Un directivo de la división de inteligencia artificial de Amazon comparte los 4 pasos que ha tomado la compañía para convertirse en un referente tecnológico del sector
- Las empresas ya estaban explorando rápidamente cómo utilizar el aprendizaje automático (o machine learning) en sus operaciones, pero eso se ha acelerado enormemente durante la pandemia de coronavirus.
- Ahora, el panorama de la inteligencia artificial es más brillante que nunca. Pero las compañías todavía se enfrentan a inmensos obstáculos para desplegarla.
- Aquellos que están empezando o buscan orientación pueden fijarse Amazon. El gigante del comercio electrónico ha estado aprovechando el machine learning durante décadas.
- "Casi todas las líneas de negocio tienen una estrategia en torno al machine learning", explica a Business Insider Swami Sivasubramanian, vicepresidente de IA en Amazon Web Services.
- Descubre más historias en Business Insider España.
Antes del brote de coronavirus, las empresas ya estaban adoptando con entusiasmo nuevas aplicaciones del aprendizaje automático (o machine learning).
Ahora, las compuertas están abiertas.
A medida que las organizaciones se preparan para un cambio a largo plazo—e incluso potencialmente permanente— hacia el teletrabajo, están apostando más por la tecnología operada gracias la inteligencia artificial, como la computación en nube.
Y para hacer frente a la crisis actual, las empresas se han dado prisa en instalar nuevos bots de conversación alimentados por la inteligencia artificial para apoyar las operaciones de servicio al cliente, entre otras aplicaciones.
Todo esto ha hecho que el panorama para el aprendizaje automático sea más brillante que nunca. Algunos pronósticos dicen que el mercado podría superar los 202.000 millones de dólares para el 2026, en comparación con los 20.000 millones de dólares estimados para el 2018.
Una compañía que ha estado operando en ese ámbito durante décadas es Amazon.
Su algoritmo se basa en la tecnología para hacer recomendaciones a los clientes. Y los almacenes del gigante del comercio electrónico están apoyados por un ejército de robots automatizados que trabajan junto a los humanos para clasificar y empaquetar productos.
"Casi todas las líneas de negocio tienen una estrategia en torno al aprendizaje automático", explica a Business Insider Swami Sivasubramanian, vicepresidente de inteligencia artificial en Amazon Web Services. "Hemos aprendido mucho acerca de lo que se necesita para construir el aprendizaje automático con éxito".
Pero Amazon también está allanando el camino para crear los procesos organizativos y culturales bajo los cuales la inteligencia artificial puede prosperar.
El enfoque de la compañía de trabajar hacia atrás, por ejemplo, requiere que los ingenieros escriban un comunicado de prensa de una página sobre un producto antes de empezar a trabajar en él.
Empresas como AutoDesk usan esa misma técnica para asegurarse de que los tecnólogos se sumergen en proyectos que tienen una aplicación práctica en el mundo real.
"Con el entusiasmo que rodea a la tecnología, muchos científicos y equipos altamente capacitados a veces pierden de vista cuál es el verdadero problema del cliente que están tratando de resolver", señala Sivasubramanian. "La mayoría de estos proyectos mueren en la etapa de prueba de concepto porque no empiezan a trabajar partiendo desde el escenario del cliente".
Sivasubramanian—que lleva casi 14 años en Amazon—comparte los cuatro pasos que deben dar las empresas deseosas de utilizar el aprendizaje automático para, en última instancia, tener éxito en el despliegue de la tecnología para marcar realmente una diferencia tangible en las operaciones.
Leer más: Investigadores del MIT descubren un potente antiobiótico gracias al aprendizaje automático
Conquistar la cultura del aprendizaje automático
La cultura sigue siendo uno de los mayores impedimentos para adoptar la inteligencia artificial.
Frito-Lay, por ejemplo, obtuvo rápidamente el apoyo de los trabajadores de primera línea para su plataforma basada en la inteligencia artificialpara ayudar a esos individuos a ordenar los productos en los estantes para maximizar las ventas.
Pero el gigante de los productos de consumo envasados encontró resistencia en los mandos intermedios, lo que puso de relieve un problema común para muchas organizaciones que se dedican a la tecnología: el temor a que la adopción de la tecnología pueda hacer que sus trabajos se vuelvan obsoletos.
En Amazon, la directiva vino de arriba.
Hace aproximadamente siete años durante el proceso de presupuestación anual, el CEO Jeff Bezos comenzó a hacer una lista de todas las líneas de negocio—desde finanzas hasta la gestión de la cadena de suministro—de tal forma que cada departamento utilizaría el aprendizaje automático ese año.
