Los aspectos prácticos de la implementación de IA Parte 2

marzo 29, 2018

Creo que Charles Darwin, más conocido por sus contribuciones a la ciencia de la evolución, nunca pensó que sus teorías podrían ser también aplicables a las soluciones basadas en la IA (con algunas modificaciones y ajustes, por supuesto).

Hace un par de semanas compartí con ustedes la primera parte de «Los aspectos prácticos de la implementación de la IA» en la que me centré en el primer paso del proceso: La fase de «descubrimiento del problema».  Esta fase del debate de un proyecto típico relacionado con la IA consiste esencialmente en encontrar el problema empresarial «adecuado» para resolver utilizando la IA. Ahora me gustaría pasar al último paso, que a menudo se ignora y se descuida con consecuencias desastrosas.  Una vez lanzada la solución de IA, existe una necesidad constante de revisar, repasar y evolucionar en función de tres condiciones principales del entorno y del mercado que analizaremos a continuación.  Esta fase puede denominarse de «ampliación y expansión».

El lanzamiento de una solución basada en la IA es solo el primer paso

Una vez que una solución está en marcha y bien desplegada, empezará a evolucionar de forma natural. No me malinterpreten. No me refiero a que los productos mejoren su propia inteligencia y construyan de forma autónoma su próxima generación de productos-máquina y conquisten el mundo tal y como lo conocemos. Estamos aquí para hablar de algo mucho más práctico y refinado.

Las tres fuerzas

La ampliación y la expansión son patrones de crecimiento de la solución. Este tipo de evolución se produce en varias direcciones y, en realidad, suelen darse combinaciones de estas direcciones «ortogonales»:

  • Entorno: adaptación a los cambios del entorno
  • Mercado: modificación de la solución existente para responder a las nuevas características que demanda el mercado actual
  • Expansión: adaptación de la solución para los nuevos mercados para ampliar su alcance actual

AI Implementation 3 Forces

Respuesta a los cambios del entorno

 La dirección del «entorno», que parece la más obvia, puede ser la más difícil. Se refiere a los cambios que se producen de forma espontánea en el entorno y que pueden afectar a la solución de IA, dentro de su ámbito y mercado actuales.  Muchos algoritmos de IA se basan en el entrenamiento, lo que significa que algunos volúmenes de datos se utilizan para «enseñar» y perfeccionar los procesos internos de la solución. Por otro lado, el mundo actual en el que nos movemos es de naturaleza dinámica y, si la tecnología de base no es lo suficientemente flexible (para reaprender), no podrá adaptarse a las nuevas condiciones que puedan surgir.

Por ejemplo, analicemos una compañía de seguros que usa una aplicación de software basada en la IA para determinar las condiciones de los seguros de automóviles basándose en una evaluación automática del riesgo de los solicitantes y sus tipos de vehículos. La aplicación de software debe ser sensible a los cambios en las condiciones del entorno: es bastante común que ciertas zonas sean mucho más propensas al robo de vehículos y el tipo de vehículo, el modelo y el fabricante también influyen en las estadísticas relacionadas. Por supuesto, el propietario del vehículo y sus «capacidades» de conducción también forman parte de esta ecuación, especialmente en lo que respecta a la tendencia a la conducción temeraria. Todos estos parámetros influyen en las condiciones del seguro y, lamentablemente, pueden cambiar con el tiempo. Los nuevos modelos son más populares entre los ladrones debido a las tendencias o, simplemente, al costo de las piezas de los automóviles. Los nuevos vecindarios de la ciudad tendrán un impacto demográfico y podrían influir en la probabilidad de robos de vehículos. Incluso la evaluación de la «confiabilidad» del conductor puede cambiar, no por su naturaleza intrínseca, sino, por ejemplo, por el aumento radical del número de vehículos por kilómetro de carretera en los últimos tiempos. Si los modelos y algoritmos de IA usados en el núcleo de la aplicación son demasiado rígidos, podrían establecer condiciones de seguro demasiado generosas o demasiado onerosas ignorando nuevas situaciones. La aplicación necesita implementar algunos KPI (Indicadores Clave de Rendimiento) que puedan percibir, ya sea por medios externos o por métricas internas, el hecho de que algo ha cambiado en el entorno y así poder aplicar reajustes del modelo y volver a aplicarlo gradualmente a medida que el mercado cambia.

