IA para las personas y las empresas

Capítulo 1. El éxito de la IA

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Este libro es para ti si eres un ejecutivo o directivo interesado en incorporar la IA a tu organización. Este libro es para ti si quieres entender exactamente qué es la IA, por qué la IA puede aportar valor a tu empresa y a las personas que interactúan con ella, cómo identificar las oportunidades de la IA y cómo desarrollar y ejecutar una visión y una estrategia exitosas de la IA.

La lectura de este libro debería ayudarte a disolver la percepción a menudo nebulosa y misteriosa de la IA y proporcionarte las herramientas de evaluación, los procesos y la orientación adecuados para que tú y tu empresa podáis adquirir la comprensión necesaria y adecuada al nivel y empezar a utilizar la IA hoy mismo. Este libro también beneficiará a los profesionales del análisis y los datos (por ejemplo, a los científicos de datos) y a cualquier otra persona interesada en aprender más sobre la IA desde una perspectiva estratégica y empresarial.

Esperamos que este libro, y el Marco AIPB que introduce, te ayuden a responder a tus preguntas sobre la IA y te guíen en tu camino hacia el éxito con la IA.

Carrera hacia el éxito empresarial

Como mencioné en el prefacio, el objetivo final del automovilismo profesional estadounidense es ganar las 500 Millas de Indianápolis. Y en este evento, en el que puede ocurrir cualquier cosa, el análisis avanzado y oportuno de los datos -incluidos los eventos históricos, los datos de los sensores, la telemetría, la simulación por ordenador, los comentarios de los pilotos, etc.- marca la diferencia. Desde que me pasé a la tecnología tras trabajar como ingeniero de IndyCar y estratega de carreras para varios equipos, he descubierto que lo mismo ocurre en los negocios. En la era de los grandes datos y los análisis avanzados, desarrollar y ejecutar una visión y una estrategia para convertir los datos de tu empresa en los mejores resultados puede ser la única forma de ganar.

Tomar decisiones y emprender acciones basándose únicamente en precedentes históricos, análisis sencillos y corazonadas ya no es suficiente, como tampoco lo es perseguir objetivos con poca visión de futuro o tecnologías comoditizadas. Sin embargo, demasiadas empresas siguen estancadas en el statu quo. Cada vez más, son las que utilizan eficazmente la analítica las que triunfan; es decir, las que extraen información como patrones, tendencias y perspectivas de los datos para tomar decisiones, emprender acciones y producir resultados. Esto incluye tanto la analítica tradicional como la avanzada, que son complementarias.

Utilizo el término paraguas analítica avanzada de forma similar a una definición dada por Gartner: "La analítica avanzada es el examen autónomo o semiautónomo de datos o contenidos mediante técnicas y herramientas sofisticadas, normalmente más allá de las de la inteligencia empresarial (BI) tradicional, para descubrir perspectivas más profundas, hacer predicciones o generar recomendaciones". Las técnicas analíticas avanzadas incluyen las asociadas a la IA, el aprendizaje automático y otras tratadas en este libro.

Los datos son una ventaja fundamental si, y sólo si, sabes cómo utilizarlos. Todas las empresas deberían empezar a pensar en sí mismas como empresas de datos y análisis, independientemente de cuál sea su oferta principal. Siempre que haya datos de por medio, se trata de un paso fundamental para adelantarse a la competencia, al tiempo que se aumenta la capacidad de crear enormes beneficios tanto para las personas como para las empresas.

Muchas empresas lo saben cada vez mejor y quieren someterse a una transformación de los datos y la analítica, pero les cuesta identificar las oportunidades, los casos de uso y las aplicaciones de la IA en el mundo real, así como crear una visión y una estrategia en torno a ellos.

Convertir una idea de IA en beneficios reales para las personas y las empresas es difícil y requiere los objetivos, el liderazgo, la experiencia y el enfoque adecuados. También requiere aceptación y alineación en el nivel C. Todo esto es lo que yo llamo transformación aplicada de la IA; es de lo que trata este libro y, en particular, el marco que presenta. Nótese que lo llamo transformación aplicada de la IA, y no transformación digital. Creo que esta distinción es fundamental y explicaré brevemente por qué.

