Cómo implementar IA en tu organización: la guía definitiva

Desde atender las llamadas de sus clientes hasta descubrir por qué su equipo consume mucha más energía que antes, la IA es capaz de muchas cosas.

Pero hay tantas cosas en las que fallan los algoritmos, lo que lleva a los trabajadores humanos a intervenir y ajustar su rendimiento.

¿Cómo implementar la IA y comenzar a beneficiarse de ella, de manera consistente, a escala y lo suficientemente rápido como para ganar el apoyo de los ejecutivos para proyectos futuros?

El problema es que la mayoría de las empresas todavía carecen de la experiencia, el personal y la tecnología adecuados para desbloquear todo el potencial de la inteligencia artificial sin involucrar a consultores de IA experimentados.

Según la encuesta de 2020 de Deloitte, las empresas maduras digitalmente ven un ROI del 4,3 % en sus proyectos de inteligencia artificial en solo 1,2 años después del lanzamiento. Mientras tanto, el ROI de los rezagados en IA rara vez supera el 0,2 %, con un período de recuperación medio de 1,6 años.

Deloitte también descubrió que las empresas que ven un retorno tangible y rápido de las inversiones en inteligencia artificial sientan las bases adecuadas para las iniciativas de IA desde el primer día.

PwC se hace eco del sentimiento y afirma que los líderes de IA adoptan un enfoque holístico para el desarrollo y la implementación de IA y abordan tres resultados comerciales, es decir, transformación comercial, modernización de sistemas y toma de decisiones mejorada, todo a la vez.

Entonces, ¿cómo usar la IA en su organización y unirse a la cohorte de líderes en inteligencia artificial?

Para responder a esta pregunta, llevamos a cabo una investigación exhaustiva, hablamos con los expertos de ITRex y examinamos los proyectos de nuestra cartera. Esto es lo que aprendimos.

Cómo implementar IA en los negocios: una guía de 5 pasos para empresas que están experimentando una transformación inteligente

Descargo de responsabilidad: la innovación por sí misma no le hará ningún bien a su empresa.

A veces, las tecnologías más simples, como la automatización de procesos robóticos (RPA), pueden manejar tareas a la par con los algoritmos de IA, y no hay necesidad de complicar demasiado las cosas.

En otros casos (piense en soluciones de imágenes médicas basadas en IA), es posible que no haya suficientes datos para que los modelos de aprendizaje automático identifiquen tumores malignos en tomografías computarizadas con gran precisión.

Y ocasionalmente, se necesitan redes neuronales multicapa y meses de entrenamiento de algoritmos sin supervisión para reducir los costos de enfriamiento del centro de datos en un 20 %.

La inteligencia artificial no es una especie de solución milagrosa que aumentará mágicamente la productividad de sus empleados y mejorará sus resultados. Sin embargo, tiene un sólido potencial para transformar su negocio.

Sin más preámbulos, aquí está su guía para implementar IA

Paso 1: familiarícese con las capacidades y limitaciones de la IA

Las empresas pueden integrar la IA en diversas tareas, desde la extracción de datos sociales para un mejor servicio al cliente hasta la detección de ineficiencias en sus cadenas de suministro.

En una escala más amplia, el uso de la inteligencia artificial en los negocios recae en:

• Planificación
• Pronóstico (así como análisis "if-else")
• Mejora y automatización de procesos
• Gestión y asignación de recursos
• Informes
• Gestión de la ciberseguridad

Esta lista no es exhaustiva, ya que la inteligencia artificial continúa evolucionando, impulsada por avances considerables en el diseño de hardware y la computación en la nube.

Los algoritmos que facilitan o se hacen cargo de tareas independientes y procesos completos difieren en su poder de obtención, procesamiento e interpretación de datos, y eso es lo que debe tener en cuenta cuando trabaje en su estrategia de adopción de IA.

Tomemos el aprendizaje automático supervisado, por ejemplo. Los ingenieros de inteligencia artificial podrían entrenar algoritmos para detectar gatos en las publicaciones de Instagram al proporcionarles imágenes anotadas de nuestros amigos felinos. Cuando se enfrentan a objetos desconocidos, estos algoritmos se quedan muy cortos.

