La inteligencia artificial – IA y las tecnologías relacionadas se están convirtiendo en herramientas comerciales cada vez más comunes y necesarias para desplegar eficientemente una estrategia de transformación digital.
Si está planeando una implementación de IA, en este post le dejaré 5 riesgos potenciales a los cuales deberá prestarle atención para aumentar el éxito en su estrategia.
La inteligencia artificial – IA y el aprendizaje automático pueden ser activos invaluables para el éxito empresarial. Al implementar IA, las empresas pueden automatizar horas de trabajo manual examinando datos para permitir decisiones comerciales más inteligentes y rápidas. Sin embargo, la automatización y la IA no eliminan la necesidad de la responsabilidad humana.
Es importante seguir las prácticas recomendadas para garantizar que la IA ayude a su empresa en lugar de perjudicarla. Aquí hay cinco errores que se deben evitar al aprovechar la IA para cumplir con los objetivos de la empresa.
1. No identificar el caso de uso correcto
A estas alturas, muchas empresas se dan cuenta de los beneficios de la Inteligencia Artificial. De hecho, si no tiene automatización en algún lugar de su empresa, probablemente se esté quedando atrás de sus competidores. Según un estudio de PwC , el 86 % de los encuestados espera que la IA se convierta en una “tecnología convencional” en su empresa en 2023.
A pesar de la proliferación del uso de IA, los intentos arbitrarios de implementar Inteligencia Artificial para su negocio no son recomendables. Es importante aplicar la IA a los casos de uso correctos para obtener los mejores resultados. En lugar de preguntar ‘¿Puedo aplicar IA a esta situación?’, pregúntese ‘¿Estoy aplicando la IA correcta a la situación correcta?’ En última instancia, la implementación de IA para ciertos procesos comerciales debe valer la pena en términos de tiempo y recursos de la empresa. Si la IA se ejecuta de manera incongruente con los objetivos comerciales, se desperdiciarán tiempo y recursos de la empresa.
2. No contratar al talento adecuado
El panorama de contratación en tecnología está cambiando. Según una encuesta reciente de CodingGame , casi el 50 por ciento de los reclutadores de tecnología que respondieron dicen que tienen dificultades para cubrir los puestos vacantes. A medida que la contratación en tecnología se vuelve más difícil, la necesidad de diligencia en el proceso de contratación, especialmente en IA, es extremadamente importante.
Contratar en IA es como armar el equipo de fútbol adecuado. No contrate a todos los delanteros de campo o a todos los arqueros o, en términos de IA, no contrate solo a científicos de datos generalistas. Preste atención a las habilidades especializadas y la experiencia de un candidato y combínelas con las necesidades de su negocio. Por ejemplo, la experiencia profunda en modelado es fundamental para una investigación exhaustiva y el desarrollo de soluciones, mientras que las habilidades de ingeniería de datos son esenciales para ejecutar la solución.
Para estos dos primeros casos, la recomendación no es sólo contratar a los cracks en su equipo que le ayuden a definir bien los casos de uso y a generar éxito en su estrategia de IA, le recomiendo contar con aliados estratégicos, empresas que tengan la capacidad, conocimiento y experiencia para apoyarlo y orientarlo en el proceso de implementación de IA. Desde Estrategia Transformación Digital, justamente podemos orientarlo a avanzar en este camino con líderes de la industria y especialistas en IA en todo el mundo.
3. No brindar el debido cuidado a los datos
Cada objetivo comercial relacionado con la IA comienza con los datos: es el combustible que permite que funcionen los motores de IA. Uno de los mayores errores que cometen las empresas es no cuidar sus datos. Esto comienza con la idea errónea de que los datos son responsabilidad exclusiva del departamento de TI. Antes de que los datos se capturen y se ingresen en los sistemas de IA, los expertos en la materia comercial y los científicos de datos deben estar conectados, y los ejecutivos deben supervisar para garantizar que los datos correctos se capturen y mantengan de manera adecuada. Es importante que el personal que no sea de TI se dé cuenta de que no solo se benefician de buenos datos para generar recomendaciones de IA de calidad, sino que su experiencia es un aporte fundamental para el sistema de IA.
Asegúrese de que todos los equipos tengan un sentido compartido de responsabilidad para seleccionar, examinar y mantener los datos.
Los procedimientos de gestión de datos también son un componente clave del cuidado de los datos. Los procesos para la gestión y el gobierno de datos deben evolucionar para manejar el mayor volumen, velocidad y variedad de datos al tiempo que garantizan el cumplimiento de las regulaciones gubernamentales y corporativas. Esto incluye la recopilación de datos, el almacenamiento de datos y los protocolos para la rendición de cuentas y la evaluación periódica.