Términos como innovación, transformación y disrupción se lanzan todo el tiempo, y normalmente en un contexto amplio. Del mismo modo, la expresión transformación digital es igual de amplia y, por tanto, su significado no está necesariamente claro. No me malinterpretes: la frase y su significado son valiosos, y hay muchas empresas que necesitan absolutamente someterse a una transformación digital, y cuanto antes mejor. Pero decir simplemente que necesitas una transformación digital puede generar más preguntas que respuestas. Algunas de estas preguntas son: ¿qué significa exactamente transformación digital? ¿Qué tecnologías o sistemas tecnológicos concretos (por ejemplo, IA, blockchain, Internet de las Cosas [IoT]) deberíamos utilizar y cuáles deberíamos elegir primero? ¿Cómo establecemos prioridades entre los distintos objetivos e iniciativas digitales? ¿Cómo alcanzará la transformación digital nuestros objetivos y en qué medida? ¿Cuánto costará y cuál es el ROI potencial? ¿Cuándo nos daremos cuenta de ese ROI?

Las tres palabras de la frase "transformación aplicada de la IA" tienen un significado específico y pretendido. Debido a la relativa infancia de la IA y a su uso limitado (hasta ahora) en aplicaciones del mundo real, la IA se considera en gran medida teórica. El término aplicada pretende distinguir entre la IA teórica y la IA que se aplica a casos de uso en el mundo real, algo para lo que ahora estamos viendo una proliferación significativa y diversa. El término transformación es el esperado y, en el caso de la IA, significa aprovechar la IA para generar determinados beneficios o resultados que no se pueden conseguir con otros métodos o, en otros casos, para producir resultados de gran impacto de forma mucho más eficaz (tiempo y coste) y con mayor valor. En este contexto, la transformación aplicada de la IA no deja lugar a la ambigüedad: significa aplicar las técnicas de IA existentes y emergentes para construir soluciones del mundo real que puedan transformar las empresas y la vida de las personas. Tanto si se persigue una transformación digital como una transformación de IA aplicada, ambas requieren una visión y una estrategia. El AIPB ayuda a orientarla en el caso de una transformación de IA aplicada.

¿Por qué fracasan las iniciativas de IA?

Hay muchas razones por las que las iniciativas de IA pueden fracasar. Una de ellas es que, en general, la IA todavía no se entiende bien. Pocos ejecutivos y directivos comprenden realmente qué es la IA, su estado actual y sus capacidades, el valor que representa, lo que se necesita para que la IA tenga éxito, la diferencia entre el bombo publicitario de la IA y la realidad, las diferencias y ventajas únicas de la IA en comparación con otras formas de análisis, las diferencias entre la IA y el aprendizaje automático, y mucho más. La IA puede tener enormes beneficios para las empresas, los clientes, los usuarios y/o los empleados, pero no siempre es obvio cómo, ni qué datos, técnicas, tiempo, coste y compensaciones son necesarios. Tampoco es siempre obvio cómo medir el éxito de las soluciones de IA después de crearlas.

También es posible que las empresas no dispongan del liderazgo, la estructura organizativa o el talento "adecuados" en materia de datos y análisis avanzado. La IA es una materia extremadamente técnica y requiere traductores entre la dirección y los expertos en analítica avanzada, una responsabilidad que en el contexto del software suele recaer en los analistas de negocio y los gestores de producto. Al igual que sus homólogos ejecutivos, muy pocas de estas personas entienden tampoco la IA, lo que ha dado lugar a nuevas versiones de estas funciones centradas en los datos (por ejemplo, director de producto de datos), aunque esto es relativamente nuevo y el talento escasea. Además, debido a la relativa infancia de las organizaciones de datos dentro de las empresas, las estructuras de organización de datos del mundo real (por ejemplo, liderazgo, informes, alineación funcional) están por todas partes. Y lo que es más importante, es posible que estas estructuras de organización de datos no estén optimizadas para cultivar la adopción interna, la alineación y la comprensión en torno a las iniciativas de IA, ni para la ejecución satisfactoria de las iniciativas de IA en general (por ejemplo, funciones, responsabilidades, recursos).

