Como os contamos en este artículo sobre las aplicaciones del Machine Learning a negocio, la IA puede significar un antes y un después en múltiples aplicaciones: mejora de predicciones, automatización de procesos, identificación de patrones en imágenes, textos y audios, etc. A la hora de invertir en proyectos de IA, la clave para las organizaciones es escoger aquellas áreas y proyectos dónde sean realmente aplicables y que tengan un impacto económico significativo en cuanto a retorno de la inversión.
Este artículo de HBR explica muy bien los pasos que las compañías deben tener en cuenta en este camino:
- Consideración de la necesidad real de aplicación de IA.
- Elección de tareas concretas para priorizar iniciativas de IA.
- Identificación de datos y sistemas necesarios requeridos.
- Sentar las expectativas de precisión que afecten al potencial impacto de los proyectos.
- Planificar de forma realista la expansión de proyectos IA a toda la organización.
- Prever recursos de mantenimiento de aplicaciones IA.
- Evaluar coste-beneficio de los proyectos IA.
Vamos a explicar cada una de estas fases con más detalle.
Consideración de la necesidad real de aplicación de IA
¿Cuándo habrá una necesidad real de IA? Básicamente, cuando haya un claro “pain” de negocio que necesite ser atacado, y cuya solución tenga un impacto significativo en los resultados de negocio.
Algunos de estos pains se pueden agrupar en distintas áreas SON:
- Tareas con mucha implicación de personal, time-comsuming y potencialmente mecanizables (lectura y clasificación de documentos)
- Tareas que puedan ser solucionadas a partir de análisis de voz (clasificación de llamadas de servicio al cliente, transcripción de reuniones, etc)
- Aplicación de métodos predictivos y de análisis de patrones de datos aplicados a comportamientos de clientes (modelos de segmentación, recomendación de productos, detección de propensión al abandono de clientes)
En esta evaluación de proyectos, será importante plantearse lo siguiente: ¿Un sistema de IA mejorará significativamente la performance de un equipo humano, tanto en tiempos como en eficacia/precisión de esta ejecución?
Elección de tareas concretas para priorizar iniciativas de IA
Es muy recomendable empezar por una tarea concreta, muy determinada y acotada, que reduzca el riesgo y minimice los potenciales costes de un hipotético fracaso. Sobre todo si en la organización hay reticencias y dudas sobre el posible beneficio de aplicación de la IA.
Elegir esta primera tarea, primer mini-proyecto, puede ser el inicio de un camino exitoso en un roadmap con muchos otros proyectos. Embarrancar en una primera iniciativa solo alimentará las voces en la organización que previamente habían manifestado poco entusiasmo por la iniciativa.
Identificación de datos y sistemas necesarios requeridos
¿Tenemos suficientes datos en cantidad y calidad para abordar el proyecto escogido? El output del proyecto, ¿necesita ser integrado en algún otro sistema interno?
Antes de abordar cualquier problema vía IA, necesitaremos una mínima cantidad y calidad de datos, una infraestructura y unos recursos claramente identificados a nivel de personas, roles e infraestructura técnica.
Quizás será recomendable no prometer ni difundir el primer proyecto a abordar hasta que no tengamos seguridad de qué fuentes de datos tendremos disponibles. No generemos demasiadas expectativas internas con un tema que aún está pendiente de validar. Debemos adecuar los mensajes que transmitimos con el estado real de status del problema a abordar.
Sentar las expectativas de precisión que afecten al potencial impacto de los proyectos
“AI is a powerful tool, but it’s not magic”. Pues eso. Realmente, sentar las expectativas de lo que la IA puede hacer es una parte clave de cara a tener credibilidad dentro de la organización.
Aquellos perfiles más alejados del conocimiento real de la analítica avanzada y la ciencia de datos pueden tener expectativas poco realistas del impacto de la mejora que la IA puede aplicar. Una parte importante del éxito de la implementación de proyectos de IA en la empresa es generar credibilidad, prometiendo únicamente cosas realistas y cumpliendo después con lo prometido.
Planificar de forma realista la expansión de proyectos IA a toda la organización
Esta labor de identificar un primer proyecto e implementarlo de forma exitosa debe seguir aplicándose en todos y cada uno de los potenciales proyectos adicionales: evaluar impacto, identificación de recursos, gestión de las expectativas.
Si la organización va ganando confianza en el trabajo del equipo de Data, poco a poco irán derribándose todas las barreras de crítica y cuestionamiento de estos procesos. Pero es un proceso de día a día ganarse la confianza cumpliendo con lo prometido.
Preveer recursos de mantenimiento de aplicaciones IA
La necesidad de mantenimiento de un desarrollo de IA es sin duda un factor importante: Nueva data deberá ser imputada al modelo, nuevas iteraciones del modelo serán ejecutadas, habrá cambios en el reporting o en las herramientas o los equipos usuarios de estos datos…
Evaluar coste-beneficio de los proyectos IA
A veces hay un corte claro entre “antes de” y “después de” la implementación de un proceso de IA, pero muchas veces esa implementación es progresiva y no hay un corte claro que permita cuantificar un gap incremental.
En otras ocasiones, la dificultad de medición viene del hecho de que es difícil una evaluación del impacto neto incremental de la implementación de un proceso en el que interviene la IA: la IA es solo una parte de una mejora más general, que tiene muchos componentes (mejoras en recolección de datos, mejoras en tratamientos previos…)
En cualquier caso, la voluntad de la medición del impacto tiene que ser un componente esencial de la decisión de ataque al “pain” de negocio, y cualquier aproximación a estos datos de impacto incremental será importante para evaluar el retorno de la inversión.
En Kraz te ayudamos a poner en marcha tus proyectos de IA
En Kraz, consultora analítica, tenemos una amplia experiencia usando datos, machine learning y IA para ayudar a las empresas a tomar mejores decisiones. Por eso, si estás pensando en implementar un proyecto de IA en tu organización, ¡podemos ayudarte! No lo dudes y contacta con nuestro equipo de expertos.
