IA: cuando la tecnología no lo es todo
IA: cuando la tecnología no lo es todo
Somos testigos, como resultado natural de la creciente adopción de tecnologías de la información, que la IA se ha convertido en un commodity para las empresas.
Las facilidades ofrecidas por la nube han democratizado el acceso a esta tecnología, permitiendo que casi cualquier organización, incluso las pequeñas, puedan aprovechar sus beneficios.
Así, al igual que Internet transformó la forma de hacer negocios, producir y consumir, la IA se está convirtiendo en un elemento esencial para la operación de las empresas, en cualquier momento de la cadena de valor.
A diferencia de la transformación producida por internet, donde las organizaciones debieron transitar la digitalización para su supervivencia, la IA aún no ha puesto esa presión, sino que se ha posicionado como una elemento diferenciador, optimizando esfuerzos, generando nuevas maneras de entender los indicadores operacionales, reduciendo riesgos y anticipando necesidades de nuestros clientes.
La incorporación de la inteligencia artificial, si bien se ha facilitado, no es un interruptor que al accionarlo, genera la transformación, su impacto es casi directamente proporcional a dos aspectos con los cuales las empresas están luchando: gobierno y calidad de datos.
El gobierno de los datos es una capacidad que las empresas deben cultivar, está íntimamente relacionado al entendimiento y valoración de la gestión de los datos, a la manera en que operan en conjunto las áreas de negocio y las áreas tecnológicas en esa gestión.
Esto desafía a las organizaciones además, porque es una capacidad evolutiva, no se puede crear tecnológicamente, aunque sí puede servirse de la misma.
Las definiciones claras de responsabilidades en cualquier esquema de gobierno de datos no son suficientes si no existe convencimiento genuino de cada uno para ejercerlas y asegurar su cumplimiento a lo largo del tiempo.
Es esencial que cada miembro de la organización desarrolle la capacidad de manejar la información y los datos de manera segura, ética y controlada. Al ser un recurso compartido valioso es responsabilidad de todos entender y procurar su correcta gestión y utilización.
Y si el gobierno de datos es una capacidad de la organización, la calidad de los datos es la realización de ese gobierno. No podríamos tener buena calidad de datos sin un gobierno comprometido capaz de gestionarlos.
La calidad de datos en sí misma plantea un gran desafío, es una promesa a futuro que se manifiesta al momento final de la cadena de consumo, cuando lo que puede hacerse para mejorarla es casi nada.
Si consideramos a los atributos de calidad como intrínsecos a los datos, la calidad de las soluciones de inteligencia artificial están cruzadas por esos atributos. Y, desgraciadamente, ningún modelo ni solución de IA puede escapar de este problema cuando ya existe, y peor aún, sus descubrimientos o recomendaciones pueden estar envenenados por esa falta de calidad.
De acuerdo al artículo del Journal of the Knowledge Economy, Overview of Data Quality: Examining the Dimensions, Antecedents, and Impacts of Data Quality, una de las causas que afectan la calidad de los datos es la falta de responsabilidad de las áreas gerenciales.
Aunque se subraya que, a la vez, son las que reciben los beneficios de una buena calidad de datos, por ejemplo, al tomar decisiones informadas y basadas en la confianza en los datos. Otro descubrimiento que surgió en este análisis, es que la calidad de los metadatos, tiene gran impacto en la percepción de calidad general y en la opinión de cuando o no un dato posee calidad.
En consecuencia, el éxito de una solución de IA se basa fundamentalmente en la calidad de los datos, y no solo como una característica general, sino también en conjunto con su información de contexto del negocio, ciclos y períodos de validez o completitud, entre otros. Además que la valoración del impacto de una solución de IA para los usuarios, está directamente relacionada a la confianza en la calidad de los datos.
Por supuesto que no todo está perdido.
Hoy en día ya existen soluciones para resolver problemas de calidad, pero nuevamente, exigen definiciones, métricas para conocer el estado actual de los mismos, capacidad de analizar la situación y poder actuar mediante la implementación de iniciativas continuas y medibles.
Todo lo cual es el resultado de aplicar un esquema de gobierno.
La calidad de los datos no sería duradera sin un gobierno de datos que la gestione, y aquí es donde, como se ha mencionado, no existen soluciones mágicas.
Cuanto antes se reconozca esta importancia y se asuma el compromiso de largo plazo de promover una cultura de datos organizacional, que incluya incentivos para la mejora, mejor comunicación sobre el valor y utilidad de los datos, sin perder la oportunidad de celebrar los éxitos en su gestión, más pronto comenzarán a experimentarse las mejoras que las soluciones de inteligencia artificial pueden brindar a los individuos y a las organizaciones.
El camino hacia la implementación de soluciones de IA de impacto deberá tener un enfoque integral, cultural, continuo e interdisciplinario para lograr que las organizaciones puedan desbloquear el potencial de sus datos y convertirlos en aliados estratégicos, cumpliendo la promesa de esta nueva etapa tecnológica.