4. No mantener la eficacia de la IA
La Inteligencia Artificial requiere intervención para mantenerla como una solución efectiva a lo largo del tiempo. Por ejemplo, si la IA no funciona correctamente o si los objetivos comerciales cambian, los procesos de IA deben cambiar. No hacer nada o no implementar una intervención adecuada podría dar lugar a recomendaciones de IA que obstaculicen o actúen en contra de los objetivos comerciales.
Considere los sistemas de precios basados en IA, por ejemplo. La eficacia de la IA se degradará si el sistema de IA no está configurado para adaptarse a los cambios del mercado. En otras palabras, a medida que los datos de origen cambian de naturaleza, el sistema de IA debe adaptarse para adaptarse al mercado actual.
Una forma de medir la efectividad de la IA es a través del desempeño del equipo de ventas, por ejemplo. Los equipos de ventas efectivos quieren cumplir con las recomendaciones de precios que les ayuden a lograr sus objetivos y, por lo tanto, deben estar abiertos a que su desempeño se mida por qué tan bien adoptan la IA que genera valor. Los KPI comunes relacionados con los precios incluyen el margen de beneficio y los ingresos. El seguimiento de los KPI también ayuda a identificar qué equipos de ventas o miembros del equipo están adoptando la IA. Si las recomendaciones no están impulsando el logro de KPI, puede ser hora de intervenir.
La intervención debe ser escalable y repetible a través de procesos altamente automatizados para minimizar la carga de los usuarios de IA. La intervención debe incluir dos componentes: revisar las entradas al sistema de IA y garantizar que su salida sea la esperada. Cada una de estas prácticas debe ser una ocurrencia regular durante todo el año. No espere a que la IA funcione mal antes de intervenir; para entonces, es posible que sus márgenes se hayan visto afectados.
5. No tener en cuenta los posibles sesgos en los datos disponibles
Al igual que los humanos, la Inteligencia Artificial y sus resultados derivados pueden estar sesgados cuando se exponen a un conjunto de datos limitado o no representativo. (Esto es cierto tanto para los modelos de IA como para el análisis descriptivo). La presencia y la posterior consideración de los sesgos a menudo tienen poco que ver con las intenciones detrás de la IA. Por lo tanto, cuando ocurren las consecuencias de esos sesgos, la culpa suele ser de los administradores de la IA, no de la propia IA.
Como se mencionó anteriormente, los datos y la intervención son componentes importantes del uso exitoso de la Inteligencia Artificial. Esto es especialmente cierto cuando se descubren sesgos en la IA. Sin embargo, siempre es mejor prevenir un problema que tener que solucionarlo. Si es posible, evite los datos que pueden estar sesgados inadvertidamente en contra de la raza, el género, la clase, etc. Por ejemplo, el modelado que se basa directamente en la geografía y los ingresos de los consumidores puede producir resultados sesgados.
Para prevenir o corregir sesgos, la Inteligencia Artificial explicable puede ser una buena solución. Los métodos de IA explicables pueden identificar los factores clave que impulsan las predicciones o recomendaciones del modelo de IA y hacer que la intervención sea un proceso mucho más fácil. Una vez que los métodos de IA explicables muestran cómo la IA está llegando a resultados sesgados, la intervención debe ser rápida, repetible y escalable para evitar más consecuencias negativas para su empresa y sus consumidores.
Ayuda a la IA a ayudarte
Usar la IA correctamente puede ser un activo indispensable para su negocio. Desde un mayor retorno de la inversión hasta objetivos comerciales cumplidos y clientes satisfechos, los efectos pueden ser significativos. Ser intencional sobre el uso de IA y desarrollar pautas para evitar errores comunes permitirá el crecimiento simultáneo de sus implementaciones de IA y éxitos comerciales.
Por último y cómo lo hablamos en otro post, puede hacerse una estrategia de Inteligencia Artificial sin Transformación Digital pero no al revéz. Y por ello hemos diseñado una red de aliados que nos permiten acompañarlo en su camino de diseño, implementación y maduración de estrategias de transformación digital y de Inteligencia Artificial, de forma que alcance sus objetivos de forma más sólida y eficiente. Contamos con el conocimiento y las plataformas líderes de industria para ser su mejor aliado en este camino.
Magister en Gerencia de Sistemas de Información y Proyectos Tecnológicos con experiencia en preventa y venta consultiva de soluciones y tecnologías para la #TransformaciónDigital. A lo largo de los últimos años ha liderado y acompañado la venta de proyectos para importantes entidades de Gobierno 🇨🇴, Telco, Banca y Retail.
Actualmente es Consultor Comercial en AdeA Colombia, Docente Universitario y asesor en estrategias de implementación de tecnologias para agilizar y modernizar los procesos de negocio.
Sergio es un profesional de alto nivel que aporta valor y pasión 🔥 a todo lo que hace.
