Krypton Solid

La última tecnología en raciones de 5 minutos

7 problemas de entrega de última milla en IA y cómo resolverlos

El término problema de la última milla proviene de la industria de las telecomunicaciones, que observó que cuesta desmesuradamente más construir y administrar la última milla de infraestructura hasta el hogar que llevar infraestructura a la ciudad central o al perímetro residencial.

Las empresas están comenzando a descubrir un problema similar de entrega de última milla en la IA: es mucho más difícil integrar las tecnologías de IA en los procesos comerciales que realmente dirigen las empresas que construir o comprar los modelos de IA y aprendizaje automático (ML) que prometen mejorar. esos procesos.

«El camino para implementar ML sigue siendo caro», dijo Ian Xiao, gerente de Deloitte Omnia, la práctica de consultoría de inteligencia artificial de Deloitte Canada. Él estima que la mayoría de las empresas implementan solo entre el 10% y el 40% de sus proyectos de aprendizaje automático, dependiendo de su tamaño y disponibilidad tecnológica.

De hecho, la última milla problema es un nombre poco apropiado cuando se aplica a la implementación de IA en la empresa. Existe una colección de problemas de entrega de última milla. Además de construir la infraestructura digital necesaria para integrar la IA en los procesos comerciales, las empresas están lidiando con problemas de última milla relacionados con la comprensión de qué es la IA, el empoderamiento de los usuarios, la actualización de modelos e incluso la gestión de contratos.

Los desafíos técnicos y culturales asociados con la implementación de la inteligencia artificial en la empresa son más difusos y, para algunas empresas, más intratables que los obstáculos que un proveedor podría enfrentar al integrar la inteligencia artificial en sus productos y servicios. A largo plazo, la capacidad de la inteligencia artificial para arrojar luz sobre los procesos comerciales, donde un proceso funciona bien y dónde se puede mejorar, eventualmente cerrará la brecha entre la relativa facilidad de comprar y construir la inteligencia artificial y el desafío de implementarla con éxito. .

Aquí hay siete problemas de entrega de última milla asociados con la implementación de IA en la empresa y cómo resolverlos.

La brecha digital

Según Xiao, el mayor impedimento para la implementación de la IA para la mayoría de las empresas es, de hecho, la infraestructura de última milla para conectar la IA al negocio. La automatización de procesos robóticos (RPA), la plataforma de integración como servicio (iPaaS) y las plataformas de código bajo ayudan a cerrar la brecha, pero estas son tecnologías relativamente nuevas. Muchas empresas aún no los han adoptado o pueden no tener las habilidades necesarias para hacerlos funcionar.

Ian Xiao de DessaIan Xiao

Sin embargo, una vez que este tipo de infraestructura esté en su lugar, Xiao espera que los equipos de ciencia de datos trabajen menos en inteligencia artificial y aprendizaje automático en nombre de la innovación y más en la integración de inteligencia artificial y aprendizaje automático en las operaciones centrales.

Ramesh Hariharan, director de innovación y tecnología de LatentView Analytics, una consultora de inteligencia artificial, también espera ver una convergencia de tecnologías complementarias para cerrar la brecha digital.

«A largo plazo, se espera que el desarrollo de modelos de aprendizaje automático se vuelva más automatizado, lo que permitirá una adopción mucho más amplia del aprendizaje automático», dijo.

RPA, por ejemplo, se utilizará cada vez más para transmitir datos a modelos de aprendizaje automático en tiempo real, dijo, así como para generar datos para construir nuevos modelos de aprendizaje automático. iPaaS puede facilitar la implementación de modelos de IA que funcionan con aplicaciones que utilizan una arquitectura de microservicios. La adopción de código bajo o sin código podría ampliar las capacidades de los científicos de datos ciudadanos que están adoptando herramientas como Tableau y Jupyter que eliminan las barreras al análisis y el aprendizaje automático.