A la vanguardia del mercado con nuevas funciones

La dirección del «mercado» impone nuevas funcionalidades que no existen en la solución actual basada en la IA. Esto se refiere a las nuevas características que ustedes identifican que serán solicitadas o que ya son exigidas por el mercado existente.  Por ejemplo, el sistema operativo actual de una compañía que fabrica vehículos autónomos prevé que los tipos de terreno para la conducción sean urbanos, de carretera o semiurbanos (parte urbana parte de carretera). Si se quiere introducir un nuevo tipo de terreno como «todoterreno» para los grupos de 4×4, se plantearán nuevos retos. Por ejemplo, con este tipo de terreno, la carretera en sí no está claramente definida, por lo que confiar en algunos algoritmos de contraste de visión para detectar los límites de la carretera podría resultar totalmente ineficaz. Es posible que se necesiten desarrollar y utilizar algunas mediciones de uniformidad y regularidad de la trayectoria que determinen si la trayectoria actual es lo suficientemente adecuada o si se requieren maniobras de desviación.

Autonomous Vehicles

Cómo llevar su solución de IA a nuevos mercados

La «dirección de expansión» consiste principalmente en tomar la solución actual basada en la IA y aplicarla (o algunas de sus capacidades) a un ámbito completamente diferente. Esto se refiere a la expansión más allá del mercado actual hacia nuevos sectores o verticales.  En muchos casos, ir de forma «horizontal» puede llevarnos fuera de los límites de la práctica empresarial. Hay que proceder con precaución.

Por ejemplo, en el caso anterior de la aplicación de seguros de automóviles, si se trata de una compañía de seguros que ha desarrollado esta aplicación basada en la IA, aplicar las capacidades principales de la aplicación a un sector completamente diferente puede carecer de interés. Sin embargo, como rara vez se trata de una situación clara, incluso en este caso puede ser que haya otros departamentos (dentro de la compañía de seguros) que puedan beneficiarse de este esfuerzo de desarrollo. Por ejemplo, la evaluación de la confiabilidad de los nuevos clientes en general es un proceso de evaluación esencial para otras ofertas relacionadas con los seguros, aunque puede tener diferentes requisitos y tenderá a enfatizar y restar importancia a determinados aspectos.

Mientras que las direcciones del «Entorno» y del «Mercado» mantienen un rumbo empresarial más o menos similar al que tenía la solución original, es la dirección de la «Expansión» la que abre oportunidades que suelen estar «fuera de rumbo». Aunque resulte tentador, en vez de desviar el negocio hacia territorios desconocidos, se puede optar por examinar de forma proactiva la aplicabilidad de las soluciones existentes basadas en la IA para otros departamentos u otros aspectos de las competencias básicas.

Solo sobrevive aquella que se adapta mejor

 El desarrollo de productos y soluciones que satisfagan a los mercados adecuados es una historia sin fin y, con tecnologías nuevas y disruptivas como la IA en el centro, es necesario reconocer los posibles cambios y transiciones y estar preparados para el impacto. Algunos cambios requerirán nuevas características. Algunos plantearán cuestiones de aplicabilidad al momento de considerar diferentes mercados. Sin embargo, en el fondo, e incluso sin ninguna demanda de nuevas características o nuevas búsquedas de mercado, los componentes de la IA deben adaptarse dinámicamente a los entornos que varían de forma continua. Una famosa cita que se atribuye erróneamente a Darwin podría «adaptarse» a este caso: ‘No sobrevive la solución de AI más fuerte, ni la más inteligente. Sobrevive aquella que se adapta mejor al cambio.’

Esta publicación fue escrita por Jay Klein, CTO de Voyager Labs. Jay se ha dedicado durante 30 años a dirigir los frentes de innovación tecnológica de las principales compañías de todo el mundo. Es un evangelista tecnológico multidisciplinar y le encanta cazar «tornados» relacionados con la industria.

Share this post