Inteligencia Artificial: no sin una buena estrategia de datos

Nos vamos acercando al final de las piezas clave dentro de la hoja de ruta que trazamos para agilizar la adopción de la Inteligencia Artificial en las organizaciones, tras el estudio que realizamos en colaboración con EY y en el que entrevistamos a directivos de 277 organizaciones en 7 industrias y 15 países de Europa. Puedes ver más datos del informe aquí .

Hablamos de la importancia de una aproximación consistente a la IA, de la necesidad de liderazgo al máximo nivel, de las capacidades necesarias para llevar a cabo una adopción exitosa. Hoy, voy a enfocarme en otro de los pilares de esta hoja de ruta: la estrategia de datos.

Es crítico haber definido una estrategia de datos que permita contar con datos válidos para “alimentar” las aplicaciones de IA y que sirva de base para establecer una estrategia tecnológica que soporte los desarrollos de Inteligencia Artificial.

Las compañías tienden a enfocar sus esfuerzos en IA en áreas donde ya tienen datos relevantes. En el estudio, nos dimos cuenta de que el volumen de datos disponibles varía significativamente según el sector, pero indistintamente, una proporción significativa del tiempo que las empresas dedican a la IA se invierte en tareas relacionadas a la gestión de los datos.

No es un tema trivial, sino todo lo contrario. ¿Quién es “propietario” de los datos? ¿Cómo se almacenan? ¿Quién accede a ellos? ¿Quién debería acceder? Estas preguntas son esenciales de cara a re-pensar el gobierno de los datos, sus estructuras y las políticas.

El obstáculo más común a la hora de usar los datos en que están en silos organizacionales o en sistemas heredados creados para fines específicos, por lo que ese almacenamiento descentralizado limita los accesos. Las empresas indicaron que tardan del orden de 2-3 años en construir la infraestructura de datos apropiada para la Inteligencia Artificial. Y hasta aquellos que son más ambiciosos de cara a la IA aún invierten la mayor parte de su tiempo en pulir su infraestructura.

Además, el tema de la privacidad de los datos es visto por los encuestados como una preocupación, ya no sólo en relación a la IA sino por la regulación vigente. La implantación del RGPD en la Unión Europea obliga a saber para qué se usan los datos. Y los directivos de las empresas creen que el que la regulación sobre IA -que está aún inmadura- puede limitar su desarrollo.

Por otro lado, no solo hay que contar con una gran cantidad de datos, sino que dichos datos deber estar estructurados y etiquetados. En la mayoría de las ocasiones no son utilizables, dado que podrían dar resultados no fiables. Por ello, mientras la mayoría de las empresas están limpiando, estructurando y migrando sus datos históricos, algunas han preferido construir estructuras nuevas desde cero para recoger los datos adecuados.

Especialmente relevante es el caso de AENOR, Asociación Española de Normalización y Certificación, que contando con cantidades ingentes de datos, ha incorporado tecnología de Microsoft para mejorar sus operaciones, así como la comunicación y colaboración entre sus empleados, utilizando Inteligencia Artificial para transformar los servicios ofrecidos a sus clientes y ofrecer capacidades de búsqueda mucho más intuitivas, basadas en lenguaje natural.

Teniendo en cuenta la importancia de la gestión de los datos, es alentador observar en la tabla de abajo cómo la mayoría de las empresas se consideran moderada o altamente competentes en este apartado.