Ramesh Hariharan de LatentView Analytics Ramesh Hariharan

Hariharan dijo que el mayor cambio que las empresas verán en la inteligencia artificial y las herramientas complementarias que ayudan a que funcione son los tipos de decisiones que tradicionalmente toman los empleados. Es probable que cada vez más de estas decisiones en el lugar de trabajo se automaticen, ya que el aprendizaje automático genera predicciones más precisas y los gerentes comerciales confían más en ellos.

La brecha en la toma de decisiones

La IA a menudo puede ofrecer predicciones mejores, más baratas y más rápidas que los humanos en una amplia gama de entornos, pero depende de los gerentes comerciales averiguar cuáles son estos entornos. Hariharan recomienda que los gerentes no miren las predicciones de IA de forma aislada, sino que se concentren en cómo automatizar el proceso de toma de decisiones. Esto implica pasar de simplemente incorporar predicciones en procesos existentes a rediseñar el proceso empresarial. La reingeniería podría implicar eliminar algunos pasos por completo, automatizar otros y unir todo esto a través de herramientas impulsadas por software.

Un buen lugar para comenzar es mirar un departamento específico, dijo. Por ejemplo, una IA de marketing podría predecir con precisión el valor de vida potencial del cliente. Para aprovechar este sistema, los departamentos de marketing y gestión de clientes deben reorganizar sus flujos de trabajo. Necesitan integrar estas predicciones en las decisiones sobre qué clientes priorizar.

La IA que predice el valor de por vida de un cliente se puede implementar como un servicio que utilizan otras aplicaciones. El software de clasificación de clientes que llama a estos servicios se puede construir utilizando plataformas de código bajo / sin código. El iPaaS se puede utilizar para llamar a la IA, así como otros pasos del servicio. La RPA se puede utilizar para proporcionar información sobre el cliente a la IA en tiempo real.

La brecha de valor de la IA

Los CIO y los líderes empresariales también deben aclarar sus expectativas sobre cómo las diferentes categorías de tecnología de IA proporcionan un valor empresarial real.

Jason Bloomberg de IntellyxJason Bloomberg

«El mayor desafío para la integración de la IA en los procesos comerciales existentes es la confusión sobre para qué es realmente buena la IA, especialmente en el contexto de las operaciones comerciales, en contraposición a las aplicaciones técnicas y científicas especializadas», dijo Jason Bloomberg, fundador y presidente de Intellyx, a firma analista de transformación digital. A pesar de todo su poder para mejorar los procesos comerciales, la inteligencia artificial no puede administrar un negocio; su estado actual está muy por debajo de ese tipo de aplicación de propósito general de la inteligencia artificial.

Bloomberg ve herramientas como RPA y automatización de procesos digitales (DPA) que brindan capacidades respaldadas por IA como siguiente mejor acción funcionalidad, que es esencialmente un autocompletado para flujos de trabajo. Las empresas están encontrando valor en integrar el procesamiento del lenguaje natural en los flujos de trabajo de DPA para casos de uso que involucran asistentes virtuales y chatbots.

Pat Geary de Blue PrismPat Geary

Parte del problema para extraer valor de la IA es que muchas empresas delegan sus proyectos de IA a equipos de TI que lo ven a través de una lente tecnológica en lugar de una perspectiva de entrega de valor. Pat Geary, evangelista jefe de Blue Prism, un proveedor de RPA, dijo que las iniciativas de inteligencia artificial deben estar impulsadas por los negocios para tener éxito.

«Si bien los líderes técnicos y de TI son vitales para garantizar implementaciones sin problemas, depende de los líderes empresariales que comprendan mejor los desafíos operativos y las demandas de sus empresas hacer juicios sobre dónde la RPA y la IA tendrán un impacto más positivo en los resultados comerciales clave», dijo. .

La brecha de explicabilidad de la IA

También es importante conectar la salida de la IA con los resultados que interesan a los usuarios empresariales.

«Si la IA no se adopta completamente hasta el usuario final, no crea ningún valor», dijo Arijit Sengupta, fundador y director ejecutivo de Aible, una plataforma de IA.

