (y no para reemplazar) a los humanos no solo continúa siendo correcta,
sino que continúa preparando el camino para las tecnologías y las técnicas de Machine
Learning (ML, por sus siglas en inglés), y permite a los actores tecnológicos trascender los
límites en sus funciones cotidianas. Estos expertos están ansiosos por ponerse a trabajar en
cuestiones como los modelos de lenguaje generativo, la detección de objeto y profundidad, y
la exploración de nuevas formas para utilizar los modelos en la toma de decisiones.
“¡Inferencia causal! Como el Machine Learning solo se dedica a las predicciones y no a las
acciones, esto acercará la IA a la toma de decisiones reales”. (Léo Dreyfus-Schmidt, director de
investigación, Dataiku)
“Los modelos de lenguaje generativo como GPT-3 abren un nuevo abanico de posibilidades
para la generación automática de texto. Por ejemplo, GPT-3 se utilizó para generar código
HTML sobre la base de simples especificaciones de lenguaje”. (Vincent Houdebine, científico de
datos sénior, Dataiku)
“Espero con interés el desarrollo de sistemas de aprendizaje federados, ya que ofrecen una
oportunidad para entrenar modelos sobre datos confidenciales sin exponer la privacidad del
usuario”. (Triveni Gandhi, científica de datos, Dataiku)
1
Gartner, Aprovechar la inteligencia aumentada para ganar con la IA (Leverage Augmented Intelligence to Win With AI), junio de 2019
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 8“Me llaman mucho la atención la biometría impulsada por la IA y sus implicaciones para las personas de color. Las técnicas de biometría impulsadas por la IA pueden aprender bastante de las lecciones de reconocimiento facial". (Brandeis Marshall, directora ejecutiva, DataedX) “Trabajé en varios problemas de visión artificial durante los últimos dos años, como la clasificación de imágenes y la detección de similitudes en imágenes. Para 2021, espero con interés llevar esto un paso más allá y ahondar en técnicas utilizadas para procesar videos en el área de la robótica y la automatización. Específicamente, anhelo aprender más sobre las distintas técnicas de detección de objetos y profundidades que se utilizan en la actualidad”. (Shams Khan, científico de datos, Capgemini) “El ajuste de modelos y AutoML son problemas mayormente resueltos en el área de Machine Learning para el análisis. Por lo tanto, las tecnologías que más deseo ver madurar en 2021 son las herramientas que respaldan la expansión de la base de analistas que pueden ajustar y utilizar eficientemente los modelos de ML en los procesos de análisis y toma de decisiones. Estas herramientas deberán colocar los flujos de trabajo del modelado en los contextos comerciales para democratizar el desarrollo de modelos y liberar a los equipos de trabajo de ciencia de datos para que puedan enfocarse en problemas más profundos y de alto impacto. Una parte central de este proceso implicará integraciones más profundas entre las herramientas de desarrollo de modelos y el software de análisis visual, como Tableau, que son esenciales para las decisiones comerciales actuales”. (Nathan Mannheimer, gerente de producto sénior, Análisis Avanzado, Tableau) “Hay un aumento significativo en la aplicación de tecnologías de ML en datos estructurados, textuales, de imágenes y de video para impulsar la automatización de la toma de decisiones inteligente. Sin embargo, pienso que hay un valor agregado significativo para los negocios en las aplicaciones de inteligencia aumentada, donde se asiste a los humanos mediante sistemas accionados por IA. Creo que veremos una aplicación mucho más amplia de tecnologías gráficas y basadas en la búsqueda para accionar la toma de decisiones asistida por la información. Tiene el potencial de menor tiempo de implementación con una influencia más allá de uno o dos casos de uso, y con la capacidad de aprovechar activos de datos más amplios que los utilizados en las aplicaciones de ML actuales”. (Vivek Karmakar, socio asesor, Ciencia de Datos e IA, Wipro Limited) 9 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