Al considerar las inversiones en tecnología, los ejecutivos se preocupan, y con razón, por comprender los resultados finales, los costes, el tiempo de obtención de valor, el retorno de la inversión, la mitigación y gestión de riesgos (por ejemplo, sesgo, falta de inclusión, falta de confianza del consumidor, privacidad y seguridad de los datos), y por saber si construir o comprar. A diferencia de las inversiones tecnológicas tradicionales asociadas a la transformación digital -por ejemplo, la creación de una aplicación móvil o un almacén de datos-, la Inteligencia Artificial se caracteriza mejor como innovación científica, un concepto que implica un grado inherente de incertidumbre similar al asociado a la I+D.

La IA es un campo basado en la estadística y la probabilidad, y está avanzando rápidamente tanto en el estado del arte como en sus aplicaciones potenciales. Puede que sea imposible evitar cierto grado de incertidumbre apreciable con la IA. No entender esto o establecer incorrectamente las expectativas es otra causa potencial de fracaso. También lo es no perseguir la IA de forma ágil y ajustada y respetar adecuadamente la naturaleza exploratoria y experimental de la IA. Deben realizarse evaluaciones adecuadas como parte de un enfoque más amplio adaptado específicamente a las características únicas y a los retos potenciales de la IA. El Marco AIPB pretende ayudar a las empresas a abordar y evitar posibles puntos de fracaso y maximizar sus posibilidades de éxito con la IA.

Por último, crear soluciones de IA de éxito que beneficien tanto a las personas como a las empresas requiere una comprensión básica de lo que las personas necesitan y quieren, y también de cuáles son los ingredientes para crear grandes productos y experiencias de usuario, dado que muchos de estos ingredientes se aplicarán también a la creación de grandes soluciones de IA. Fundamentalmente, la gente utiliza productos y servicios que son útiles, mejores que las alternativas, agradables y placenteros, y que dan lugar a una buena experiencia. Las soluciones de IA que sean capaces de ofrecer todo esto tendrán éxito, mientras que las que fallen en un solo ingrediente pueden fracasar.

¿Por qué tienen éxito las iniciativas de IA?

Las iniciativas de IA (y la transformación de la IA aplicada) tienen éxito cuando los responsables de la toma de decisiones como tú intentan comprender mejor la IA, incluidos sus beneficios, oportunidades, aplicaciones potenciales y retos. Las iniciativas de IA también tienen éxito cuando se establece de forma clara y concreta el porqué de las mismas, se alinea con los objetivos tanto de las personas como de la empresa, y se utiliza como la Estrella Polar que guía todo lo demás.

Además, las iniciativas de IA tienen éxito cuando se prioriza y se crea la organización de datos y análisis adecuada (algunas de cuyas recomendaciones tratamos en este libro). Esto incluye el liderazgo, la estructura organizativa y el talento para desempeñar las funciones y responsabilidades analíticas estratégicamente adecuadas. Este tipo de organización es capaz de hacer lo siguiente

• Identificar y priorizar las oportunidades de IA.

• Ayudar a priorizar la inversión en IA en toda la empresa.

• Cultivar la adopción y la alineación de la IA.

• Establece adecuadamente las expectativas en torno a las iniciativas de IA.

• Generar una visión y una estrategia compartidas en torno a la IA.

• Ayuda a romper silos.

• Democratiza los datos y los análisis.

• Ayudar a avanzar continuamente en la competencia analítica y de datos de la organización.

• Fomentar una transición cultural de una organización impulsada por las tripas, basada en precedentes históricos y en simples análisis, a una organización impulsada por los datos y/o informada por los datos.

• Construye, entrega y optimiza soluciones de IA exitosas.

Además, las organizaciones de datos y análisis que tienen éxito son capaces de evaluar adecuadamente su nivel de preparación y madurez de la IA, identificar lagunas y desarrollar una estrategia priorizada para colmarlas. También son capaces de analizar las consideraciones clave específicas y las compensaciones asociadas iniciativa por iniciativa, identificar de forma similar las lagunas y priorizar su subsanación, así como tomar las decisiones adecuadas según sea necesario a lo largo del ciclo de vida de la iniciativa.

