Las capacidades de aprendizaje automático empresarial aún se encuentran en las primeras etapas, pero algunos profesionales de TI ya tienen una idea de dónde debe vivir un equipo de aprendizaje automático en una organización, y podría ser una sorpresa para los CIO.
El primer paso para descubrir cómo implementar su capacidad de aprendizaje automático es evaluar la madurez de su práctica analítica. Si ya tiene una ciencia de datos o equipo de analítica y un buen caso de uso, entonces su transición al aprendizaje automático podría no ser demasiado difícil. Eso es según Norbert Monfort, vicepresidente de transformación e innovación de TI en Assurant, quien tomó a su equipo de ciencia de datos y comenzó a capacitarlos en aprendizaje automático contratando solo a uno. especialista en aprendizaje automático.
«Si combina el conocimiento estadístico de un científico de datos y traer a alguien que haya realizado aprendizaje automático, esa es una combinación muy poderosa «, dijo Monfort.
Ahora que tiene su nuevo equipo de aprendizaje automático, ¿quién en la organización debería ser el propietario: TI o el lado comercial? Panelistas de AI World – Monfort; Anju Gupta, jefe de campaña de sostenibilidad en Syngenta; y Robert Bogucki, director de tecnología de deepsense.ai – tenía pensamientos variados sobre la pregunta.
Suponiendo que haya una capacidad de aprendizaje automático centralizada dentro de la organización, ¿dónde debería estar y a quién debería informar?
Anju Gupta: No sé si hay una respuesta correcta porque todavía estamos en las primeras etapas de [machine learning implementation]. Ha habido un debate sobre si todo se encuentra dentro del rol del CIO o fuera del rol del CIO. He visto diferentes modelos. Soy un gran defensor de que se quede fuera de la oficina de TI porque la analítica basada en el aprendizaje automático sirve mucho más allá de la TI. Es un componente integral de TI, pero es más que eso. Para nosotros, está más orientado a los resultados. La analítica no es nada a menos que podamos lanzar un nuevo producto debido a cómo implementamos algoritmos de aprendizaje automático. Es una solución analítica muy centrada en el negocio.
Norbert Monfort: Estoy de acuerdo y estoy en TI. Tenemos nuestro equipo de análisis de datos y aprendizaje automático como un par de nuestro CIO. Trabajan muy de cerca, pero no en TI. Sin embargo, tenemos ingeniería de datos en TI. Pero estoy de acuerdo [with Gupta] que el alcance es mucho más amplio que solo TI. Tener aprendizaje automático y análisis de datos fuera de TI, y tener esa influencia independiente, es una buena idea.
Robert Bogucki: Lo he visto en ambos sentidos. Es sensato tener [the machine learning capability] fuera de TI, pero siempre es necesario colaborar con TI. A menudo vemos que hay algún tipo de innovación o nueva solución que en realidad está esculpida fuera de TI, pero al final del día tiene que ser TI quien se haga cargo y mantenga el proyecto. Tienes que estar seguro de que si [a machine learning project] no está en TI, quien lo posea seguirá colaborando en gran medida con TI.
Monfort: ¡Necesitas esa sinergia! Eso es algo que definitivamente recomendaría: siempre desea un equipo multifuncional que incluya TI y otros para que todos estén en la misma página.
Gupta: A menudo no se habla de la ingeniería de datos, así que me alegro de que [Monfort] lo mencioné. La ingeniería de datos es un componente crítico que absolutamente debe ubicarse dentro de TI.