¿Cuál es la aplicación de la IA o el ML más interesante que vio implementarse en 2020? Si bien el año 2020 fue muy particular respecto a su impacto en el sector de la ciencia de datos, el ML y la IA debido a la crisis sanitaria global, muchas organizaciones han aprendido una gran lección: cualquier disrupción (una nueva tecnología, una crisis económica, un desastre ecológico, un nuevo competidor, etc.) puede causar efectos perjudiciales e irremediables si no hay un plan que permita agilidad y supervivencia. Mientras las compañías buscan recuperar y entender las nuevas dinámicas del mercado, es fundamental la implementación de sistemas de IA que sean persistentes y resilientes durante épocas de flujo económico. A continuación, verá que los actores quedaron cautivados por GPT-3, las fuentes de datos alternativos para perspectivas enriquecidas en épocas de incertidumbre y los progresos con los datos no etiquetados. “Debo decir que tendría que tirar una moneda para decidir entre GPT-3 y PULSE (Universidad Duke). Los debates sobre el valor de estas aplicaciones son muy polarizadores, ya que el valor práctico resulta mínimo y perpetúa la discriminación. Será interesante presenciar cómo se desarrollarán las discusiones. La validación de cada tecnología será una ardua lucha”. (Brandeis Marshall, directora ejecutiva, DataedX) “Todos los modelos que pueden detectar las falsificaciones profundas o luchar contra ejemplos antagonistas. A medida que los modelos de IA mejoran cada vez más su imitación humana, es necesario tener modelos que eviten que nos engañen”. (Vincent Houdebine, científico de datos sénior, Dataiku) “Quizás no sea específico de 2020, pero los resultados impresionantes del aprendizaje semisupervisado que alcanzaron las marcas del aprendizaje supervisado abren las puertas a perspectivas interesantes de aprendizaje sin muchos datos etiquetados”. (Léo Dreyfus-Schmidt, director de investigación, Dataiku) EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 10
“Me impresionó mucho la publicación más nueva del modelo Transformador Preentrenado
Generativo (GPT-3, por sus siglas en inglés). Es un modelo de aprendizaje profundo que se
utiliza para generar texto escrito en forma similar a lo que lo haría un humano. Leí algunos
de los artículos generados por el modelo y varias veces no logré distinguir los artículos
‘falsificados’ de los reales. Fuerza los límites de las capacidades informáticas para desarrollar
algo increíble y estoy muy ansiosos por poder ver la próxima iteración del modelo”. (Shams
Khan, científico de datos, Capgemini)
“La aplicación del ML más interesante que vi este año fue la integración de los modelos de
simulación dinámica en los tableros interactivos. Estas herramientas permiten a los usuarios
comerciales realizar preguntas y explorar nuevos escenarios en tiempo real, con lo cual se
expande mucho el grado en el cual las personas fuera de los equipos de trabajo de la ciencia
de datos pueden explorar el mundo”. (Nathan Mannheimer, gerente de producto sénior, Análisis
Avanzado, Tableau)
“La IA tradicionalmente se usó en
industrias HLS, BFS y minoristas. Estamos
viendo una cantidad interesante y
creciente de aplicaciones cognitivas
en los sectores públicos y privados de
transporte, energía e industria. También
hay un aumento en la utilización de
datos de sensores de la Internet de las
cosas (IoT, por sus siglas en inglés),
documentos, datos geoespaciales y datos
extraídos de Internet para múltiples
aplicaciones de la IA.
Sin embargo, la pandemia llevó el foco hacia las aplicaciones de IA relacionadas con el
COVID-19 en la segunda mitad del año. Estos casos de uso consistían en rastrear contactos
aprovechando los datos de geolocalización generados por dispositivos para simular los
patrones de recuperación de rentas en centros comerciales, predecir las ubicaciones con
probabilidades de encontrar faltas de suministros de sangre y planificar campañas de
recolección de sangre proactivas, y readaptar a los empleados para extender sus servicios
en hospitales y asilos de ancianos con falta de personal durante la pandemia como un acto
humanitario”. (Vivek Karmakar, socio asesor, Ciencia de Datos e IA, Wipro Limited)
11 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - DataikuEntre los casos de uso de la IA o el ML
en los que trabajó durante este año, ¿hay
alguno que haya sobresalido por alguna
razón específica? ¿Qué lo hacía tan interesante?
Escuchamos mucho sobre los casos de uso bastante conocidos de la IA, como la detección
de fraudes, la prevención del abandono de clientes y los sistemas de recomendación. Sin
embargo, a fin de no limitar las expectativas y capacidades (especialmente al entrar en el año
2021), es importante recordar que la IA evoluciona constantemente y se manifiesta de otras
formas a través de industrias y equipos de trabajo.