Las unidades tendrían que ejecutar esa estrategia. Es un cambio radical con respecto al modelo común de "centro de excelencia" que algunas empresas utilizan.
Bajo tal sistema, una empresa creará una especie de depósito central para que las diferentes unidades de negocios soliciten la ayuda de científicos de datos e ingenieros de software para crear aplicaciones específicas basadas en la inteligencia artificial para sus operaciones.
Sivasubramanian sostiene que el modelo puede ser en realidad perjudicial para los esfuerzos de adopción porque, en última instancia, aísla a los tecnólogos de las necesidades de la empresa en su conjunto.
En el modelo de Amazon, esos expertos están en cambio integrados en las operaciones de la vertical específica.
Entender las necesidades de los datos
Para que las aplicaciones de IA tengan éxito, deben estar respaldadas por los datos adecuados.
Es por eso que un primer paso para muchas organizaciones es catalogar toda la información que tienen almacenada en los bolsillos de toda la empresa.
Ese empuje es también una razón clave por la que las startups que ayudan a las compañías a alcanzar ese objetivo están recaudando cientos de millones de dólares en inversiones externas.
"Concéntrate en tu estrategia de datos y hazlo bien", recomienda Sivasubramanian. De lo contrario, los científicos que aprenden a utilizar las máquinas "pasarán mucho tiempo limpiando y gestionando los datos, y se frustrarán porque no podrán concentrarse en resolver los grandes problemas", añade.
Incluso las organizaciones que no están tratando de aprovechar inmediatamente el aprendizaje automático están viendo el valor de este ejercicio.
La empresa farmacéutica Alkermes, por ejemplo, está realizando actualmente un importante esfuerzo de organización de datos en toda la empresa.
Ha creado un equipo multifuncional de 25 personas que están averiguando cómo se está utilizando ya la información y dónde puede ser posible la colaboración.
"Nos damos cuenta de que cada vez más personas están tratando de desbloquear los datos", explica el Director de Información Tom Harvey a Business Insider. "Tenemos a todas las áreas funcionales principales que vienen a nosotros con su visión de cómo quieren realmente ver los datos, no solo dentro de su función sino a través de las otras funciones".
Ampliar las capacidades de tus empleados y construir equipos adecuados
Los científicos de datos, ingenieros de software y otros expertos que participarán en los esfuerzos cotidianos para adoptar el aprendizaje automático ya están bien versados en la tecnología.
Pero es imperativo que las empresas no ignoren la necesidad de educar a la fuerza laboral en general sobre la tecnología, según Sivasubramanian.
Compañías como Amazon, Microsoft y PricewaterhouseCoopers están invirtiendo miles de millones de dólares para capacitar a sus empleados en temas como la IA.
Pero aparte de los cursos académicos, Sivasubramanian dice que las organizaciones necesitan encontrar una forma de hacer el aprendizaje más interactivo para los empleados.
La empresa de investigación Morningstar, por ejemplo, utiliza un juguete de conducción autónoma de 400 dólares que los individuos pueden programar ellos mismos para enseñar a sus empleados sobre el machine learning.
Encontrar el problema correcto
Para tener éxito en el uso del aprendizaje automático más allá de las pruebas, las aplicaciones tienen que abordar una necesidad real de negocio.
Es una de las razones por las que es tan importante construir los equipos adecuados.
Amazon utiliza lo que se refiere como un modelo de "dos pizzas", donde los equipos deben ser lo suficientemente pequeños para alimentarse adecuadamente con solo dos pizzas.
"Los equipos pequeños y muy centrados tienden a ser mucho más productivos que los grandes", asegura Sivasubramanian.
Y, al igual que empresas como 1-800-Contacts y Fidelity, Amazon confía en equipos que emparejan a los tecnólogos con expertos de unidades de negocio específicas.
El objetivo es que, mediante la creación de equipos ágiles y multifuncionales, los científicos de datos y otros expertos en tecnología puedan romper los silos de la organización y escuchar de primera mano los problemas que otros departamentos están tratando de resolver.
A medida que las empresas refuerzan su apuesta por el machine learning o buscan por dónde empezar, los pasos de Sivasubramanian pueden ayudar incluso a las organizaciones más atrasadas tecnológicamente a hacer progresos significativos hacia la adopción de la tecnología.
Este contenido fue publicado originalmente en BI Prime.
Otros artículos interesantes:
Conoce cómo trabajamos en Business Insider.