________________________________________________________________________________
CONSIDERACIONES EN LOS NEGOCIOS EN LA ERA DEL APRENDIZAJE AUTOMATICO
Julián Alberto Uribe Gómez
La inteligencia artificial (IA), el aprendizaje profundo (DL) y el aprendizaje de maquina (ML) se consideran actualmente una tendencia en el cambio de paradigma en los negocios, muchos de los cuales están confiando sus decisiones en este conjunto de algoritmos. De acuerdo a 200 encuestas realizadas a empresas estadounidenses, estas consideran invertir hasta 32% de sus presupuestos relacionados con la operación de su negocio, en primer lugar, en analítica de datos y tecnología relacionada con IA.
Por otro lado, en otra encuesta realizada a 510 gerentes y planificadores de negocios en empresas del Reino Unido y en Estados Unidos, el 43% están actualmente utilizando software para administración de datos, 22% ML y 21% IA.
Algunos de los hallazgos más significativos reportados por dichas empresas fueron: un mayor crecimiento y mejora en las ventas, mientras que se reduce la tasa de cancelación de clientes, todo gracias a la inteligencia artificial.
Sin embargo, al momento de implementar algoritmos de IA y ML se recomienda tener en cuenta las siguientes consideraciones:
1. La protección de datos es crítica. La razón es que la precisión de la IA se basa en el conjunto de datos utilizado en el entrenamiento del algoritmo de IA y DL. Además, los datos son tan importantes como el algoritmo en sí. Así que la protección y el uso de los datos es muy importante. La personalización de las características de la empresa, los datos de negocio y el contexto resultan ser también críticos. Son varios los riesgos al hacer un mal uso de la forma en que entrena a la IA general y al sistema de ML, algunos de estos, podría resultar en algunos tipos de discriminación racial y otro tipo de problemas sociales. En otras palabras, el resultado de los datos y del análisis podría estar sesgado en cierta dirección. Y debido a que el ML, el motor de IA, es algo así como una caja negra para muchas personas, es posible que ni siquiera se sepa que existe ese tipo de sesgo programado dentro del sistema.
2. Transferir labores administrativas rutinarias a sistemas de IA. Los servicios de IA y robótica (como chatbots, asistentes virtuales o RPA) están siempre disponibles. Esto es algo que se debe tener en cuenta y aprovechar en la empresa. Por lo tanto, se recomienda entrenar a la IA en el trabajo administrativo rutinario. Ahora, al analizar la carga de trabajo de la administración, se encuentra que la mayor parte del tiempo se destina a coordinación y control administrativo, seguido por la resolución de problemas y colaboración, posterior en estrategia e innovación, y en menor proporción en el desarrollo de personas y compromisos y reuniones con clientes. Ahora, si se pudiera reemplazar alrededor del 30% de esta coordinación y control administrativo con un motor de DL y de ML, se tendría un cambio significativo, en el cual, la solución de problemas y la estructura de colaboración, crecería, siendo el papel más dominante e importante en un gerente de negocio. En segundo lugar, estaría la estrategia e innovación, en tercer lugar, la función de coordinación y control administrativo y finalmente estaría el desarrollo de personas y la participación de los interesados.
Ahora bien ¿no es esto mucho más atractivo para un administrador este cambio en la estructura de sus funciones? Lo antes mencionado es solo un área, donde el ML y el DL pueden agregar valor a la empresa para mejorarla. Y para lograr esto se deben configurar y estandarizar formatos de informes para que los algoritmos de AI escriban informes a partir de los resultados de los datos analizados. Y ¿es esto posible? ¿Hay algún ejemplo de redacción de informes de AI que exista?, actualmente, The Associated Press ha aplicado robots de software AI para ayudar en la redacción de informes. Las ganancias de AP aumentaron debido a un aumento en los informes de aproximadamente 300 historias a 4400 por trimestre. Esto implica que los periodistas de AP pueden enfocarse más en los informes de investigación y como resultado, hubo una mejora general en la calidad y la cantidad. Es como una situación de ganar-ganar utilizando la tecnología de ML.
3. Enfocarse en las habilidades orientadas al juicio que requieren pensamiento creativo sería la parte que se necesita para aumentar sus habilidades. Además de la IA y el ML, la experimentación, el análisis de datos, la interpretación y el desarrollo de estrategias es otro grupo de conjuntos de habilidades que son dignos de desarrollar en los negocios. Además, aprender a confiar en los consejos de análisis de datos de AI sería muy útil para agregar ideas colaborativas e integrales en el mejoramiento de las ya existentes y los resultados del análisis de datos. Por otro lado, el juicio y la toma de decisiones basadas en el conocimiento y la experiencia humana añadida a los resultados del análisis de datos de AI y ML es una labor altamente complementaria.
4. Conviértete en un líder en la enseñanza y el asesoramiento sobre cómo utilizar eficazmente la IA y el ML. Indudablemente AI, ML y DL son tendencias emergentes en la industria y en los negocios que están llegando para quedarse y esto cambiará los perfiles de muchos trabajos actuales. Por lo tanto, prepararse para aceptar lo que va a suceder y utilizarlo como una ventaja en el desarrollo de habilidades de liderazgo. Considerar aprender y enseña a usar AI y ML para la toma de decisiones marcará una pauta en el futuro, al igual que usar la IA en el pensamiento creativo y el diseño innovador. Esto facilitará la forma de desarrollar actividades más eficientes que contribuyen a mejorar la colaboración y el trabajo en equipo, desarrollar nuevos indicadores clave de rendimiento (KPI), impulsando la adopción de una IA más efectiva en la estructura de la empresa.
No hay comentarios.:
Publicar un comentario