Pero si eliminamos los datos etiquetados del proceso de entrenamiento del modelo ML, obtendremos algoritmos de aprendizaje automático no supervisados ​​que procesan grandes cantidades de información (nuevamente, usemos selecciones de gatos como ejemplo) hasta obtener información significativa. Sin embargo, los modelos de aprendizaje automático no supervisados ​​aún requieren un poco de capacitación inicial. Por ejemplo, podríamos decirle a los algoritmos que una base de datos en particular contiene imágenes de gatos y perros únicamente y dejar que la IA haga los cálculos.

También existe el aprendizaje por refuerzo, una técnica que consiste en dejar que los algoritmos se liberen para que puedan proponer soluciones a los problemas comerciales y aprender de sus propios errores. Este tipo de IA puede ayudar a resumir textos extensos o predecir las tendencias del mercado de valores.

Finalmente, existen redes neuronales profundas que hacen predicciones inteligentes mediante el análisis de datos etiquetados y no etiquetados contra varios parámetros. El aprendizaje profundo se ha abierto camino en las soluciones modernas de procesamiento de lenguaje natural (NLP) y visión por computadora (CV), como asistentes de voz y software con capacidades de reconocimiento facial.

No importa cuán precisas sean las predicciones de las soluciones de inteligencia artificial, en ciertos casos, debe haber especialistas humanos que supervisen el proceso de implementación de IA y muevan los algoritmos en la dirección correcta.

Por ejemplo, la IA puede ahorrar mucho tiempo a los neumólogos al identificar a los pacientes con neumonía relacionada con la COVID, pero son los médicos humanos los que terminan revisando las exploraciones para confirmar o descartar el diagnóstico.

Hay varias áreas en las que implementar IA tiene poco sentido sin un monitoreo eficiente:

• Generar contenido creativo, como artículos de opinión y texto optimizado para conversión.
• Codificación de sistemas de software complejos (en una nota al margen, herramientas como GitHub Copilot y Tabnine pueden predecir y sugerir líneas de código dentro de su editor, pero no recomendamos usarlas a menos que sean ingenieros de software senior quienes las usen)
• Hacer juicios y decisiones éticas de forma independiente.
• Proponer soluciones innovadoras y listas para usar para problemas del mundo real

Si su equipo de TI interno tiene dificultades para navegar por sí solo en el panorama dinámico de la inteligencia artificial, puede solicitar la ayuda de una empresa externa que ofrezca servicios de consultoría tecnológica.

Paso 2: Defina sus objetivos para la implementación de IA

Para comenzar a usar IA en los negocios, identifique los problemas que busca resolver con inteligencia artificial, vinculando sus iniciativas a resultados tangibles.

Para esto, debe realizar reuniones con las unidades de la organización que podrían beneficiarse de la implementación de la IA. El C-Suite de su empresa debe ser parte y la fuerza impulsora de estas discusiones.

Además, audite sus procesos y datos, así como los factores externos e internos que afectan a su organización. Hay un montón de técnicas y marcos para apoyar su toma de decisiones. Estos incluyen el análisis micro y macroambiente de TEMPLES, el marco VRIO para evaluar sus activos críticos y FODA para resumir las fortalezas y debilidades de su empresa. Otra gran herramienta para evaluar los impulsores y las barreras para la adopción de IA es el Análisis de campo de fuerza de Kurt Lewin. Esta lista no es exhaustiva; aún así, podría ser un punto de partida para su viaje de implementación de IA.

Una forma de evaluar los pros y los contras de implementar IA en su organización es realizar el análisis de campo de fuerza. Al hacerlo, asigne puntajes a cada factor contribuyente. Si su puntaje combinado es positivo, los beneficios de la adopción de IA superan los desafíos potenciales.

Los expertos creen que debe priorizar los casos de uso de IA en función de la visibilidad a corto plazo y el valor financiero que podrían aportar a su empresa. Es por eso que necesita objetivos específicos y formas de medirlos.

Volviendo a la cuestión de la recuperación de las inversiones en inteligencia artificial, es clave distinguir entre el ROI duro y el suave.