Los miembros de la organización de datos y análisis deben ser capaces de trabajar de forma interfuncional y en colaboración con expertos de todas las áreas funcionales de una organización de forma estratégica y según sea necesario. El AIPB define de forma exclusiva un conjunto de alto nivel de expertos interfuncionales que deben trabajar juntos durante determinadas fases de las iniciativas de IA para garantizar el éxito de los resultados.

Crear un producto en el mundo real que aporte los beneficios previstos requiere una secuencia eficaz de fases iterativas, que el Marco AIPB define de forma exclusiva en el contexto de la IA. Cada una de estas fases tiene un resultado relacionado definido también por el AIPB, todos ellos ingredientes clave del éxito de las soluciones de IA. Comprender los conceptos que tratamos, como la innovación científica, sobre todo en el contexto de la IA, también contribuye al éxito.

Aprovechar el poder de la IA para ganar

Para ayudar a responder a las preguntas y alcanzar los objetivos discutidos hasta ahora, este libro presenta el Marco AIPB que he creado basándome en mis casi 20 años de experiencia y conocimientos en innovación. Se trata de una formalización de las estrategias, enfoques y técnicas del mundo real que he utilizado con éxito a lo largo de mi carrera profesional, con empresas que abarcan muchos sectores y que van desde equipos de carreras IndyCar, pasando por empresas incipientes, hasta grandes empresas corporativas. También representa una unificación de mi pericia, de los conocimientos adquiridos con la experiencia y de lo que he descubierto que funciona mejor en los ámbitos de la gestión empresarial, analítica y de productos, y en la búsqueda de la innovación en general.

La llamo IA para Personas y Empresas (AIPB), porque se centra específicamente en crear soluciones de IA de éxito para mejorar las experiencias humanas y el éxito empresarial. La AIPB ayudará a directivos y gestores gracias a su Estrella Polar, beneficios, estructura y enfoque únicos y creados a propósito. Se trata de un marco integral para guiar la consecución de iniciativas de IA, que incluye desde la realización de evaluaciones adecuadas, al desarrollo de una visión y estrategia de IA, pasando por la construcción, entrega y optimización de soluciones de IA de producción.

La intención de este libro no es decir que el AIPB es el marco definitivo que debe sustituir a todo lo demás. De hecho, como pronto comentaremos, el AIPB es de alto nivel y modular. Esto significa que, para tu iniciativa o proyecto, tu equipo debe utilizar los sub-marcos que considere que funcionan mejor (o los que yo recomiende, si lo prefieres).

Al explicar el marco que he desarrollado, mi intención es ayudar a guiar tu pensamiento a un alto nivel para ayudar a eliminar parte de la confusión que conlleva intentar innovar con IA. Tanto si se aplica este marco concreto como si no, creo que este debate sobre el AIPB y otros temas tratados en este libro proporcionarán una forma conceptual de pensar sobre el uso satisfactorio de la IA en una organización.

En los próximos dos capítulos cubriremos en detalle el exhaustivo Marco AIPB de principio a fin. El resto del libro abarcará casi todo lo que cualquier ejecutivo o directivo debe entender sobre la IA al nivel adecuado, centrándose principalmente en el desarrollo de una visión y una estrategia de la IA. Según mi experiencia, desarrollar una visión y una estrategia de IA es lo que más suele costar al público objetivo de este libro.

Este enfoque debería ayudar a los responsables de la toma de decisiones a comprender mejor la IA y a tomar decisiones e inversiones en torno a las iniciativas de IA con mayor confianza. Si, simplemente comprendiendo los conceptos presentados por el AIPB y el contenido de este libro, los ejecutivos y directivos son capaces de avanzar más con la analítica avanzada que donde se encuentran hoy, eso es una victoria.

Para obtener la información y los recursos más recientes e inscribirte en la lista de correo de la AIPB, visita https://aipbbook.com.