Si hay que buscar una palabra para definir cómo tiene que ser la Inteligencia Artificial en una empresa es ÚTIL.
Ya está.
Esa es mi idea de hoy. No hay nada más que decir.
Sin embargo, muchas veces nos empeñamos en hacer modelos complicados. Cuanto más complejos mejor. Difíciles de entender hasta para el equipo que lo ha hecho. Y eso es justo lo que no hay que hacer.
Bueno, si estás investigando en la Universidad o en un Centro Tecnológico y lo que quieres es demostrar los límites de la Inteligencia Artificial, entonces sí. Pero en el resto de los casos, no.
Útil.
Parece una idea sencilla, pero luego es difícil ponerla en marcha. Por eso es necesario recordarlo cada día. Tatuárnoslo y tatuárselo a tu equipo de Ciencia de Datos.
Como cuando te mandan un correo electrónico larguísimo con párrafos completos sin puntos. Imposible de entender. Tienes que leerlo varias veces para comprender cuál es el mensaje.
Me imagino a la persona (o persone) que lo ha escrito, queriendo ser correcto. Tan correcto que no se da cuenta de que, con cada palabra de más, el mensaje pierde fuerza. Yo lo he hecho. Infinidad de veces. Sin cuestionarme si tenía sentido lo que hacía. Por pura inercia. Sin preguntar al receptor si mi mail le había parecido interesante. Si le había servido para algo.
Y no lo hacía porque en el fondo sabía la respuesta. Me preocupaba más demostrar lo duro que había trabajado, todo lo que era capaz de hacer, que pararme y pensar si el correo tenía sentido.
Con la Ciencia de Datos y la Inteligencia Artificial ocurre algo parecido. En muchos clientes vemos que han empezado un proyecto de Ciencia de Datos con mucha ilusión por demostrar las capacidades que tiene el equipo. Cuanto más complejo mejor. La idea es dotar a la empresa de un modelo potente capaz de resolver todos los problemas. Sin preguntarle a negocio cuáles son esos problemas. Todo para el negocio pero sin el negocio.
Un error que te puedes permitir si es tu primer proyecto en el mundo de la analítica. Si es un tema que ocurre de forma recurrente, tienes un problema.
Porque sin esa interacción con negocio, lo más probable es que el proyecto salga mal.
Empiezas a extraer los datos. Surgen problemas. Pasas semanas en el laboratorio programando el algoritmo. Surgen más problemas.
El proyecto se retrasa. Semanas. Meses…
Y cuando vas a presentar los resultados el modelo no funciona.
Un año de trabajo para llegar a una conclusión que se podría haber visto en la semana dos. Preguntando a negocio.
Es tan relevante este punto que en DECIDATA hemos creado una metodología para dar respuesta a esta problemática: La Clínica del Dato.
Una serie de talleres con negocio que completamos con un primer análisis de los datos disponibles para entrenar al modelo. ¿El objetivo? Validar si el proyecto se puede hacer. Una evaluación experta sobre la viabilidad del proyecto. Anticipando las dificultades y alineando a todo el equipo (negocio&data) con el objetivo a conseguir.
Porque la Inteligencia de Datos tiene más de «transformación» que de «digital». Y a veces se nos olvida.
Por eso es tan importante rodearse de expertos que ya lo hayan hecho. Porque tenemos tatuado la palabra «útil» muy adentro. Es una cuestión de vida o muerte. En cada proyecto ponemos al servicio de nuestro cliente todo nuestro capital profesional.
Por compromiso. Porque nos gustan los retos.
Y porque si no, no seríamos DECIDATA.
Encantados de tener una conversación.
Iñaki Pertusa
Socio en DECIDATA
