Cómo crear un centro de excelencia de IA

Fototeca de ciencia/Getty Images

La inteligencia artificial es una de las tecnologías más poderosas para remodelar los negocios en décadas. Tiene la capacidad de optimizar muchos procesos en las organizaciones y ya es el motor detrás de algunos de los negocios de plataformas más valiosos del mundo. En nuestra opinión, la IA pasará a ser un aspecto permanente del panorama empresarial y las capacidades de la IA tienen que ser sostenibles en el tiempo para desarrollar y apoyar posibles nuevos modelos de negocio y capacidades.

En concreto, creemos que las empresas necesitan establecer unidades organizativas dedicadas a afianzar la IA. Esta es una herramienta empresarial importante que no puede dejarse en manos de un capricho de abajo hacia arriba. Las empresas dedican considerables recursos financieros a la IA, y las habilidades y la experiencia necesarias son demasiado raras como para suponer que se dispersarán por la organización con poca coordinación o colaboración. Del mismo modo que el comercio electrónico llevó a los directores y grupos digitales a apoyar la presencia y el comercio en línea, creemos que la IA generará nuevos centros de competencia (CC) o centros de excelencia (COE) y nuevas funciones dentro de ellos.

La idea de establecer un CC o un COE en la IA no es particularmente radical. En uno reciente encuesta a ejecutivos estadounidenses de grandes empresas que utilizan la IA, el 37% dijo que ya había creado una organización de este tipo. Deutsche Bank, J.P. Morgan Chase, Pfizer, Procter & Gamble, Anthem y Farmers Insurance son algunas de las firmas no tecnológicas que han creado grupos centralizados de supervisión de la IA.

Ciertas tecnologías de IA son muy conocidas en muchas organizaciones. El aprendizaje automático tiene sus raíces en la regresión estadística. Esto plantea la cuestión de si un CC o un COE de IA deben combinarse con grupos de análisis. Si un grupo de análisis existente ya está realizando algún trabajo de análisis predictivo, los analistas que estén dispuestos a aprender y crecer probablemente puedan dominar muchos proyectos de IA, y una organización combinada tendría sentido.

Qué debe hacer un equipo de IA

Ya sea que un equipo de IA sea la consecuencia de un equipo de análisis existente o de un grupo completamente nuevo, hay muchas actividades diferentes que puede y debe dedicarse. Algunas de ellas (como el desarrollo de modelos y sistemas de IA, el trabajo en estrecha colaboración con los proveedores y la creación de una infraestructura técnica) se pueden realizar en colaboración con una organización de TI; otras implican trabajar en estrecha colaboración con los líderes empresariales. Aunque la colaboración es importante, estas son las tareas de las que debe encargarse el equipo de IA:

Cree una visión para la IA en la empresa. Es importante que los ejecutivos hablen —idealmente con expertos en IA— qué es la IA, qué puede hacer y cómo podría permitir nuevos modelos y estrategias empresariales. De lo contrario, podría suboptimizar lo que la IA puede hacer por la empresa.

Identificar casos de uso impulsados por la empresa. Los desarrolladores de capacidades de IA necesitarán una lista priorizada de aplicaciones o casos de uso en la empresa. Deberían equilibrar el valor estratégico con lo que es alcanzable. Las empresas pueden desarrollar algunos de estos casos de uso como pilotos o prototipos, pero también deberían tener una «cartera» (supervisada regularmente por el centro de IA y por los ejecutivos) que conduzca al despliegue en producción.

Determinar el nivel de ambición adecuado. Como la IA normalmente apoya tareas más que trabajos o procesos empresariales completos, normalmente es mejor emprender proyectos menos ambiciosos que «fotos lunares». Pero para llamar la atención de la dirección y tener un impacto sustancial en la empresa, es posible que las organizaciones quieran llevar a cabo una serie de proyectos más pequeños en un área de la empresa. Esto puede requerir una «hoja de ruta» con varios casos de uso a lo largo de una cronología. Un centro de IA puede ayudar a una empresa a «pensar en grande, pero empezar de a poco» con la IA.

Crear una arquitectura de datos objetivo_._ La visión y los casos de uso definen la plataforma de datos y las herramientas necesarias para ofrecerla. Esto es clave para todos los proyectos (relevantes para los datos), ya que incluye todo tipo de datos: estructurados, no estructurados y externos. Hadoop es la plataforma de gestión de datos estándar en la actualidad, pero el centro de IA tiene que decidir entre las variaciones locales o las de nube y las soluciones de código abierto automantenidas o las soluciones con licencia (por ejemplo, Hadoop en Cloudera o AWS o de código abierto). La mayoría de las empresas se beneficiarán del uso de herramientas de análisis listas para el usuario con componentes de código abierto (por ejemplo, Alteryx) para permitir un modelado rápido y fácil de usar, en lugar de herramientas empaquetadas que históricamente están orientadas a la BI (como las primeras versiones de SAS o SPSS).

Gestione la innovación externa. Un centro de IA puede ayudar a organizar las relaciones con universidades, proveedores, empresas emergentes de IA y otras fuentes de experiencia e innovación. La empresa puede desarrollar un ecosistema de IA y quizás incluso invertir en empresas que prometan añadir valor al negocio. Esto también es importante para que las herramientas y la tecnología sean las mejores de su clase.

