Mejores prácticas para implementar tecnologías basadas en datos

  • Predictive Analytics

3. inteligencia-artificial.jpg

Según un informe de Forrester, la falta de comprensión está obstaculizando la capacidad de los líderes empresariales para implementar proyectos de ciencia de datos, aprendizaje automático e inteligencia artificial de manera efectiva para resolver problemas comerciales".

"Todos los ejecutivos necesitan tomar decisiones estratégicas sobre cómo y dónde aprovechar estas tecnologías, pero pocos líderes tienen experiencia con ellas, por lo que abundan los conceptos erróneos, lo que genera malos resultados, desperdicio de recursos y resistencia a iniciativas futuras", dice el informe.

Para implementar con éxito estas tecnologías se requiere perspicacia empresarial y tecnológica y liderazgo ejecutivo, según el informe, que sugiere siete conocimientos y mejores prácticas:

1. Si parece que cree que la IA "debería" verse, probablemente no lo sea. La inteligencia artificial del mundo real no exhibe ni cerca la inteligencia y la autonomía mostradas en las películas. "Las ventajas y desventajas reales de las tecnologías de ML e IA varían tan drásticamente de las percepciones populares que si una idea, solución propuesta o oferta de un proveedor estará condenada al fracaso, se exagerará demasiado o tendrá que hacerlo. confiar en una persona que se esconde detrás de una cortina ", dice el informe.

2. Busque proyectos que sean técnicamente viables y proporcionen negocios medibles. "Comience exclusivamente con el valor comercial y elegirá casos de uso que se adapten a las debilidades de la IA y perderá sus fortalezas (piense en vehículos totalmente autónomos). Comience con los datos y encontrará información verdadera pero sin valor (por ejemplo, las reservas generan ingresos) ", decía el informe.

3. Adopte un enfoque de ciclo de vida. Aumente su probabilidad de éxito planificando su proyecto de un extremo a otro e involucrando a los usuarios finales previstos de la solución desde el principio y durante todo el proceso.

4. Mejore sus datos con el tiempo. No espere hasta tener los datos correctos para comenzar o nunca los tendrá. En su lugar, trabaje con los datos que puede obtener rápidamente, impulsar el valor que puede rápidamente y utilizar el éxito para abogar por la próxima ronda de inversión en sus activos y canalizaciones de datos.

5. Mejore las capacidades de IA con el tiempo. Al igual que con los datos, la mayoría de los proyectos exitosos comienzan con poco y se basan en los éxitos para escalar.

6. Preocúpese primero por el sesgo humano, luego por la IA. Debido a que la IA es una herramienta desarrollada por humanos, es probable que contenga sesgos incorporados. La mejor manera de evitar el sesgo es analizar cuidadosamente los datos que utiliza para entrenar sus modelos de IA. 

7. No dejes que los proyectos de IA se demoren. "Capacite a sus equipos para acabar con los proyectos, pero capture los aprendizajes y resucítelos en encarnaciones nuevas y más viables", dice el informe.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.