banner
Si hay un gurú en torno a la Inteligencia Artificial al que puedo decir que sigo de verdad es Andrew Ng. 
El profesor Ng equilibra como pocos su faceta investigadora con el desarrollo de proyectos en la empresa privada. 
En 2011 fundó el proyecto Google Brain y muchos de sus avances se han incorporado a los productos de la compañía.

Además, ha trabajado para Baidu y es co-fundador de Coursera, donde tiene un curso sobre Machine Learning que es un clásico para todo científico de datos en sus comienzos. También publica una Newsletter mensual en la que comenta los principales avances en torno a la IA.
Vamos, un crack.

Hace un par de años publicó un libro muy corto, «AI Transformation Playbook», con las 5 claves para que una compañía avance en el mundo de la IA. Y dentro de ese libro hay una frase que recoge muy bien la temática de hoy: «igual que una tienda con una página web no es una compañía de internet, una empresa con un algoritmo no se convierte en una empresa de Inteligencia Artificial.

Para poder ser una empresa basada en Inteligencia Artificial tienes que transformar tu organización para que pueda hacer las cosas que la IA te permite hacer de manera diferencial»

Y aquí está la gran diferencia.

Programar un modelo de IA es cada vez más fácil. Los principales lenguajes de programación cuentan con librerías que permiten tener funcionando un algoritmo con apenas unas líneas de código. Además, existen en el mercado plataformas para construir modelos basados en machine learning de forma sencilla sin ser un científico de datos.

Lo que no es tan fácil es ponerlo en producción.

Porque ponerlo en producción tiene una serie de implicaciones que no existen cuando estás desarrollando el modelo en el laboratorio. En los programas de formación para científicos de datos, en los concursos de Open Innovation para start-ups atrevidas y en los retos de Kaggle el foco está en el modelo. Los datos existen, están auditados y están listos para ser utilizados.

Cómo se va a utilizar el modelo después no es importante. Es un problema que ya vendrá más adelante.

Pero si estás en la trinchera. Si realmente trabajas en proyectos de Analítica Avanzada, sabes que entender cómo se va a utilizar el modelo y cómo vas a medir el impacto generado es un tema que tienes que tener en cuenta antes de empezar el proyecto.

Ahí está la clave entre que el proyecto sea un éxito o un fracaso. 
Las reglas no se pueden cambiar a mitad de la partida.

¿Estarán los datos disponibles en el momento que se tiene que ejecutar el modelo? ¿La compañía cuenta con la infraestructura tecnológica necesaria? ¿Cómo se van a utilizar los resultados del modelo en la operativa de la compañía? ¿Cómo vamos a evaluar la mejora conseguida?

Esto no se aprende en un libro, por muy bueno que seas. O lo has sufrido y has sobrevivido para contarlo, o no te puedes hacer a la idea de la cantidad de cosas que pueden ir mal.

Porque en estos proyectos siempre salen problemas donde no los esperas. El éxito radica, muchas veces, en tener la cintura y las capacidades para reaccionar a tiempo. No solo ser capaz de sobreponerte a las dificultades, sino ser capaz de entender sus implicaciones y ajustar el rumbo del proyecto.

Y todo ello solo puede hacerlo un humano. 
No es tecnológico. Es humano.

En el 99% de los proyectos, el éxito o fracaso vendrá por el equipo que participa en el proyecto. No por si en vez de una red neuronal utilizaste un Random Forest. Y un equipo no se construye en dos días.

Bien.

En DECIDATA buscamos empresas y directivos dispuestos a comenzar el viaje. Te enseñamos nuestros trucos de capitán. A anticipar los riesgos y aprovechar el viento de popa. Y te vamos cediendo el timón hasta que puedas llevar el barco solo. Y entonces, ya contigo al mando, nos sumamos a tu tripulación para poder hacer en tu empresa las cosas que verdaderamente te permite hacer la IA de manera diferencial.

Encantados de tener una conversación.

Iñaki Pertusa
Socio en DECIDATA