Este es el ROI duro que su empresa podría lograr al implementar inteligencia artificial:

• El ahorro de tiempo es impulsado por la automatización de tareas laboriosas
• Ganancias de productividad derivadas de la toma de decisiones asistida por IA
• Reducción de costos laborales y operativos debido a una mayor automatización y productividad de los empleados
• Los ingresos aumentan gracias al crecimiento de la base de clientes y al mayor valor de los servicios prestados

La adopción de inteligencia artificial suave ROI podría proporcionar tramos:

• Experiencia de cliente personalizada, que incide positivamente en la satisfacción y fidelización del cliente
• Retención de habilidades, que gira en torno a la investigación y validación constantes de nuevos conceptos de implementación de IA y contribuye al desarrollo de habilidades internas de inteligencia artificial.
• Agilidad organizacional y digital, que permite a sus empleados renovar los sistemas tecnológicos y flujos de trabajo completos en respuesta a nuevos desafíos y oportunidades.

Todos los objetivos para implementar su piloto de IA deben ser específicos, medibles, alcanzables, relevantes y limitados en el tiempo (SMART). Por ejemplo, es posible que su empresa desee reducir el tiempo de procesamiento de reclamos de seguros de 20 segundos a tres segundos y lograr una reducción del 30 % en los costos de administración de reclamos para el primer trimestre de 2023.

Para establecer objetivos realistas, puede aprovechar varias técnicas, incluida la investigación de mercado, la comparación con la competencia y las consultas con expertos externos en ciencia de datos y aprendizaje automático.

Paso 3: Evalúe su preparación para la IA

El término preparación para la inteligencia artificial se refiere a la capacidad de una organización para implementar la IA y aprovechar la tecnología para obtener resultados comerciales (consulte el Paso 2).

Una vez que haya identificado los aspectos de su negocio que podrían beneficiarse de la IA, es hora de evaluar las herramientas que necesita para ejecutar su plan de implementación de la IA.

Según Vitali Likhadzed, director ejecutivo y cofundador de ITRex, su estrategia de implementación de IA se basará en cinco elementos fundamentales:

Talento de desarrollo de IA. ¿Cuenta con especialistas de TI internos y expertos en la materia (PYME) que sepan cómo implementar la IA, tanto en el aspecto tecnológico como empresarial, dentro de un plazo especificado en el paso anterior? Si no, ¿tiene un presupuesto para subcontratar el desarrollo de IA a un tercero o comprar e implementar una solución SaaS? Sin embargo, con la última opción, aún tendrá que contratar desarrolladores de IA para configurar y personalizar el software.

Costos de desarrollo, adquisición y mantenimiento de software. Dependiendo de sus objetivos comerciales, puede optar por una herramienta de inteligencia artificial basada en SaaS o tomar la ruta de ingeniería de software personalizada. Ambos enfoques tienen sus ventajas y desventajas, como la compensación entre ciclos de implementación de IA más largos y opciones de personalización limitadas. El costo total de propiedad (TCO) de los sistemas de IA, ya sea a medida o basados ​​en SaaS, también incluirá las tarifas de mantenimiento y del proveedor, así como el precio de configurar y operar una infraestructura en la nube (más sobre esto más adelante). El costo de las plataformas de análisis de datos basadas en SaaS, por ejemplo, podría oscilar entre $ 10,000 y $ 25,000 por año, y los costos de licencia comprenden una pequeña fracción de la estimación final.

Datos. Los algoritmos de IA son tan buenos como los datos que les proporcionas. Imágenes, videos, archivos de audio, documentos PDF, lecturas de sensores y otros datos que son difíciles de interpretar y modificar (es decir, datos no estructurados) comprenden hasta el 90 % de toda la información almacenada en la infraestructura de TI de su empresa. Localizarlo, agregarlo y prepararlo para el entrenamiento de algoritmos es un paso esencial para crear soluciones de IA precisas y de alto rendimiento.

Recursos informáticos y de almacenamiento. Microsoft Azure, Amazon Web Services, Google Cloud y otros proveedores destacados de computación en la nube brindan los recursos para entrenar, implementar y ejecutar modelos de aprendizaje automático en la nube. Sus datos también vivirán en la nube: en un almacén de datos perfectamente organizado, en lagos de datos o en soluciones híbridas de almacenamiento de datos conocidas como data lakehouses. Aprovechar los servicios de computación en la nube es, por lo tanto, clave para la implementación de la IA. Y debe configurar su infraestructura en la nube correctamente; de ​​lo contrario, el costo de implementar la IA puede superar sus ingresos potenciales.

