La inteligencia artificial y el aprendizaje automático, fuerzas impulsoras del negocio del mañana

Hoy en día, la mayoría de la gente comprende que la inteligencia artificial (IA) y su corolario, el aprendizaje automático (ML), tienen poco que ver con la inteligencia humana. AI / ML se trata de reconocer patrones en los datos y automatizar tareas discretas, desde algoritmos que detectan transacciones financieras fraudulentas hasta chatbots que responden las preguntas de los clientes. ¿Y adivina qué? Los gerentes de TI aprecian su enorme potencial. Según una encuesta de tecnología de CIO, realizada entre líderes de TI y publicada en febrero, el 62% de ellos considera que las tecnologías de IA / ML son las más disruptivas y el 42% cree que tienen el mayor impacto. En ambos casos, en términos porcentuales, AI / ML puntúa dos veces más alto que el análisis de big data, la tecnología competidora más cercana. Además, el 18% de los encuestados dijo que ya tiene una solución de IA / ML en producción, lo que es un porcentaje impresionante. Una encuesta de julio para evaluar el impacto de la pandemia en las empresas incluyó esta pregunta bastante provocativa: "¿Qué posibilidades hay de que su empresa invierta en IA / ML para reducir los costos de capital humano?" Casi la mitad de los encuestados, o el 48%, dijo que su empresa podría adoptar esta estrategia con mucha o cierta probabilidad. Por lo tanto, a medida que empeora la recesión económica, la demanda de soluciones de AI / ML bien puede aumentar.

La empresa inteligente

Es probable que la inteligencia artificial y las tecnologías de aprendizaje automático reemplacen algunos trabajos, pero en su artículo titulado "IA en la oficina: su próximo compañero de trabajo podría ser un algoritmo", Matthew Finnegan de Computerworld se centró en la contribución de los sistemas de IA para aumentar la productividad de los empleados . Uno de los ejemplos más interesantes es el de los "cobots", esos robots asistentes que operan junto a los trabajadores en la fábrica para mejorar las capacidades humanas. Pero como describe Clint Boulton, CIO, la contribución de las soluciones de AI / ML puede presentarse de muchas formas, que detalla en su caso de estudio titulado "5 casos de uso exitosos del aprendizaje automático". Según Clint Boulton, los mayores éxitos del ML en términos de usos son el análisis predictivo para anticipar los resultados del tratamiento médico, el análisis intensivo de datos para personalizar las recomendaciones de productos y el análisis de imágenes para mejorar el rendimiento. rendimiento de los cultivos. Lo que también está quedando muy claro es que cuando una empresa ve lo que el aprendizaje automático puede hacer en un área, a menudo aplica tecnología ML similar en otras áreas.

En su artículo "Cómo construir centros de datos autónomos utilizando IA", el colaborador Neil Weinberg analiza cómo el uso muy práctico de IA / ML puede beneficiar directamente a la TI. Según él, AI / ML puede administrar la energía, el equipo y la carga de trabajo, optimizando continuamente sus controles sobre la marcha, y en el caso del hardware, prediciendo fallas, sin intervención humana. Los centros de datos también pueden aprovechar las capacidades de AI / ML en seguridad, tanto para alertar a los administradores sobre anomalías como para identificar y remediar vulnerabilidades. A menudo, el primer trabajo de cualquier aprendizaje automático es descubrir patrones en grandes cantidades de datos. Pero, como señala Maria Korlov, colaboradora de CSO, en un artículo titulado “Cómo proteger sus proyectos de inteligencia artificial y aprendizaje automático”, estos datos pueden ser confidenciales. Ella señala que la seguridad de los datos a menudo se da por sentada, lo que hace que algunos sistemas de aprendizaje automático sean inherentemente vulnerables a las violaciones de datos. De ahí la necesidad de establecer políticas de seguridad explícitas desde el principio, y en las grandes empresas, tener una sola persona a cargo de gestionar los riesgos de la IA.

Elegir la plataforma de AI / ML adecuada

Entonces, ¿dónde debería ejecutar su solución de IA / ML? Los proveedores de nube pública ofrecen excelentes opciones, pero como Martin Heller, editor asociado de InfoWorld, recomienda en su artículo "Elegir la plataforma de aprendizaje automática adecuada", debe elegirlos con cuidado. Martin Heller enumeró 12 capacidades imprescindibles que debe ofrecer una plataforma en la nube de ML y explicó por qué eran necesarias. El gran volumen de cargas de trabajo de análisis de datos que se ejecutan en la nube justifica el uso de ML para obtener más valor. Sin embargo, dice que es esencial garantizar que la empresa pueda aprovechar los mejores marcos de ML disponibles y tener acceso a modelos previamente entrenados. Entendemos que la IA como contraparte de la inteligencia humana no es para mañana. Para entonces, las tecnologías de IA / ML se infiltrarán gradualmente en casi todas las áreas. Ayudarán a aliviar algunas tareas y ofrecerán capacidades sin precedentes. No es de extrañar que los líderes de TI crean que estas tecnologías pueden tener el mayor impacto en su negocio.