Teniendo en cuenta que el 87 % de los proyectos de ciencia de datos nunca llegan al
nivel de producción2, parece sensato que dos expertos hayan citado al desafío de la
operacionalización de los modelos para obtener valor práctico. Además, no es sorpresa
escuchar sobre la supervisión de la variación del modelo, particularmente cuando las
prácticas de las operaciones de Machine Learning (MLOps, por sus siglas en inglés) continúan
ganando terreno en la empresa. Finalmente, teniendo en cuenta la estimación global de
2020 sobre desigualdad racial esperamos seguir viendo profesionales de datos que busquen
desenmascarar los sesgos, la injusticia y el racismo en los sistemas de IA.
“La supervisión de la variación del modelo fue otra aplicación interesante del Machine
Learning. También es un buen indicador de que la industria está madurando, ya que muestra
cada vez más modelos de ML que se implementan en producción”. (Léo Dreyfus-Schmidt,
director de investigación, Dataiku)
2
https://venturebeat.com/2019/07/19/why-do-87-of-data-science-projects-never-make-it-into-production/
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 12“Un proyecto para combinar las solicitudes de ayuda del cliente con la documentación técnica apropiada. El proyecto no fue el más difícil desde el punto de vista de la ciencia de datos y el Machine Learning puros, pero su implementación en producción es la parte desafiante, ya que el modelo debe poder explorar una base de datos de conocimiento enorme prácticamente en tiempo real. Lo interesante del caso es que tiene un impacto directo en el negocio y crea mucho valor para los ingenieros de asistencia técnica (no reemplazándolos, sino haciéndolos más eficientes). En términos generales, este proyecto demuestra la necesidad emergente de científicos de datos no solo para poder entrenar los modelos, sino también para implementarlos e integrarlos en un sistema y un proceso comercial más amplios”. (Vincent Houdebine, científico de datos sénior, Dataiku) “Disfruté probando nuevos métodos para abordar las desigualdades en conjuntos de datos financieros y sanitarios, como las nuevas técnicas de muestreo y ponderación. Estos métodos resaltan la injusticia integrada en gran parte de los datos que utilizamos y refuerzan la idea de que los datos y el Machine Learning no son inherentemente neutrales”. (Triveni Gandhi, científica de datos, Dataiku) “Ninguno de los casos de uso en los que trabajé, sino los que trabajaron en mí: los bots conversacionales. Con la pandemia, nuestro mundo cambió de repente. Como las personas no respondían al teléfono ni a los correos electrónicos, utilicé bots conversacionales para manejar muchas actividades relativas a viajes, trámites bancarios, etc. Aprender cómo hacer las preguntas me llevó un poco de tiempo, pero, una vez que lo entendí, fue genial”. (Brandeis Marshall, directora ejecutiva, DataedX) “Trabajé en una competición de ciencia de datos global de Capgemini en la que el objetivo era desarrollar un modelo de visión artificial para identificar cachalotes. El modelo se utilizaría para acelerar la investigación y ayudar en la conservación, por lo que fue maravilloso estar implicado en algo tangible con un impacto en el mundo real. Además, disfruté la investigación de algoritmos de aprendizaje profundo de última generación como las redes siamesas/trillizas que nos permitieron abordar un problema de esa naturaleza”. (Shams Khan, científico de datos, Capgemini) 13 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
“Los problemas de la IA y el ML con mayor impacto en los que trabajé este año estaban relacionados con superar el problema de la última milla de la operacionalización de los modelos en los procesos comerciales. Estos casos eran fundamentales para el éxito de los proyectos de modelado integrales, ya que, aunque no se involucraron en los detalles de los modelos en cuestión, se enfocaban en cómo integrar los modelos técnica y organizacionalmente con las decisiones y el pensamiento comerciales. Sin ese último paso fundamental, el valor y el esfuerzo invertido en analizar y modelar los datos sería en vano”. (Nathan Mannheimer, gerente de producto sénior, Análisis Avanzado, Tableau) “El valor de los datos externos. Una compañía de seguros global mayormente dedicada a los seguros comerciales y personales estaba teniendo pérdidas debido a las no tan óptimas decisiones de fijación de precios. Empezaron a incorporar funciones OpenStreetMap como distancia a la estación de bomberos, a las vías, etc., en sus algoritmos de evaluación de riesgos para hogares, lo cual llevó a una mejora en la fijación de precios y en el coeficiente de pérdidas”. (Vivek Karmakar, socio asesor, Ciencia de Datos e IA, Wipro Limited) Como acelerar el