Arijit Sengupta de AibleArijit Sengupta

Los usuarios normalmente no quieren saber cómo se crean los modelos predictivos o qué porcentaje de precisión del modelo exhiben; necesitan saber cómo la IA afecta sus KPI y las métricas comerciales que les interesan, dijo Sengupta.

«A medida que cambian las suposiciones comerciales, como se encuentran ahora en la actual emergencia de COVID-19, los usuarios finales deben saber cómo los ayudará la IA», dijo.

A diferencia de Hariharan de LatentView Analytics, Sengupta cree que la mayoría de los usuarios comerciales se beneficiarán más de la integración directa de mejores modelos en las aplicaciones comerciales que utilizan todos los días, como Salesforce y Tableau, en lugar de confiar en las herramientas RPA e iPaaS para transmitir inteligencia. Si bien la incrustación requiere más trabajo de integración por adelantado y puede limitar las opciones de los usuarios, dijo que este tipo de integración estrecha también puede ayudar a que los usuarios comerciales puedan opinar sobre qué aspectos del modelo se ajustan a sus preferencias y se alinean con las realidades comerciales que ven sobre el terreno.

«Si convierte la IA en un proceso unidireccional, donde los científicos de datos crean la IA y los usuarios comerciales la consumen, no está resolviendo el problema», argumentó Sengupta.

Poner a los usuarios comerciales a cargo de la IA que están utilizando plantea el problema de entrega de última milla de la IA explicable, o IA en la que los usuarios confían porque saben cómo llegó a sus recomendaciones.

«Si los operadores no confían en las recomendaciones de las máquinas, no actuarán. Si no actúan, no se crea ningún valor comercial adicional y real», dijo Xiao de Deloitte. Es probable que la solución de este problema requiera una colaboración profunda entre las operaciones comerciales y las organizaciones tecnológicas, y no será fácil ya que muchos modelos de aprendizaje automático no son transparentes.

La brecha de retroalimentación de la IA

Los modelos de aprendizaje automático tienen una vida útil limitada porque los datos utilizados para construir los modelos se vuelven obsoletos con el tiempo. Hariharan dijo que la vida útil limitada de los modelos de aprendizaje automático hace imperativo que las empresas encuentren formas de actualizar automáticamente los modelos para reflejar las circunstancias cambiantes en función de los comentarios derivados de los nuevos datos.

Xiao estuvo de acuerdo: «Mucha gente piensa que la inteligencia artificial / aprendizaje automático es un viaje de una sola vía y una sola vez. Es más como correr vueltas». Un buen circuito de retroalimentación para transmitir nuevos datos comerciales al proceso de generación de modelos de IA es un componente esencial para habilitar la capacidad de auto-mejora, que es una característica clave de diferenciación de la IA frente a la automatización tradicional.

La brecha del proceso de IA

Un proceso empresarial suele implicar muchas tareas que están vagamente definidas en la cabeza de los distintos trabajadores que las llevan a cabo. Tradicionalmente, las empresas han contratado expertos en procesos comerciales para analizar estos flujos de trabajo, lo que puede ayudar a identificar lugares donde la inteligencia artificial y la automatización pueden agregar valor. Ahora, la inteligencia artificial se está utilizando para dar sentido automáticamente a estos procesos.

Tom Taulli, autor del nuevo libro, El manual de automatización de procesos robóticos, dijo que está viendo que los sistemas de software RPA usan IA para aprender de los procesos existentes y automatizarlos. Un ejemplo es el bot de descubrimiento de Automation Anywhere. Taulli también espera ver un mayor uso de la minería de procesos para analizar archivos de registro para identificar cuellos de botella. Actualmente, la mayor parte de este tipo de trabajo se realiza en Europa, pero está comenzando a trasladarse a EE. UU.

La brecha de datos oscuros de la IA

La IA necesita una fuente de datos seleccionada para crear predicciones útiles. Si bien los datos tradicionales son fáciles de digerir, los datos no estructurados, que según IBM comprenden hasta el 80% de los procesos comerciales, han sido un desafío.

