En la medida que el proceso de digitalización de las compañías se acelera, las principales estrategias para mejorar los márgenes y reducir los costes pasan por la evolución de 3 aspectos principales a corto plazo: la mejora de la eficiencia operativa y de recursos, la optimización del time-to-market y la diferenciación de productos.
En sectores tales como Energy, Healthcare, Manufacturing, Retail, Insurance o Fintech se ha visto un auge en el desarrollo de soluciones basadas en big data e inteligencia artificial para la mejora en la personalización de productos y servicios, seguridad y privacidad de PII, incremento en velocidad transaccional a gran escala, detección de fraude, automatización de procesos, mantenimiento predictivo o los omnipresentes chatbots entre otros.
El enfoque de Producto de Datos está ayudando a poner el foco en este tipo de soluciones, muy orientadas a resolver un reto concreto de negocio a través de los datos, y está permitiendo aportar un alto impacto en el negocio de forma rápida y demostrable, en ámbitos como la mejora de la experiencia del cliente, la productividad de los empleados, la creación de nuevos productos y en el desarrollo de la competitividad.
Apoyarse en partners o colaboradores tecnológicos especialistas que disponen del conocimiento y la experiencia especializada, es la vía más fiable para abordar estos retos, especialmente en organizaciones que comienzan a trabajar los datos y necesitan establecer las adecuadas prácticas y políticas de Data Management o Gobierno del Dato. Pero, para que este desarrollo sea sostenible, se requiere de una inversión en capacitación por parte de las empresas y un esfuerzo personal por parte de los individuos que facilite la adquisición de nuevas habilidades y una actitud abierta para el desarrollo y la capacitación continua.
Las empresas deberán seguir implementando buenas prácticas en forma de regulación y compromisos para que esta tecnología en desarrollo sea aplicada de la forma más transparente, ética y justa posible. Esto se traduce en la construcción de datasets lo más representativos posibles, chequeando sesgos con la definición de métricas entre distintos subgrupos, realizando análisis de la sensibilidad del modelo o priorizando la interpretabilidad mediante la aplicación de los modelos más sencillos que satisfagan los objetivos.
Retos
Para continuar avanzando, las empresas deberán sortear algunos de los siguientes retos:
- Mayor perspectiva data-centric en los proyectos IA, donde la prioridad no es acumular datos sino trabajar en la mejora de la calidad de los mismos y eliminar datos inconsistentes. La calidad del etiquetado de los datos, estrategias en data augmentation, el versionado de los datos o los feature stores acelerarán este proceso.
- Los proyectos de IA deberán tener presente aspectos de privacidad y seguridad desde su definición, donde además de asegurar la información también se requerirán prácticas que determinen modelos más robustos y confiables, aplicando técnicas como adversarial training para prevenir respuestas ante posibles datos corruptos o escenarios poco frecuentes.
- Automatización de procesos cognitivos, incorporando servicios disponibles en distintas plataformas cloud (voz, imagen, texto o decisión) o haciendo uso de modelos pre entrenados “multimodales” en el estado del arte (Dall-E o CLIP como ejemplos) o textuales (GPT 4) para resolver distintos tipos de tareas de carácter creativo como realizar síntesis semántica, crear nuevo contenido textual y visual, o responder preguntas de forma interactiva.
- Incrementar capacidades big data de los procesos cada vez más exigentes, teniendo en cuenta el auge de quantum computing para la realización de simulaciones a gran escala o desafíos en procesos de optimización entre otros.
Imagen: Freepik
Data Scientist in Keepler Data Tech: "Live full, die empty" defines my state. This becomes my lifestyle taking me out of my comfort zone and driving my voracious learning attitude about different aspects of Data Science. I love learning by teaching and am always open to new challenges that push me further my comprehension."