El porqué tener sólo un buen algoritmo no te va a ser suficiente

La semana pasada hablaba de la importancia de la «integración tecnológica» de un algoritmo. Tener los sistemas preparados para que cuando des al botón todo funcione.  

Y comentaba que hay otra integración a la que se le suele dar menos importancia…  

Hay empresas que creen que ni siquiera es necesaria. Que el éxito de su proyecto de datos dependerá de la complejidad de su algoritmo y no de cómo el negocio hará uso de sus resultados. 

Más datos, más complejidad, más inversión tecnológica… Pero no dan respuesta a una pregunta fundamental: Cómo se va a utilizar el algoritmo. En el día a día. Cómo deben cambiar su forma de trabajar para poder sacarle todo el potencial a los datos. Y la incertidumbre genera miedo. Y el miedo resistencia. Y claro, nada cambia, así que todo tiende a seguir igual. 

El técnico suele pensar que todo el mundo comprende la Ciencia de Datos. Que cuando habla de «entrenamiento» de un modelo, «matriz de confusión», «MAE» o «capas» de una red neuronal, el que tiene enfrente entiende lo que dice.  

Pero la mayoría de las veces no tienen ni idea de lo que le están hablando. Ni falta que hace. Una persona de negocio lo que tiene que saber es de negocio. Entender los problemas a los que se enfrenta en su día a día y saber resolverlos de la mejor manera posible.  

Y ahí es donde los dos mundos se juntan. En la resolución de problemas complejos en base a datos. Problemas a los que dedicas mucho tiempo y energía. ¡Chas! Como si fuera magia. Aunque no lo sea. 

Pero para conseguir un impacto vas a necesitar tres cosas. Ni una ni dos: 

Tres. 

Primero, definir un problema de negocio concreto. No sirve decir, «aumentar mi EBITDA» o «reducir costes» Hay que ser específico. La Inteligencia Artificial es capaz de dar respuesta a preguntas complicadas, pero solamente si están correctamente formuladas. No intentes preguntarle a Siri temas trascendentales. 

Segundo, tener datos. Sin datos no hay Inteligencia Artificial. Un algoritmo necesita aprender del pasado para proyectar los patrones que ha identificado en el futuro. La próxima vez que alguien te diga que no necesita datos para su sistemas de IA, huye.  

Tercero, involucrar a negocio. Desde el principio. No vale con decir «chicos, hemos creado un algoritmo que creemos que os va a resultar muy útil. Usadlo» Fracaso asegurado. Lo hemos visto muchas veces. Si negocio no participa en el modelo. Si no cree que puede ayudarle, no lo van a usar.  

Porque solo cuando estás convencido de algo, estás dispuesto a cambiar. A hacer un esfuerzo para sacarle todo el potencial. Puede que cueste al principio, pero merece la pena. Y cuando lo ves. Entonces algo cambia. No vuelves a ser el mismo.  

Pero para llegar a ese punto tienes que diseñar un buen plan de puesta en producción. Definir el experimento. Anticipar los riesgos. Preparar a la organización para hacer los ajustes necesarios. Y definir cómo vas a medir el resultado.  

Si eres capaz de hacerlo bien los resultados llegan. Porque no hay otro camino. 

Dato o muerte. 

Lo difícil es no morir en el intento. Pero con nuestra ayuda no tendrás ese problema. Porque ya lo hemos hecho. En empresas como la tuya, en sectores parecidos al tuyo.

¡Ponnos a prueba!

Encantado de tener una conversación.

Iñaki Pertusa
Socio en DECIDATA