Formación de los empleados. Incluso si se asocia con desarrolladores de IA experimentados, aún tendrá que educar a los empleados sobre la nueva tecnología para que puedan realizar su trabajo de manera efectiva, tanto ahora como en el futuro, cuando se acerque a la adopción de IA en toda la empresa.

Según la clasificación de Intel, las empresas con los cinco componentes básicos de IA en su lugar han alcanzado la preparación de inteligencia artificial fundamental y operativa. Estas empresas pueden continuar con el plan de implementación de IA, y es más probable que tengan éxito si tienen estrategias sólidas de gobernanza de datos y ciberseguridad y siguen las mejores prácticas de entrega de DevOps y Agile.

Si su organización no cumple con estos criterios, podría asociarse con una empresa de servicios de transformación digital para actualizar su infraestructura de TI y considerar opciones de implementación de IA.

Paso 4: Comience a integrar la IA en procesos seleccionados y mientras planifica la escala

En ITRex, vivimos según la regla de "comenzar poco a poco, implementar rápido y aprender de los errores". Y sugerimos que nuestros clientes sigan el mismo mantra, especialmente cuando implementan inteligencia artificial en los negocios.

Gartner informa que solo el 53 % de los proyectos de IA pasan de los prototipos a la producción. Una de las razones de esto puede ser la incapacidad de las empresas para replicar los resultados que han logrado con sus POC en entornos de prueba estériles en la vida real, con algoritmos de IA que consumen datos de múltiples fuentes y mejoran diferentes procesos.

Un enfoque pragmático para adoptar la IA es tener una imagen más amplia en el fondo de la mente en lugar de centrarse en una prueba de concepto (POC) aislada para los casos de uso seleccionados, aunque este último puede parecer una fruta al alcance de la mano en comparación con un proyecto ambicioso. iniciativas disparadas a la luna.

Al crear un plan para la estrategia de adopción de IA en toda su empresa desde el principio, también evitará el destino del 75 % de los pioneros de la IA que podrían cerrar en 2025, sin saber cómo implementar la IA a escala.

Además, un plazo razonable para un POC de inteligencia artificial no debe exceder los tres meses. Si no logra los resultados esperados dentro de este marco, podría tener sentido detenerlo y pasar a otros escenarios de uso.

Paso 5: Lograr la excelencia en IA

Después de lanzar el piloto, monitorear el rendimiento del algoritmo y recopilar comentarios iniciales, podría aprovechar su conocimiento para integrar la IA, capa por capa, en los procesos y la infraestructura de TI de su empresa.

Para ello, es necesario configurar:

• Un marco sólido de gobierno de datos que garantiza una gestión de datos segura y eficiente en toda su empresa
• Un ecosistema de datos integrado para recopilar, almacenar y organizar información para el entrenamiento de algoritmos
• Un centro de excelencia de IA donde su equipo interno trabajará mano a mano con expertos externos, adquirirá nuevas habilidades, mejorará continuamente el rendimiento de la IA y probará nuevos conceptos.
• Una base que facilita la toma de decisiones ágil y el rediseño continuo de los procesos comerciales: dado que la IA mejorará o automatizará más procesos dentro de su organización, deberá validar que los humanos y las máquinas aumenten y complementen el trabajo de los demás.

El enfoque incremental para implementar IA podría ayudarlo a lograr un ROI más rápido, obtener la aceptación de C-Suite y alentar a otros departamentos a probar la tecnología novedosa.

Comprender la inteligencia artificial es el primer paso para aprovechar esta tecnología para el crecimiento y la prosperidad de su empresa.

Para ayudarlo a comenzar, hemos escrito una guía empresarial sobre inteligencia artificial (descárguela aquí): un libro electrónico que cubre todas las preguntas que pueda tener sobre la tecnología, desde sus tipos y aplicaciones hasta consejos prácticos para la adopción de IA en toda la empresa.

Publicado originalmente en https://itrexgroup.com el 1 de septiembre de 2022.