La preparación de los datos para la IA; una fantasía para los directivos, un gran reto de TI

Los directivos de las compañías pueden estar seguros de que los datos de sus organizaciones están listos para la inteligencia artificial (IA), pero los trabajadores de TI cuentan una historia muy diferente: la mayoría pasa horas cada día dándoles forma.

Según una encuesta reciente de Capital One sobre la preparación para la IA, casi nueve de cada diez líderes empresariales afirman que los ecosistemas de datos de sus organizaciones están listos para desarrollar e implementar IA a gran escala. Sin embargo, el 84% de los profesionales de TI encuestados, incluidos científicos de datos, arquitectos de datos y analistas de datos, dedican al menos una hora al día a solucionar problemas de datos.

El 70% de esos profesionales de TI pasan de una a cuatro horas al día solucionando problemas de datos, mientras que el 14% pasa más de cuatro horas cada día, según la encuesta.

La encuesta apunta a un malentendido fundamental entre muchos líderes empresariales con respecto al trabajo de datos necesario para implementar la mayoría de las herramientas de IA, dice John Armstrong, director de Tecnología de Worldly, una plataforma de información de datos sobre sostenibilidad de la cadena de suministro. 

“Existe la perspectiva de que simplemente arrojaremos un montón de datos a la IA y esta resolverá todos nuestros problemas”, afirma. “Eso indica que nuestro trabajo como líderes tecnológicos es ayudar a educar a nuestra audiencia sobre lo que es posible y lo que se necesitará para alcanzar su objetivo”.

Las implicaciones de la percepción errónea actual sobre las necesidades de gestión de datos de la IA son enormes, añade Armstrong. Cuando habla con otros líderes de TI, todos ellos luchan contra la presión para adoptar la IA, afirma Armstrong.

“Es un problema muy, muy grande, porque si no se hace bien, su organización podría gastar literalmente millones de dólares en el conjunto de soluciones equivocado para lograr el resultado equivocado”, afirma.

Malinterpretando el poder de la IA

La encuesta destaca una desconexión clásica, agrega Justice Erolin, CTO de BairesDev, un proveedor de subcontratación de software.

“A menudo, los ejecutivos están entusiasmados con la promesa de la IA (la han visto brillar en proyectos piloto o presentaciones), pero no siempre ven los detalles esenciales para hacerla funcionar en el día a día”, afirma. “Ahí es donde surge la fricción”.

La confianza de los líderes empresariales a menudo se centra en los modelos o algoritmos de IA, añade Erolin, “no en el trabajo preliminar complicado como la calidad de los datos, la integración o incluso los sistemas heredados”.

Los proyectos piloto exitosos o los algoritmos que funcionan bien pueden dar falsas esperanzas a los líderes empresariales, afirma. “El panorama general puede contar una historia diferente”, añade.

Por ejemplo, uno de los clientes de BairesDev se sorprendió cuando dedicó el 30% del tiempo de un proyecto de IA a integrar sistemas heredados, dice Erolin.

Si bien es de esperar que se realicen trabajos iniciales para solucionar los problemas de datos antes de un proyecto de IA, la reparación continua de los problemas de datos que requiere horas de trabajo del personal por día puede ser una señal de advertencia de que los datos de la organización no estaban listos para la IA, agrega Erolin. Las organizaciones que estén listas para la IA deberían poder automatizar parte del trabajo de gestión de datos, dice.

“Si dedicas tanto tiempo a mantener las luces encendidas para el aspecto operativo de los datos y su limpieza, entonces no estás utilizando a tus expertos en el dominio para tareas estratégicas más grandes”, afirma.

El problema del legado

Los sistemas heredados que recopilan y almacenan datos limitados son parte del problema, dice Rupert Brown, director de Tecnología y fundador de Evidology Systems, un proveedor de soluciones de cumplimiento normativo. En algunas industrias, las empresas están utilizando software y middleware heredados que no están diseñados para recopilar, transmitir y almacenar datos de la manera que necesitan los modelos de IA modernos, agrega.

“La calidad de los datos es un problema que limitará la utilidad de las tecnologías de IA en el futuro previsible”, añade Brown. “En la industria todavía predominan los sistemas antiguos que tienen campos de entrada de datos limitados o se ven obligados a reciclar números de cuenta, lo que también da lugar a correcciones que la IA no puede comprender”.

Para solucionar el problema de las expectativas demasiado altas combinadas con una baja disponibilidad de datos, los CIO y los líderes de TI deben buscar la transparencia y la colaboración, afirma Erolin. BairesDev se ha centrado en educar a las partes interesadas no técnicas sobre las realidades y los desafíos de la implementación de la IA, afirma.

“Cuando los ejecutivos comprenden los desafíos reales y el tiempo que los equipos de tecnología dedican a solucionarlos, es más probable que inviertan en prácticas de datos sólidas y alineen las expectativas”, afirma. “Se trata de lograr que todos estén en la misma página”.

Si bien parece haber una desconexión entre las expectativas de los líderes empresariales y las experiencias de los profesionales de TI, el entusiasmo en torno a la IA generativa puede finalmente brindarles a los CIO y otros líderes de TI los recursos que necesitan para abordar problemas de datos de larga data, dice Terren Peterson, vicepresidente de Ingeniería de Datos en Capital One. La empresa de servicios financieros encargó la encuesta debido a su propio interés en implementar herramientas de IA para atender a sus clientes, agrega.

“La higiene, la calidad y la seguridad de los datos son temas de los que hemos estado hablando durante 20 años”, afirma Peterson. “Hay una parte de mí que piensa: ‘¿La IA y el aprendizaje automático serán un catalizador que comenzará a llamar la atención sobre algunos de estos elementos fundamentales de los datos?’”.

La revolución de la IA puede hacer que se comprenda que la calidad de los datos es importante, añade. “Aunque tal vez haya estado pendiente de las agendas de diferentes CIO, ahora va a cobrar mayor prioridad”.

Pequeños prototipos al rescate

Si bien muchos líderes empresariales se centran en implementar la IA de última generación debido al entusiasmo actual, Armstrong, de Worldly, recomienda que los líderes de TI se centren en los casos de uso en lugar de en tecnologías de IA específicas. En algunos casos de uso, las tecnologías de IA más antiguas, como el aprendizaje automático o las redes neuronales, pueden ser más apropiadas y mucho más económicas para el propósito previsto. La IA de última generación utiliza enormes cantidades de energía en comparación con otras herramientas de IA, señala.

También recomienda que los CIO lancen pequeños prototipos para encontrar los mejores casos de uso de IA para sus organizaciones, reconociendo que algunos de los experimentos no funcionarán.

“La experimentación no tiene por qué ser enorme, pero genera familiaridad”, afirma. “Empieza a informar el arte de lo posible. Si tuviera que dar un consejo táctico, sería el de una inversión lenta y constante, y no la de un producto final”.

La innovación a menudo implica muchos fracasos, añade.

“Lo que se busca es construir un conjunto de conocimientos”, afirma Armstrong. “Todo el mundo quiere un desarrollo iterativo, rápido y que se produzcan fallos, pero nadie quiere fracasar. Y eso es una gran hipocresía en nuestro ámbito. Pruébalo y, si funciona, lo querrás; y, si no funciona, aprenderás”.