Cuando una empresa planea implementar una solución de IA, primero deberá revisar o, en su defecto, diseñar una estrategia en torno al uso de este recurso, posteriormente se tendrá que confirmar el enfoque de implementación y, finalmente, decidir qué mecanismos adoptar.
Con la reciente fuerza que la Inteligencia Artificial (IA) ha adquirido en distintos sectores de la industria, varias compañías han buscado implementar soluciones basadas en ésta. Desde chatbots hasta motores de predicción, basados en el aprendizaje automático.
Cuando una empresa planea implementar una solución de IA, primero deberá revisar o, en su defecto, diseñar una estrategia en torno al uso de este recurso, posteriormente se tendrá que confirmar el enfoque de implementación y, finalmente, decidir qué mecanismos adoptar.
Considerando que la compañía tiene su estrategia de IA en marcha, es decir, ha respondido a preguntas como: ¿qué planea lograr implementando la IA dentro de su organización y qué valor de negocio va a entregar? El siguiente paso sería trabajar en un enfoque para implementarla. ¿Cuál será el punto de entrada de esta tecnología? ¿Comprará una solución comercial, una herramienta o servicio que le ayudará a construirla u optará por construir una que esté personalizada desde cero? Basado en cuál es su enfoque, se deberá decidir entonces sobre una pila de soluciones que se analizarán a continuación.
Apps especializadas en IA
Si se desea implementar una solución de Inteligencia Artificial sin demasiado esfuerzo, a un costo razonable y con un riesgo menor, la mejor opción podría residir en las soluciones de IA comercial (COTS, por sus siglas en inglés). Existen varias compañías de software que fabrican estas soluciones, desde grandes como Oracle Adaptive Intelligence y Salesforce Einstein, hasta startups. En realidad, depende mucho de su estrategia de Inteligencia Artificial, los casos de uso más sencillo como las predicciones de ventas o las recomendaciones de productos sobre datos de clientes existentes pueden resolverse fácilmente con un software comercial.
Estas soluciones se encuentran normalmente en la nube y su implementación está orientada principalmente a la configuración, por lo que se puede lograr un tiempo de lanzamiento al mercado más rápido con un menor costo total de propiedad (TCO). El principal inconveniente es la limitación a la personalización, los casos de uso más genéricos mencionados anteriormente pueden resolverse de manera fácil con los modelos predefinidos. Pueden ser entrenados en datos existentes con poca o ninguna preparación y podrían muy bien servir a su propósito. Sin embargo, los casos de uso altamente especializados como, por ejemplo, la detección de cáncer basada en el análisis profundo de imágenes de rayos X, definitivamente estarán fuera del alcance.
Por otro lado, las habilidades necesarias para implementar tales soluciones son más fáciles de encontrar y definitivamente mucho más baratas que las de los ingenieros de aprendizaje de máquinas. Yo diría que alguien con cualquier conocimiento o experiencia en inteligencia de negocios lo hará, ya que la curva de aprendizaje también es más corta.
Servicios en IA
Definidos como un conjunto de mecanismos cognitivos que residen en la nube y que, probablemente, sean las opciones más populares, de modo que gigantes de software como IBM Watson en Bluemix, Amazon Machine Learning, Google Cloud Machine Learning y Microsoft Cortana en Azure tienen estos servicios expuestos en sus nubes individuales. Si las empresas no quieren empezar desde cero y tienen un caso de uso que requiere algún nivel de personalización, este es un buen lugar para empezar.
Aunque se trata de construir parcialmente la solución, la ventaja es que las empresas pueden aprovechar la mayor parte de la funcionalidad fundacional de estos servicios. Los chatbots es un caso de uso muy común para los servicios de AI, los flujos de conversación son configurables y pueden ser entrenados en datos existentes con muy poca preparación de estos. Los servicios de IA también admiten casos de uso más avanzados como análisis de texto, imágenes, voz y vídeo, pero con algunas limitaciones.
