4 pasos para desarrollar estrategias exitosas de inteligencia artificial

Al igual que con cualquier nueva tecnología de transformación, los líderes empresariales a menudo se abalanzan sobre cada nuevo “objeto brillante” que promete agilizar su negocio. Para la inteligencia artificial (IA), este fue el más reciente, especialmente en 2020 encuesta de opinión descubrió que el 43 por ciento de las empresas de todo el mundo están acelerando sus iniciativas de inteligencia artificial en respuesta a la pandemia.

Desafortunadamente, muchas de estas empresas se han apresurado a incorporar la IA en sus negocios sin preguntar quién, cómo o por qué. Dado que las empresas quieren aprovechar la información empresarial y otros beneficios que la IA puede ofrecer, es importante que no intenten clavar clavijas cuadradas en agujeros redondos.

La IA puede parecer mágica, pero no es mágica. Los malos algoritmos conducen a malos resultados. Si bien la inversión y la experimentación son extremadamente importantes, el error estratégico más grande y más común que cometen las empresas al investigar la IA es no definir un caso de uso claro y los resultados deseados con una métrica clara y cuantificable para la tecnología en primer lugar.

Para resolver este problema en mi lugar de trabajo, decidimos recurrir a los principios del Design Thinking. Un enfoque de la IA centrado en el ser humano comienza con quién consume la IA, cómo la consume y por qué la IA es necesaria en primer lugar. Esto comienza con pensar críticamente sobre los problemas de su empresa, dar forma a esos desafíos para que sean potencialmente solucionables por IA y luego identificar y refinar los casos de uso que son críticos para sus objetivos comerciales.

Con un enfoque basado en datos y centrado en el ser humano, nosotros, como ejecutivos, podemos desarrollar IA que conecte con éxito cada iniciativa de IA y datos estratégicos con los objetivos comerciales definidos de una empresa. Si está interesado en estudiar cómo la IA podría ser útil para su propio negocio, le recomiendo que adopte un enfoque similar.

Muchas empresas no tienen realmente una idea clara de lo que quieren que haga la IA, más allá de una vaga idea de “eficiencia”. Debido a esto, es importante refinar sus intenciones dedicando algún tiempo a descubrir las oportunidades comerciales de IA específicas que existen en su estrategia comercial existente. ¿Está tratando de proteger a los trabajadores? ¿Hacer felices a los clientes? Comience con una intención clara basada en sus principales objetivos comerciales.

Ahora que tiene su objetivo general para implementar la IA, puede definir los casos de uso y los tipos de soluciones de IA que necesitarán los usuarios y que eventualmente se integrarán en su infraestructura. La IA está avanzando rápidamente en varias áreas, desde la visión por computadora que determina lo que hay en una imagen hasta la IA que procesa el lenguaje natural que se encuentra en los chatbots y los asistentes virtuales. ¿De qué manera estas aplicaciones pueden promover las intenciones que ha delineado?

Durante la fase de evaluación, debe averiguar qué datos necesita para que los casos de uso que ha identificado sean efectivos. Los diferentes tipos de equipos se enfocan en diferentes prioridades y diferentes números, lo que significa que la mayoría de los datos de la industria están aislados hasta cierto punto. Para implementar casos de uso exitosos a través de la IA, debe asegurarse de que su IA obtenga datos precisos y limpios que provengan de toda su organización.

El último paso del enfoque del pensamiento de diseño se centra en establecer acciones concretas mediante el uso de declaraciones de intenciones como guía para la implementación técnica. El objetivo es ayudar a los clientes a hacer operativa la IA en toda la empresa conectando cada solución a la estrategia de IA definida.

Fundamentalmente, una estrategia de implementación debe tener en cuenta la confianza del usuario: ¿Cómo reaccionarán sus clientes o clientes ante su organización al utilizar los datos de esta manera? ¿Cómo pueden los consumidores y el público saber que su implementación de IA es explicable y confiable?

Diseñar una estrategia de IA exitosa también se trata de quién está sentado a la mesa. Es importante que las empresas involucren diferentes voces y las partes interesadas adecuadas en cada etapa del proceso.

En mi enfoque en el lugar de trabajo, a las sesiones de establecimiento de estrategias asisten altos ejecutivos que establecen intenciones, definen tipos de información, crean hipótesis comerciales, identifican casos de uso e incorporan la ética empresarial en la estrategia. Las sesiones técnicas invitan a los científicos de datos, diseñadores y desarrolladores a reunirse para traducir las intenciones establecidas en la sesión de estrategia en una estrategia detallada, definir los casos de uso, evaluar los datos y planificar la ejecución. Se utilizan historias visuales, imágenes y gráficos a lo largo de cada ejercicio para garantizar que todos los involucrados hablen el mismo idioma, aunque sean de diferentes orígenes.

¿Las conclusiones más comunes? Cuando trabajo con clientes, su “momento ajá” a menudo se produce durante la fase de “Evaluación”. Con demasiada frecuencia, las empresas creen que ya tienen todos los datos que necesitan para ejecutar cualquier modelo de IA. Este es el caso raras veces, si es que ocurre alguna vez.

Por ejemplo, un cliente de la industria de servicios financieros quería desarrollar una solución de inteligencia artificial que ayudara a acelerar la recuperación económica de las pequeñas empresas afectadas por la pandemia. Sin embargo, al evaluar los datos necesarios para agregar valor a los usuarios seleccionados, el equipo descubrió primero que sus datos estaban desorganizados, aislados o inutilizables. Antes de comenzar a implementar un modelo confiable, debe solucionar los problemas de recopilación de datos, infraestructura y plataforma que obstaculizan el desarrollo de una IA confiable.