El príncipe Kohli de Automation AnywherePríncipe Kohli

Prince Kohli, director de tecnología de Automation Anywhere, cree que la RPA podría ayudar a automatizar el procesamiento de datos no estructurados utilizando tecnologías como la visión por computadora, el procesamiento del lenguaje natural y la lógica difusa, eliminando la necesidad de que los científicos de datos implementen implementaciones robustas de automatización inteligente.

Si bien muchas plataformas RPA ahora ofrecen capacidades de inteligencia artificial, hoy en día la RPA y la inteligencia artificial a menudo se consideran dos entidades separadas: una se basa en reglas, mientras que la otra es adaptable y predictiva. Pero esta dicotomía está cambiando rápidamente.

«En el próximo año, la RPA y el análisis de procesos se incorporarán por completo a la inteligencia artificial y el aprendizaje automático, lo que acelerará la minería y el descubrimiento de procesos», predijo Kohli, «simplificando drásticamente el esfuerzo humano en estas áreas y, en última instancia, allanando la última milla».

Deja un comentario

También te puede interesar...

¿Cómo puede ayudarte el 211 con tus finanzas?

Cuando surgen dificultades financieras, la ayuda puede estar a solo una llamada de distancia. Sin embargo, en lugar de llamar al 911, como lo haría en una emergencia, puede llamar al 211 para acceder a

Definición de sábanas rosas.

¿Qué son las sábanas rosas? Las hojas rosadas se cotizan para el comercio OTC, en lugar de en una de las principales bolsas de valores de EE. UU. Muchas cotizaciones rosas son para acciones de

Turnbull hizo un gran trabajo: Conroy

El ministro de Comunicaciones, Stephen Conroy, elogió a su homólogo de la oposición, Malcolm Turnbull, y dijo que había hecho un «gran trabajo» al sacar al partido de la política de telecomunicaciones del siglo XIX.

Errores en la designación de un beneficiario de pensión

Es importante mantener actualizadas las citas de sus beneficiarios. Una designación problemática del beneficiario puede ser frustrante para todos los involucrados. Sin embargo, la actualización solo es efectiva si cumple con ciertos requisitos. Las designaciones

Una semana para HP

resumen semanal Hewlett-Packard tenía al menos una semana. Después de la controversia estalló a principios de este mes sobre el uso de tácticas cuestionables por parte de la compañía para investigar la filtración de información

Definición del modelo de Merton

¿Qué es el modelo de Merton? El modelo de Merton es un modelo de análisis utilizado para evaluar el riesgo crediticio de la deuda de una empresa. Los analistas e inversores están utilizando el modelo

Definición de países de renta media (PRM).

¿Qué es un país de renta media? (PEQUEÑO) Según el Banco Mundial, países de ingresos medios (MIC) se definen como el ingreso nacional bruto (INB) per cápita entre USD 1.036 y USD 12.535.ALos MIC son

Tendencias en la industria de la publicidad digital

La publicidad en Internet ha pasado de ser una apuesta incierta a servir como principal plataforma de marketing para la mayoría de las empresas. En los EE. UU., el crecimiento de la publicidad digital continúa

Descarga gratuita: Iconos espaciales

Descarga gratuita: Iconos espaciales Haga clic en el botón de descarga a continuación para alcanzar las estrellas y obtener este paquete galáctico diseñado por Cosas buenas sin tonterías! 77 Iconos dibujados a mano en múltiples

Definición de Management Buyout (MBO).

¿Qué es una compra de gestión (MBO)? Una compra por parte de la administración (MBO) es una transacción en la que el equipo de administración de una empresa adquiere los activos y las operaciones del

Novedades de Netflix Reino Unido: 5 de agosto de 2020

Anelka: Misunderstood ya está disponible para su transmisión en Netflix Reino Unido Hoy solo hay tres nuevas incorporaciones a Netflix Reino Unido, pero mientras algunos fanáticos del fútbol esperan el regreso tardío de la Liga