valor de la IA: una perspectiva no técnica ¿Qué lo ilusiona más respecto de la ciencia de datos en 2021? Las organizaciones en todo el mundo se han comprometido con iniciativas de IA empresarial desde arriba hacia abajo, pero luchan por democratizar los proyectos desde abajo hacia arriba a fin de brindarles a más personas el acceso a conocimiento de datos práctico (y, a su vez, animarlas a usar los datos en las decisiones cotidianas). La ciencia de datos tiene la capacidad de generar impactos de larga duración, y es importante recordar que no son solo los ejecutivos y profesionales de datos los que ayudan a dirigir esos impactos diariamente: a la larga, serán aquellos que estén en la periferia los que aprovecharán los datos de una manera orgánica. El denominador común entre las siguientes respuestas es la noción de que los datos se pueden utilizar para facilitar el progreso social, estimular la innovación y permitir a más personas ocupar un lugar de importancia. EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 14
“Lo que más me ilusiona de la ciencia de datos para 2021 es que estamos reconociendo la significancia que tiene este campo sobre cada uno de nosotros y sobre la sociedad en su conjunto. La atención finalmente llegó. Estamos empezando a comprender que la ciencia de datos es un campo que necesita ser más diverso, inclusivo y multidisciplinario. La ciencia de datos toca tantos aspectos de nuestra vida moderna que, como sociedad, nos conviene reflexionar más sobre nuestro desarrollo e implementación de tecnología. Al mirar hacia 2021, me ilusiona pensar en todas las nuevas voces que se pondrán a la vanguardia y anhelo ver las formas de planificar con un propósito definido la ciencia de datos”. (David Ryan Polgar, especialista en ética tecnológica y fundador de All Tech Is Human) “Estoy muy ansioso por poder ver la próxima ola de aplicaciones de IA que se desarrollarán el próximo año. Con más datos, más usuarios y herramientas comerciales de IA y Machine Learning más poderosas, los clientes tendrán una posibilidad única de idear modelos de datos aún más poderosos para predecir mejor aquello que sea más importante para ellos con niveles de precisión más nítidos. ¡Ver eso será genial!”. (Walter Aldana, vicepresidente de Desarrollo Comercial, Dataiku) “Las alteraciones de 2020 no quedarán en 2020. Esperamos trabajar con los clientes en 2021 para ayudarlos a desarrollar la flexibilidad que los análisis les darán para adaptarse y prosperar. Estos desarrollos serán una mezcla de optimizaciones (hacer las cosas existentes mejor) e innovaciones (hacer cosas completamente nuevas)”. (Tian Zhang, asesor de gestión, Capgemini) “Lo que más me entusiasma es conectar los puntos en los logros tecnológicos recientes. Modelos preentrenados poderosos, visión artificial de vanguardia, MLOps, 5G, informática espacial y entornos de código mínimo, por citar algunos ejemplos. La simplificación del Machine Learning y su integración a plena potencia en entornos de códigos mínimos es un área particular de interés para 2021. Estoy entusiasmado y convencido de que innovaremos con los socios de AWS y, al mismo tiempo, haremos que estos logros también sean accesibles para quienes no son científicos de datos. Al hacer desarrollos junto con socios líderes como Dataiku, estoy entusiasmado con el desarrollo de soluciones de pocos clics con experiencias de arrastrar, soltar, ajustar, implementar y supervisar para casos de uso que van desde casos simples como lograr predicciones más exactas hasta casos más complejos como equipar los centros de atención, las fábricas y los hospitales con un paquete de funciones de ML”. (Kristof Schum, líder del segmento global de Machine Learning, AWS) 15 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
“Las condiciones macroeconómicas han cambiado en 2020. Los modelos de negocios han sufrido alteraciones enormes. Todos los sectores de la economía se vieron afectados. Si bien el año 2020 proporcionó un primer golpe a la economía y a nuestro modo de vida y trabajo a nivel global, estas nuevas condiciones de mercado abrirán el camino a muchas oportunidades de adopción. La oportunidad: capacitar a sus analistas para que se conviertan en ciudadanos científicos de datos. Imaginen las posibilidades y los resultados de equipar a los analistas no especializados con las herramientas y el marco adecuados para tomar su nivel básico de estadística y utilizar esto para impulsar el valor accionario de la empresa de una manera sustentable, controlada y colaborativa. El aumento en la adopción de las plataformas de Machine Learning y análisis predictivo en 2021 será un catalizador para impulsar la adopción de la IA empresarial durante el año”. (Rajat Sinha, director