¿Por qué debemos formarnos en Big Data e Inteligencia Artificial?

Artículo Javier de Ramón (cedido del Blog RETHINK ESIC)

Retos del big data y la inteligencia artificial en las empresas
​
Identificamos el big data y la inteligencia artificial como claves para la competitividad; por tanto, las empresas deben contar con los recursos necesarios para lanzar iniciativas de big data e IA. Sin embargo, los proyectos de big data y de IA fracasan en un alto porcentaje (el 65% en España) y como razones de ese fracaso se alegan la falta de los datos correctos y del talento necesario, no generar valor con el proyecto, no responder a la pregunta de negocio correcta, aplicar un proceso erróneo o tener en la empresa una cultura reacia al uso de big data.

Revisando estos factores, se pone de manifiesto que, además de los recursos técnicos (tecnología y especialistas), se necesita trabajar en otras capacidades (procesos, preguntas y cultura) y es aquí donde se debe explotar otra disciplina en las empresas que está relacionada con la estrategia, el gobierno y la monetización del dato. El CDO, chief data officer, es el encargado de este ámbito y define la estrategia de datos coordinando las necesidades empresariales con los recursos tecnológicos, encontrando casos de uso que aporten retorno y monetización de los datos, además de trabajar en los procesos de gobierno del dato y en la cultura de la empresa para hacerla data-driven.

Hasta aquí se han visto roles directamente relacionados con los procesos de datos (ingenieros, arquitectos, científicos de datos, especialistas en IA, CDO…) a los que se les pueden unir otros especialistas en ciberseguridad o protección de datos (CISO o chief information security officer, DPO o delegado de protección de datos, etc.), pero ¿qué sucede con otros roles? ¿cómo quedarán impactados?

Si nos planteamos por qué la cultura empresarial aparece cómo el principal factor de fracaso de las iniciativas de big data e inteligencia artificial, podríamos concluir que una vez que la empresa adquiere las capacidades técnicas (tecnología, análisis) y que el vínculo entre los datos y la empresa es correcto, las barreras las encontramos en las personas, que son la esencia de la cultura de la empresa. Salvo los especialistas, los perfiles de negocio no hemos sido educados en el uso de datos y por tanto tenemos carencias en saber y entender cómo sacarles provecho y activarlos. La inteligencia artificial nos ayuda a trabajar con datos, crear modelos predictivos o segmentar, pero si no entendemos cómo funciona o dónde aplicarla, será difícil explotarla. No se trata de que todos sepamos diseñar o usar técnicas de inteligencia artificial, pero sí debemos entender qué es un algoritmo, dónde podemos aplicarlo y cómo funciona a alto nivel.

De alguna forma, aparte de la formación que hay que impartir, se necesita hacer accesibles los procesos de big data e IA a los perfiles no técnicos. De igual forma que podemos redactar un informe sin saber cómo hacer una consulta de base datos o usamos fórmulas en soluciones ofimáticas sin saber cómo están programadas, sería ideal que en casi cualquier puesto de trabajo todos pudiéramos aprovechar modelos y técnicas de inteligencia artificial que nos ayuden en nuestra toma de decisiones sin ser técnicos. En este punto encontramos las soluciones de autoML, pensadas para simplificar las tareas repetitivas o monótonas de los científicos de datos: limpieza de datos, revisión de indicadores, entrenar un modelo de machine learning, publicar el resultado y pasarlo a producción. Sin embargo, el mayor potencial de las soluciones de autoML es poner al alcance de todos la tecnología IA: un empleado puede entrenar un modelo de machine learning, obtener resultados y ponerlos en producción sin ser técnico. El riesgo es hacerlo sin las bases necesarias de conocimiento.

En resumen, si queremos aprovechar todo el potencial del big data y la inteligencia artificial en una empresa, necesitamos capacidades técnicas (tecnología, talento analítico…), de procesos (gobierno del dato) y dotar a los empleados de la empresa de las capacidades que les permitan trabajar con los datos con confianza. Parte de estas capacidades podrán darse en el futuro con soluciones de autoML igual que hace décadas aparecieron las hojas de cálculo.

Queda mucho camino por recorrer, se necesita mucha formación y gestión del cambio, pero la presencia de aplicaciones de IA en los puestos de trabajo de forma similar a como se implantaron las soluciones ofimáticas en su momento parece una evolución casi inevitable.

Os recomendamos que no dejéis de actualizaros en las últimas tendencias y adquiráis los conocimientos adecuados sobre big data e inteligencia artificial. Os invito a que miréis detenidamente el Máster en Big Data y Business Analytics [MBDA].

Formato: presencial
Convocatoria: octubre 2023
Lugar: ESIC-Club de Marketing de Navarra en Mutilva
Interesados inscribirse aquí