La Inteligencia Artificial se ha convertido en la protagonista de todas las tendencias, planes e intenciones de muchas empresas. Obviamente, traerá múltiples y grandes oportunidades para cualquier sector económico. Por ejemplo, McKinsey ha documentado las ventajas de aplicar la IA en más de 400 casos de uso de 19 sectores [1]. PwC prevé que la inteligencia artificial aportará 15.700 billones de dólares a la economía mundial en 2030 [2].
Sin embargo, pocas organizaciones son conscientes de que para desarrollar un buen proyecto de Inteligencia Artificial o de Machine Learning es necesario que los datos sean de calidad. Incorporar un gran volumen de datos a una plataforma, sin que sean correctos, solo ofrecerá conclusiones erróneas. El axioma GIGO-“garbage in, garbage out” siempre se cumple.
De hecho, los científicos de datos coinciden en que el problema más habitual con que tienen que lidiar son los datos sin depurar, seguido por otro tipo de dificultades como la falta de conocimientos sobre la ciencia de datos o circunstancias como la carencia del apoyo de la dirección o del departamento financiero, entre otros.
Recientemente, en InterSystems hemos celebrado ConferencIA 2020 [3], una jornada dedicada a la Inteligencia Artificial y centrada en cómo las empresas pueden rentabilizar sus datos con esta tecnología. Se habla mucho de IA, pero poco del hecho de que cualquier proyecto centrado en ella invierte el 80% de su tiempo en el acceso, preparación y unificación de los datos. Además, la calidad y el tamaño de los datos es crucial, pero también es frecuente que las empresas no tengan en cuenta el coste de la recolección de datos, que proceden de fuentes distintas y en diferentes formatos, incluidos los datos no estructurados.
Una vez superada la fase de depuración de datos es esencial que el desarrollo de aplicaciones de IA y su despliegue sea fácil y rápido. Crear el modelo de la aplicación IA y, luego, desplegarlo en la empresa, no es tan sencillo como se pueda creer. Hemos comprobado que para facilitarlo es necesaria una plataforma que sea motor de bases de datos, motor de aplicaciones y motor de interoperabilidad, y esto es lo que proporciona InterSystems IRIS Data Platform.
[1] https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning
[2] https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html
[3] Puede ver las ponencias de ConferencIA 2020 en https://bit.ly/2IW9QA0.
