No deje de pensar por sí mismo a pesar de la IA
La digitalización ha cambiado nuestra forma de trabajar juntos y ha revolucionado los procesos y modelos empresariales. La digitalización se ha convertido en parte de la vida cotidiana. Y la inteligencia artificial (IA) es la nueva moda. La palabra mágica son los datos. Desde el 25 de mayo de 2018 a más tardar (consejo rápido: introducción del GDPR), todos hemos comprendido lo valiosos que son los datos.
Sirven para analizar a diario nuestro comportamiento como consumidores: En cuanto empiezo a navegar por Internet en busca del bolso que tanto desea mi mujer, aparecen anuncios de nuevos bolsos de mujer en todos mis canales online. Es sólo uno de los muchos ejemplos conocidos de utilización de datos.
La IA va mucho más allá: potentes algoritmos se ocultan tras programas informáticos de última generación y establecen correlaciones entre la selva tropical en llamas en Brasil y un posible atentado terrorista en Afganistán. Los algoritmos de IA reconocen patrones y sacan conclusiones de ellos, por ejemplo en forma de acciones o recomendaciones específicas.
Esto significa que lo que distingue a una de las subdisciplinas más importantes de la IA -el aprendizaje automático (AM)- no es sólo el reconocimiento de patrones, sino su capacidad de entrenarse para comportarse de determinadas maneras. Su modo de funcionamiento va mucho más allá de los operadores booleanos convencionales: el ML es verdadero aprendizaje basado en conjuntos de datos.
Las condiciones actuales son más idóneas que nunca. Tres circunstancias son responsables de ello: en primer lugar, los grandes datos. Si nos fijamos en los últimos tres años, se han generado más datos que en toda la historia de internet. Se calcula que en 2020 se generarán 44 zettabytes de datos, es decir, 1021 = 10.000.000.000.000.000.000.000 bytes.
Por supuesto, esto requiere mucha potencia de cálculo. Teniendo en cuenta la Ley de Moore, sabemos que la potencia de cálculo ha aumentado rápidamente desde que comenzó la IA en 1956. Mi calculadora de bolsillo actual tiene más potencia de cálculo que mi primer C64.
El último tema se refiere a los algoritmos. Entornos de desarrollo como Jupyter-Notebook en combinación con bibliotecas de código abierto son fácilmente accesibles para todos y ya no representan un obstáculo insalvable.
Hoy en día, existen varios enfoques para distintos aspectos de la gestión de datos y el ciclo de vida de la IA. Sin embargo, reunirlos y adaptarlos a tus necesidades puede ser todo un reto.
Por eso creamos el Laboratorio de Innovación Digital, que nos proporciona todo lo necesario para reconocer, probar y explotar las tendencias. Aquí examinamos, cuestionamos y probamos al máximo las tecnologías de tendencia.
Se trata de utilizar las nuevas posibilidades para cuestionar el statu quo y averiguar cómo podemos trabajar nosotros y nuestros clientes de forma estandarizada y orientada a los objetivos. Somos consultores de SAP y seguiremos siéndolo. Por eso ya hemos probado todos los escenarios de SAP Data Intelligence 3, que solo está disponible para el público en general desde marzo de 2020.
Necesitamos los datos correctos, en la cantidad y calidad adecuadas, para obtener los resultados correctos, sean cuales sean. No los conocemos de antemano: nuestros clientes suelen sorprenderse de los resultados de sus propios datos. Hemos definido el caso de uso y la visión de antemano y mantenemos una mentalidad abierta a lo que está por venir.
Al final, puedo decir que todo el proceso de exploración de datos e ingeniería de características requiere mucha capacidad intelectual. Aunque a menudo se afirma lo contrario con respecto a la inteligencia artificial, como usuario te ves realmente obligado a pensar por ti mismo y no solo a confiar en la IA.
Esto significa que, aunque los algoritmos estén predefinidos, los usuarios especializados siguen teniendo que pensar en los conocimientos resultantes y derivar acciones. La inteligencia artificial no elimina el pensamiento, sino que lo eleva a un nuevo nivel.