global de Asociaciones y Alianzas, Análisis de Datos e IA, Wipro Limited) En su opinión, ¿cuál es la barrera clave para la adopción de la IA que enfrentan las organizaciones? Las barreras clave para la adopción de la IA generalmente están en alguna de las siguientes categorías: financieras y regulatorias, organizacionales y actitudinales (pensar en personas o procesos), o tecnológicas (o una combinación de las tres categorías). En una encuesta comparativa de 1200 ejecutivos de datos que se condujo en septiembre de 2020, el desafío regulatorio y financiero principal para adoptar la IA fueron las restricciones regulatorias (42 %); en la categoría organizacional, fueron los problemas relacionados con la implementación y la gestión del proyecto (45 %); y, por último, en la categoría tecnológica, el desafío principal mostró un empate entre la adquisición, preparación e integración de los datos a lo largo de la empresa, y la falta de infraestructura de TI para facilitar la implementación de la IA (ambos desafíos con un 28 %). EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 16
La siguiente comprensión reforzará la idea de que, a veces, el descuido más simple causa retrasos en la adopción, como nunca establecer un objetivo comercial o apartarse de este, fallar en evaluar qué causará realmente un impacto antes de zambullirse de cabeza y no desglosar los silos de datos para agilizar el proceso que va desde los datos hasta la comprensión. “La IA no es simplemente un juego tecnológico: requiere una transformación profunda desde una organización, particularmente desde una perspectiva de personas y procesos. Las compañías deben romper los silos existentes entre el análisis, los negocios y los equipos de trabajo de TI, y alinear a estos actores clave en una misma visión y mapa de ruta de IA. Muchos olvidan que el objetivo principal de la IA es resolver problemas comerciales”. (Claire Gubian, directora de Valor del Cliente, Dataiku) “La habilitación de una cultura de IA lista será muy importante a fin de acelerar la adopción de la IA en las organizaciones. El cultivo de una mentalidad interna correcta es esencial para lograr el éxito con la IA. La obtención del respaldo de la dirección de la organización, la accesibilidad de la IA y el aumento de las capacidades de cada empleado fomentarán nuevas formas de colaboración y perspectivas que ayudarán a acelerar la adopción de la IA. Una cultura de IA lista aprovecha la creatividad de todos sus equipos de trabajo, no solo de los roles técnicos, y comienza con poner los datos en el centro de los procesos de toma de decisiones. La cultura de la IA lista permite que todos los empleados se involucren en el proceso de innovación con su contribución. Y, cuando cualquiera puede aportar ideas y realizar preguntas, eso implica que cada capa de la organización está presente. La promoción de un abordaje inclusivo como este genera más ideas diversas y, en definitiva, mejores soluciones. Sobre la base de nuestro viaje cultural en Microsoft, esto es fundamental, y compartimos nuestro aprendizaje y abordaje en nuestra Escuela de Negocios de IA. Llevar la IA a todos los empleados será fundamental para acelerar la adopción de la IA en las organizaciones. La mayoría de las compañías todavía tienen la experiencia de la IA en silos donde solo está disponible para usos complejos y personalizados por parte de científicos de datos y desarrolladores muy técnicos. Pero creemos que, para llegar a darnos cuenta del verdadero potencial de la IA, es vital llevar el poder de la IA a todos. Nuestras soluciones ayudan a todo tipo de empleados (desde empleados comerciales hasta desarrolladores, ingenieros de campo o científicos de datos) en formas que son relevantes y significativas para su trabajo cotidiano. 17 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
Con los productos listos para usar que se pueden implementar hoy mismo, las herramientas
sin códigos o con códigos mínimos, y las herramientas avanzadas para una personalización
precisa, ofrecemos opciones que le permiten a cualquier persona de su organización
utilizar y crear IA en función de sus necesidades y capacidades particulares, y genera una
adopción más rápida de la IA. Cuando democratiza la IA para todos, abre nuevos caminos a
la innovación y anima a sus equipos de trabajo a hacer realidad sus visiones”. (Mitra Azizirad,
vicepresidenta corporativa, Marketing de Innovación e IA de Microsoft, Microsoft)
“Las tecnologías sofisticadas no siempre se traducen en una ventaja competitiva. Actualmente, la
barrera para la adopción de la IA no es la implementación técnica (es decir, ¿cómo desarrollamos
algo?), sino la aplicabilidad y la relevancia para la organización (es decir, ¿qué queremos lograr?).
