Big Data, Machine Learning e Inteligencia Artificial. Las 11 claves

Linkle ha iniciado sus jornadas de inteligencia colaborativa. La primera ha estado dedicada a las oportunidades que el  Big Data, el Machine Learning y la inteligencia Artificial ofrecen en el ámbito de la consultoría. A continuación, las once claves en las que Juan Ignacio de Arcos, SVP Business Development en BigML y socio de Linkle, sintetizó la situación.

 

  1. Big Data se refiere al conjunto de técnicas y tecnologías para el tratamiento de grandes volúmenes de datos, muy variados y en los que la velocidad es crítica. De esta forma se define el Big Data por sus 3 V’s: Volumen, Variedad y Velocidad.
  2. Hemos de tener en cuenta que hay pocas organizaciones en el mundo que manejen estos 3 conceptos simultáneamente. Las grandes tecnológicas americanas (GAFA) fueron las que iniciaron la revolución de los datos con el advenimiento del smartphone (Apple), las redes sociales (Facebook), el modelo de buscador (Google) y el almacenamiento en la nube (Amazon).
  3. Esto ocurre en la primera década de este siglo y muy especialmente gracias al 4G, que destapa el ansia por las apps, la interacción virtual entre personas y algo más tarde, con el abaratamiento de la sensórica, la interacción entre sensores con acceso a internet. Todo ello genera grandes volúmenes datos que son almacenados en repositorios de pago por uso muy barato o casi gratuito.
  4. Esta conjunción de factores hace desempolvar los algoritmos de la década de los 50 al ser posible entrenarlos con dichos datos. Despega el Aprendizaje Automático o Machine Learning y la Inteligencia Artificial, más centrada en el tratamiento de imágenes, vídeo y audio.
  5. Las réplicas chinas (Baidu, Alibaba y Tencent, BAT) han posibilitado hacerlo a una escala mayor con volúmenes de datos ya astronómicos, ha facilitado un entrenamiento más eficiente de los algoritmos y hacer despegar la Inteligencia Artificial. La nueva generación de transmisión inalámbrica 5G catapultará esta situación en la década que acabamos de empezar.
  6. Machine Learning aplica a cualquier proceso de negocio y, realmente, en el mundo actual, los proyectos que se están desarrollando en las corporaciones son casos de uso muy concretos con esta tecnología. Soluciones existen en todas las industrias: Agricultura, Energía, Contabilidad, RRHH, Legal, Marketing, Compras, Banca, Seguros, Fabricación, Telco, Sector Público, etc…
  7. Inteligencia Artificial, por el contrario, requiere mayores volúmenes de datos y mayor potencia de cálculo (con el consiguiente consumo energético) y realmente es privilegio de unos pocos. La mayoría de los proyectos europeos que se publicitan como de IA son realmente de Machine Learning.
  8. Para implementar Machine Learning en una empresa es aconsejable seguir un esquema:
  • Empezar con una formación básica
  • Realizar sesiones de brainstorming para determinar casos de usos
  • Reducirlos a tres que presenten un problema o necesidad para la empresa
  • Hacer un business case de cada uno de ellos
  • Preguntarse si hay datos, dónde y si son accesibles
  • Desarrollar el caso de uso elegido
  • Implementarlo en el proceso de negocio correspondiente
  • Establecer métricas y medir los resultados
  1. Esto puede tener una duración de 10/12 meses. Hay que tener en cuenta que el punto de los datos no es opcional. La empresa ha de tener datos y hay que ordenarlos, limpiarlos y tratarlos. Esta fase, dentro del desarrollo del caso de uso, es la que más tiempo consume del ciclo de vida.
  2. Para garantizar el éxito de este tipo de proyectos es necesario:
  • Liderazgo claro desde la Dirección
  • Crear un equipo adecuado con personas de Negocio, Analítica y Tecnología
  • Desarrollar un plan de formación y comunicación
  • Con un reporting directo a la Dirección
  • Utilizar metodologías ágiles y herramientas de productividad (plataformas)
  1. La analítica de datos es uno de los pilares más importantes de la Transformación Digital, y Machine Learning la tecnología que lo hace posible. Como siempre que nos enfrentamos a algo nuevo, el sentimiento es reactivo. Efectivamente, el camino no es fácil, pero mientras antes se recorra, disminuiremos el riesgo de vernos arrastrados por la competencia.