Desarrollar y mantener una red de campeones de la IA. Un centro de IA funcionará mejor si cultiva una red de seguidores y defensores influyentes de la tecnología en toda la empresa. Este paso está muy avanzado en muchas empresas; en la encuesta de Deloitte de 2018, el 45% de las empresas nombraron a altos ejecutivos de la empresa como campeones de la IA. Dada la mercantilización de la programación (con guiones fácilmente disponibles en lenguajes como R y Python), el desarrollo de capacidades internas debería centrarse en la modelización estadística y matemática, más que en la programación pura.

Difunda historias de éxito. Un factor clave de éxito con la IA o cualquier tecnología nueva es difundir las primeras historias de éxito con casos de uso priorizados. Esto aumentará el apetito por más actividad de IA; de hecho, estas comunicaciones desempeñan una función de marketing para el centro de IA.

Adquirir y desarrollar talento

Uno de los factores más importantes para construir con éxito un centro de IA es reclutar, atraer o desarrollar talento. No es ningún secreto que es difícil contratar a ingenieros de IA y científicos de datos (estadísticos) de vanguardia, incluso en Silicon Valley. La mayoría de las organizaciones necesitarán unas cuantas personas con la capacidad de desarrollar e implementar algoritmos de IA, por ejemplo, un doctorado en IA o informática. Pero muchas de las tareas centradas en los negocios de un centro pueden llevarlas a cabo analistas de MBA que estén familiarizados con las capacidades de la IA y que puedan utilizar herramientas automatizadas de aprendizaje automático. También es posible empezar más rápido con el talento de la IA contratando a consultores o vendedores para que trabajen en los primeros proyectos. Será obligatorio combinarlos con los empleados internos de los equipos.

Puede que las empresas también quieran empezar ahora a desarrollar el talento de la IA. No hay ninguna razón por la que los empleados con orientación cuantitativa no puedan formarse en IA. Algunas empresas, incluida Cisco Systems, trabajaron con universidades para desarrollar programas de formación en ciencia de datos para los empleados internos, que crearon cientos de especialistas certificados. Se podría adoptar el mismo enfoque para la IA (con parte del mismo contenido).

Además, empresas como Reply y DataRobot y universidades como el MIT ofrecen cursos cortos de educación ejecutiva para garantizar un aumento «rápido» de las habilidades relacionadas con la IA, hechos a medida para cada empresa.

Estructuras y procesos organizativos

Si bien no existe una estructura organizativa única que sea la mejor para un centro de IA, creemos que, en la mayoría de los casos, las organizaciones estarían bien atendidas por una estructura central con personal desplegado o integrado, que dependa de una función empresarial en toda la empresa. Como el talento de la IA es escaso, es difícil desarrollar una masa crítica si está dispersa por la organización. Y nuestra experiencia con las funciones de análisis es que la centralización contribuye a aumentar la satisfacción laboral y la retención en este tipo de puestos.

Para evitar una burocracia excesiva, un grupo centralizado debe integrar o asignar a su personal —al menos a algunos de ellos— a unidades de negocio o funciones en las que se espera que la IA sea común. De esa manera, el personal del centro puede familiarizarse con las cuestiones y problemas comerciales de la unidad y desarrollar relaciones con los principales ejecutivos. Los programas de rotación en las unidades de negocio pueden mejorar el crecimiento y la transferencia de conocimientos. A medida que la IA comience a generalizarse, este personal integrado puede trasladar su principal línea organizacional a unidades de negocio o funciones.

Hay varias áreas posibles en las que un centro de IA podría informar, pero nosotros diríamos que la mejor es un grupo de estrategia central que también sea responsable de las tareas digitales. ProSiebenSat.1 (la mayor empresa de medios privada de Alemania) situó al equipo de análisis de datos entre el negocio digital y la TI para permitir centrarse más en el desarrollo de nuevos modelos de negocio para la economía de plataformas. Los equipos de IA y análisis de Versicherungskammer (la mayor aseguradora pública de Alemania) dependen del Director de Información. El grupo de IA de Procter & Gamble fue un esfuerzo conjunto de TI e I+D. En Anthem, el Centro de Excelencia Cognitiva (IA) depende del director digital.

Como ocurre con muchas tecnologías actuales, es mejor llevar a cabo los proyectos de IA de forma «ágil», con muchos resultados a corto plazo y reuniones frecuentes con las partes interesadas. Si es necesario un desarrollo o una integración sustanciales del sistema, podrían entrar en juego enfoques más tradicionales de gestión de proyectos.

Por último, dados algunos de los problemas éticos que puede derivar de la IA, es importante no ignorar ese conjunto de problemas en un centro de IA. Puede que las empresas quieran crear puestos relacionados con la ética o juntas de revisión como parte de sus esfuerzos de inteligencia artificial. Microsoft, por ejemplo, ha creado un puesto de «especialista en ética de la IA» para guiar a las empresas en temas como el sesgo algorítmico y el impacto en los consumidores de las aplicaciones de IA.

Todos los recursos empresariales requieren concentración y alineación para tener éxito. La escasez de talento y experiencia en IA significa que es incluso más importante que con otros tipos de recursos crear una masa crítica para la IA en un centro corporativo de competencia o excelencia. Creemos que es prácticamente imposible triunfar como una organización que «la IA es lo primero» sin un centro dedicado a la aplicación eficaz de esa tecnología.