El uso de chatbots es un caso muy común de servicios de IA, los flujos de conversación son configurables y pueden ser entrenados con base en datos existentes que no necesitarán de una gran preparación. Los servicios de IA también admiten casos de uso más avanzados como el texto, la imagen, la voz y el análisis de video con ciertas limitaciones. Gracias a este recurso podríamos ser capaces de descifrar cuántas personas hay en una imagen en particular e inclusive profundizar en su estado de ánimo, no obstante, diagnosticar cáncer a partir de una imagen de rayos X aún sería un escenario difícil si quisiéramos hacer uso de elementos de este nivel.
El tiempo de comercialización es bastante rápido, el riesgo es mediano y los costos son razonables. Asimismo, los conjuntos de habilidades requeridos no son demasiado especializados, alguien con experiencia en programación y comprensión básica de conceptos de aprendizaje automático podría manejar estos sistemas sin mayor dificultad.
Frameworks en IA
Si realmente tomas en serio la IA, este es el conjunto de herramientas que necesitas y la mejor noticia de todas, es que son totalmente gratis. En los últimos años se han introducido un conjunto de frameworks de código abierto, altamente sofisticados, desde Google Tensorflow hasta Facebook Torch, Amazon / Apache mxnet, Theano, Café y Keras, etc. El desarrollo de productos de este tipo se caracteriza por formar parte de un sistema operado por Inteligencia Artificial que busca cumplir con una serie de requisitos para el negocio, implica un nivel de funcionalidad sofisticado, dependiendo del giro de la empresa en cuestión, y que no se puede encontrar en las aplicaciones o servicios existentes. A través de esta modalidad puedes construir un clasificador de análisis de imágenes que rija a partir de frameworks de Inteligencia Artificial con el fin de ser capaces de detectar el cáncer o cualquier otra enfermedad. Hasta el día de hoy, no existe un escenario que no pueda resolverse con un framework de Inteligencia Artificial.
Ante la necesidad de desarrollo de esta innovación, la búsqueda de ingenieros especializados en aprendizaje automático se ha incrementado, no obstante, necesitaremos construir equipos integrados de matemáticos, analistas de datos, lingüistas y desarrolladores de estructuras digitales. El incursionar en el desarrollo de IA no es fácil y los riesgos son definitivamente altos, pero también lo son las recompensas. La incertidumbre de la línea de tiempo y los resultados de la construcción de la solución puede aumentar los riesgos, pero cuando finalmente termines de construir el producto y / servicio de tus sueños, sabrás que el esfuerzo ha valido la pena.
Plataformas en IA
Las plataformas de Inteligencia Artificial son muy importantes, especialmente si optas por construir tu solución desde cero utilizando frameworks de IA. Las aplicaciones y los servicios que conlleva este avance pueden ser traducidas en soluciones basadas en la nube, por lo que no tendremos que preocuparnos por la infraestructura. Pero, ¿dónde diseñaremos y probaremos estas soluciones personalizadas? Ya sea que se adquiera una infraestructura como servidores con GPU o bien se implemente una solución en plataformas de Inteligencia Artificial como Floyd, que es básicamente un Platform as a Service. AWS EC2 sería otra opción para implementar soluciones de Inteligencia Artificial construidas con marcos de código abierto. Google Cloud y Azure sólo son compatibles con las soluciones de IA creadas con frameworks propios, pero sin código abierto. TCO sería mucho más barato que comprar y mantener sus propios servidores habilitados para GPU.
Ya hemos visto que existen diferentes soluciones de IA, que cualquier empresa podría adquirir en función de su estrategia y enfoque de implementación. Si se desea introducir estos mecanismos dentro de su organización, con el propósito de mejorar la productividad o la experiencia del cliente, podría hacerlo utilizando un enfoque de "Compra" a través de una solución en COTS. Por otro lado, si no hace falta construir una solución desde cero pero se necesita de un nivel de personalización más alto que el de las soluciones COTS, los servicios de Inteligencia Artificial podrían ser la mejor opción. Finalmente, si se necesitara construir algo realmente sofisticado, tendrás que ensuciarte las manos y construirlas desde cero usando frameworks de Inteligencia Artificial y desplegarlo en plataformas de IA.