El desafío para la adopción será educar al negocio y que este nos eduque: compartir el arte de la
posibilidad para determinar en conjunto los cambios que valen la pena y, en algunos casos, los
cambios que son necesarios en la organización”. (Tian Zhang, asesor de gestión, Capgemini)
“Una y otra vez, los clientes luchan con los desafíos de la gestión de datos que causan los silos
de datos que se han formado durante las últimas décadas (es decir, si es una empresa grande
que ha realizado múltiples adquisiciones y construido varios sistemas diferentes). Vemos que
invierten hasta un 80 % del tiempo intentando encontrar e integrar los datos en vez de extraer
las gemas de valor escondidas en los datos. Esto frena o evita la posibilidad de que logren una
transformación disruptiva que les permita innovar y ganar mercado. Para mí, estos son los
desafíos que en Snowflake y Dataiku estamos destinados a solucionar”. (Tarik Dwiek, director
de Alianzas Tecnológicas, Snowflake)
“En mi opinión, las barreras para la adopción de la IA están relacionadas con lo siguiente:
• La creación de una estrategia de IA sólida que muestre el rendimiento de la inversión (ROI, por
sus siglas en inglés) en la ejecución
• La búsqueda de trabajadores expertos en la intersección de los negocios y la tecnología para
ejecutar la estrategia de IA definida
• El control, la gestión y la colaboración en el trabajo con los datos y modelos para expandir los
programas de IA.
Las tres barreras pueden superarse mediante una estrategia correcta que atraviese las
personas, los procesos, la tecnología y los datos”. (Rajat Sinha, director global de Asociaciones y
Alianzas, Análisis de Datos e IA, Wipro Limited)
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 18¿Cómo cambió el juego de la IA empresarial en el 2020? Para realmente poder conseguir IA empresarial, las organizaciones deben incorporar la metodología de Machine Learning en cada núcleo de su negocio a fin de lograr un valor duradero. Independientemente de la industria en cuestión, la expansión e implementación efectiva de la IA empresarial (¡un proceso que lleva tiempo!) es un activo organizacional fundamental para el éxito de los negocios en el futuro: es muy importante para ayudar a los equipos de trabajo a encontrar e infundir más eficiencia, oportunidades de negocio y velocidad en la obtención de valor. Si bien el año 2020 fue escabroso, forzó a las organizaciones a echarle un largo y duro vistazo a su estrategia de datos y análisis (lo cual incluyó cualquier modelo implementado) para asegurarse de que fuera resiliente ante las alteraciones. La implementación sólida de la IA actual y hacia el futuro mejorará la habilidad de las organizaciones para adaptarse al mundo que las rodea. “En 2020, hubo un mayor enfoque en ayudar a las organizaciones a entender las alteraciones, más que en la optimización y el ajuste fino de las operaciones comerciales. Esto significó el establecimiento de equipos mixtos, técnicos y comerciales, que trabajaban con una cadencia semanal. Esperemos que esta cercanía continúe desarrollándose hacia 2021 mientras las organizaciones ven el análisis no como una herramienta de informe reactiva, sino como una con la mira hacia adelante que puede facilitar la experimentación y la exploración a fin de entender mejor las oportunidades y el riesgo organizacional”. (Tian Zhang, asesor de gestión, Capgemini) “En primer lugar, una estrategia multinube se está volviendo más estándar, ya que los clientes quieren mantenerse independientes y evitar el encierro mientras aprovechan a los proveedores de nubes más importantes. El costo de la optimización es otro factor importante, ya que las compañías quieren entender cómo utilizar la nube de manera más efectiva y gestionar el costo de dicho uso. Se les está despertando el apetito por el consumo de aplicaciones como servicio, ya que solo quieren pagar por aquellas funciones que utilizan, por lo que quieren poder ajustarse a esa demanda sin recibir una provisión superior o inferior a ella. 19 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - Dataiku
Otra tendencia es que los clientes quieren asegurar y controlar el acceso a los datos. Ahora
