La Inteligencia Artificial no es una disciplina reciente. De hecho, los primeros proyectos desarrollados en este ámbito se iniciaron en la década de los 50 pero, a pesar de las grandes expectativas que se generaron en torno a ellos, apenas lograrón avanzar y se inició lo que conocemos como el “Invierno de la Inteligencia Artificial”.

En los últimos años la IA ha despertado y en torno a ella se ha creado no sólo una industria, sino una nueva concepción de la gestión empresarial. Con el título “¿Preparado para sacar provecho a la Inteligencia Artificial?”, Pedro Herrera, fundador y director general de NovaQuality Consulting, y Javier Zamora, profesor de Sistemas de la Información del IESE, impartieron el pasado 21 de enero, en la sede de IESE Business School en Madrid, una interesante conferencia en la que se profundizó sobre esta disciplina, poniendo sobre la mesa tanto las ventajas que plantea para las empresas como sus desafíos.

Así, después de que el profesor Javier Zamora hiciera un recorrido histórico sobre la evolución de la IA a lo largo de los años, Pedro Herrera analizó cuáles son las claves a la hora de aplicar máquinas de aprendizaje y el conocimiento derivado de ello.

La primera de estas claves, según Herrera, es la disponibilidad de gran cantidad de datos porque, tal y como aseguró, “cuando los datos de entrenamiento son escasos, es habitual que la inteligencia humana supere a la inteligencia artificial”. En segundo lugar, destacó la necesidad de que estos datos sean relevantes y diferenciales, con el objetivo de que las organizaciones puedan desmarcarse de la competencia. Asimismo, recordó que este tipo de trabajos modelizan lo que ha ocurrido en el pasado y que esto debe ser tenido en cuenta, sobre todo, en el caso de las reglas de juego puedan cambiar mucho en el futuro. Y finalmente, hizo especial hincapié en la importancia de accionar el modelo y sacarle partido desde el punto de vista del negocio.

Para finalizar, el Director General de NovaQuality Consulting abordó el reto que tienen las organizaciones para dotarse de profesionales capaces de responder a los requisitos de este entorno. En este sentido, subrayó el papel que juega el Científico de Datos (Data Scientist), pero matizó las dificultades que encuentra en su interacción directa con los usuarios del negocio. Por este motivo, recomendó la incorporación de otros perfiles como el Traductor del Negocio (Business Translator ML), con conocimientos en máquinas de aprendizaje y nociones de algoritmos; el Ingeniero de Datos (Data Engineer), cuyo objetivo es proporcionar datos de forma ágil; y el Integrador de Modelos (Model Integrator), encargado del accionamiento del modelo.