Usar los datos de tu empresa y ponerlos a trabajar puede ser muy rentable.
Habrás oído mil veces lo de los datos son el «nuevo petróleo». Que si es oro negro. Que si tiene valor pero es necesario refinarlo. Humo.
Pero no hay que perder de vista que detrás de todo el humo siempre hay algo de verdad. Y es que los datos pueden ser una palanca muy útil para hacer más eficiente tu negocio.
Menos recursos para hacer lo mismo. Mayor retorno con las mismas acciones o una nueva fuente de ingresos.
Todos estamos de acuerdo en que utilizar los datos y la IA en tu negocio es bueno. Pero lo que no es tan fácil es acertar en cómo hacerlo. Y sin embargo, la puesta en producción de un modelo es el factor fundamental de éxito de un proyecto de Analítica Avanzada.
No solo hay que lograr que el modelo haga lo que tiene que hacer, eso se da por supuesto, sino que hay que conseguir que sea útil.
Hoy me voy a centrar en la primera parte y la semana que viene hablamos de la puesta en producción en negocio. Que también tiene tela.
Bien.
Empecemos por el principio. Tradicionalmente los proyectos de Inteligencia Artificial tenían (aún siguen teniendo) algo de «artesano». En muchas ocasiones el Científico de Datos tiene que realizar enormes esfuerzos para obtener y limpiar los datos que necesita de manera manual.
Luego programa un modelo a partir de iterar diferentes opciones y ajustar los hiperparámetros de cada tipo de algoritmo utilizado. Además, hay que hacer que funcione en la infraestructura IT de la compañía, que no suele estar preparada para ejecutar y hacer seguimiento de la «performance» de los modelos.
Y por último, hay que hablar con negocio para explicarle qué tiene que hacer para que todo funcione.
Si negocio está contento, comienzas con el segundo proyecto. Pero si no ha funcionado, vas a tener que dar muuuchas explicaciones. Prepárate porque te va a costar mucho conseguir financiación para el siguiente.
Este suele ser el desierto por el que es necesario pasar en todas las empresas.
Ahora bien, otra cosa es que quieras sistematizar la puesta en producción de los modelos de Inteligencia Artificial.
No me malinterpretes. Si en tu compañía todavía no existe un área de Analytics, vas a tener que sufrir para ganar tracción. Pero, además, vas a necesitar cambiar el enfoque si quieres escalar la práctica de IA dentro de la organización.
Ahí es donde entra el MLOps. Una forma de trabajar que viene del mundo de la programación y que trata de procedimentar la manera en la que trabajar con algoritmos. Es decir, facilitar y acelerar la puesta en producción.
Para eso se utilizan piezas específicas de software que simplifican las labores de gestión y limpieza de datos. Permite coordinar el trabajo de varios Científicos de Datos sobre un mismo modelo y se definen sistemas para crear los experimentos y evaluar su impacto. De forma sistemática.
Estructura. Rapidez. Impacto.
Escalar tus sistemas y competencias en Analítica Avanzada e Inteligencia Artificial para convertirlo en una ventaja competitiva para la organización.
Complicado. Pero siempre es más fácil si lo haces de la mano de un especialista. Alguien que ya lo haya hecho. Varias veces. Y te ayude a acelerar el proceso. Evitando errores.
Encantado de tener una conversación.
Iñaki Pertusa
Socio en DECIDATA