que la nube abre las puertas a la posibilidad de gestionar datos a la escala adecuada, estos
clientes ven tanto la oportunidad como la necesidad fundamental de permitir el control
de datos a la escala adecuada. Y, por supuesto, aprovechar la IA y el Machine Learning en
la nube. Si las organizaciones pueden lograr dichas optimizaciones de costo y escala para
capturar y gestionar todos sus datos, empezarán a darse cuenta de todo el potencial de la IA
y el Machine Learning a escala empresarial”. (Tarik Dwiek, director de Alianzas Tecnológicas,
Snowflake)
“El año 2020 vio la adopción y la aceptación generalizadas de la IA empresarial. Fue con el
crecimiento de lo siguiente:
• El procesamiento de lenguajes naturales en las industrias tradicionales para lograr un
mejor servicio al cliente (una mayor utilización de bots conversacionales, como el bot
conversacional “Erica” en el Bank of America)
• Los vehículos autónomos se están volviendo una realidad (p. ej., Waymo se está expandiendo
desde el servicio de contratación de vehículos autónomos hacia el transporte de cargas)
• Los motores de hiperpersonalización y de recomendaciones enriquecidas en plataformas
online y en nuestros dispositivos hogareños (Google Nest, Alexa, Apple Watch)
La posibilidad de tener máquinas que cambien nuestra calidad de vida recién comienza y
se acelerará en los próximos años. Es importante asegurarse de que la IA empresarial se
implemente teniendo en cuenta prácticas éticas”. (Rajat Sinha, director global de Asociaciones
y Alianzas, Análisis de Datos e IA, Wipro Limited)
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 20Conclusión
De acuerdo con IDC, la inversión en IA se duplicará en los próximos cuatro años e irá desde
un poco más de 50 000 millones de dólares en 2020 a más de 110 000 millones de dólares
en 20243. Esto refuerza la idea de que las organizaciones seguirán incorporando la IA en las
diversas facetas de sus negocios hasta que esté integrada completa y orgánicamente en su
estrategia global y ayude a impulsar la agilidad, la innovación y el valor en la escala adecuada.
Sin importar en qué lugar está su organización en cuanto a la digitalización y el camino hacia
la IA empresarial, esperamos que estas lecciones resulten útiles para que usted y sus equipos
puedan desarrollar soluciones de IA responsables y explicables. Mientras continúa trabajando
en solucionar problemas comerciales complejos, mantener una ventaja competitiva en la era
digital y entregar perspectivas de valor que penetren en su organización, también puede (y
debe) apuntar a:
• Democratizar el uso de los datos poniéndolos en manos de muchos, no solo de un grupo selecto
• Infundir agilidad y elasticidad para que usted pueda supervisar y ajustar modelos
fácilmente según lo necesite en épocas de volatilidad económica
• Aprovechar herramientas colaborativas que sean responsables y controlables, y que estén
libres de sesgos imprevistos.
3
https://www.idc.com/getdoc.jsp?containerId=prUS46794720
21 Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 EBOOK - DataikuYour Path
to Enterprise AI
Monitor & Adjust
Clean & Wrangle Size
Range
03 PM
ACTIONS
2016-01-22 / 2016-01-23
06 PM 09 PM Fri 11 03 AM 06 AM 09 AM 12 PM
TIME
03 PM
RUN
06 PM
1.4
Refresh dashboard failed 21:35
1.2
1k
Marketing reports 21:35
800
Size
706
600 21/09 946
Check flow warning 21:34
400
200
Pipedrive reports 21:32
18/09 25/09 01/10 08/10 15/10 4/09 11/09
Base processing 21:32
Refresh dashboard 21:32
Network_dataset Test Test_Scored
2
Netezza
Teradata Train MLlib_Prediction
Deploy to production
2
Build + Apply Oracle HDFS_Avro Joined_Data
Vertica
Machine Learning Amazon_S3 HDFS_Parquet
Cassandra
Mining & Visualization
400+ 40,000+
CUSTOMERS ACTIVE USERS*
*data scientists, analysts, engineers, & more
Dataiku is one of the world’s leading AI and machine learning platforms, supporting
agility in organizations’ data efforts via collaborative, elastic, and responsible AI, all
at enterprise scale. Hundreds of companies use Dataiku to underpin their essential
business operations and ensure they stay relevant in a changing world.EBOOK
www.dataiku.com
EBOOK - Dataiku Cómo aprovechar la inteligencia artificial (IA) al máximo en 2021 23También puede leer
