Así como las tecnologías evolucionan y se vuelven más útiles en la empresa, también lo las habilidades necesarias para implementarlas con éxito, y la IA no es una excepción. Para el desarrollo de software en general, la importancia de la educación técnica formal está disminuyendo, como lo encontró un informe de Codingame, que vería que el 80% de los profesionales de RR.HH. ha contratado programadores que eran autodidactas.
“Cuando pensamos en implementar IA en la empresa a escala, las habilidades que se necesitan están evolucionando”, dijo Beatriz Sanz-Saiz, líder global de datos y análisis de EY. “Las habilidades necesarias para obtener un doctorado en el campo, por ejemplo, ya no son necesarias.
“Las empresas necesitan una base de ingenieros de inteligencia artificial que no solo pueden administrar los algoritmos, sino también los datos involucrados.
“Las empresas necesitarán un número creciente de ingenieros de datos y habilidades de datos para dar forma a las arquitecturas modernas. Sin esas habilidades, será muy difícil incorporar la IA a gran escala “.
La capacidad para administrar y analizar grandes cantidades de datos, así como la voluntad de aprender a comunicarse rápidamente y claramente con colegas de toda la empresa, se consideran más importantes en el mundo actual que exactamente cómo se obtuvieron las habilidades digitales.
Prácticas de cumplimiento
Tradicionalmente, el desarrollo de la IA se ha considerado como un proceso de creación de modelos, que finaliza una vez que se ha creado el modelo. Sin embargo, implementar esta tecnología ahora requiere una variedad de otros aspectos. Dado que la implementación de IA necesita múltiples conjuntos de datos, una de las piezas más importantes de este rompecabezas es el cumplimiento.
“Lo que está quedando claro es que en todo el ciclo de vida del modelo, la capacitación es solo el comienzo, por lo que las habilidades necesarias van más allá de las capacidades de la ciencia de datos”, dijo Alejandro Saucedo, director de ingeniería de aprendizaje automático en Seldon.
“Los requisitos de cumplimiento y de TI son ahora igualmente fundamentales para el proceso. Luego, debe considerar los componentes operativos que se incorporan, según el caso de uso. Las verificaciones de cumplimiento requieren roles como gerentes operativos, gerentes de entrega y gerentes de dominio.
“En última instancia, las habilidades de IA que se necesitan hoy en día se reducen a capacidades de ciencia de datos, capacidades de ingeniería de software, capacidades de operación de TI y experiencia en el dominio”.
DevOps y ModelOps
El Dr. Iain Brown, jefe de ciencia de datos para el Reino Unido e Irlanda en SAS, ha visto la evolución de las habilidades necesarias para implementar la IA de primera mano.
Dijo: “He estado en esta industria alrededor de 15 años. Tengo experiencia en estadística y aprendí los elementos de la informática a lo largo de los años, pero estaba muy centrado en el lado analítico de las cosas.
“Lo que las organizaciones realmente necesitan más ahora son los que están en la parte superior y en la cola del proceso. Esto significa DevOps, la obtención de los entornos adecuados y la instalación de la infraestructura para que estos modelos se desarrollen, y luego ModelOps, donde esos modelos se llevan a través de un proceso y se implementan en entornos de producción “.
Es dentro de esos resultados finales del proceso de implementación donde se debe considerar el monitoreo, la gobernanza y la validación de los modelos de IA. Estos aspectos, junto con la capacidad de encontrar e introducir la infraestructura más adecuada para el proceso, han demostrado ser tan necesarios como las matemáticas, la estadística y la informática.
Brown cree que las competencias DevOps y ModelOps han tenido un éxito especial en el sector bancario. Aquí, las organizaciones más grandes han aprovechado una visión combinada de los problemas comerciales, identificándolos y adaptando el ecosistema de modelado en consecuencia.
Conocimiento de dominio y sector
A medida que la IA ha reforzado las operaciones de más y más sectores, se hace evidente que el conocimiento de la tecnología por sí solo no es suficiente para que las implementaciones tengan éxito. Ya sea que la solución de IA esté al servicio de empresas o individuos, los ingenieros detrás de la implementación deben comprender el negocio en cuestión.
“La empresa necesita personas que conozcan los principios de cómo funcionan estos algoritmos y cómo entrenar la máquina, pero que también puedan comprender el dominio y el sector empresarial”, dijo Sanz-Saiz.
Sin esta comprensión, entrenar un algoritmo puede ser más complejo. Cualquier científico de datos exitoso no solo debe aportar experiencia técnica, sino que también debe tener experiencia en el sector y el dominio “.
Sin el conocimiento suficiente de la industria, la toma de decisiones puede volverse inexacta y, en algunos casos, como la atención médica, también puede ser peligrosa.
Empresas como Kheiron Medical han estado utilizando una solución de inteligencia artificial para transformar la detección del cáncer, acelerando el proceso y minimizando el error humano. Para que esto sea eficaz, se deben realizar evaluaciones y evaluaciones cuidadosas en cada etapa del procedimiento de detección.
“Creo que el compromiso con el rigor clínico debe respaldar todo lo que hacemos”, explicó Sarah Kerruish , directora de estrategia de Kheiron. “Necesita poder probar y evaluar a escala de formas que se validen de forma independiente, y no hay forma de evitar eso.
Kerruish también cree que la humildad y la estrecha colaboración con los colegas son habilidades que son igualmente importantes en el espacio médico. En el caso de ayudar a detectar signos de cáncer, esto significa trabajar en estrecha colaboración con los radiólogos, además de llevar a los pacientes al viaje para asegurarse de que comprendan cómo funciona el proceso.
Ella continuó: “No estamos enfocados en reemplazar a los radiólogos, sino en ayudarlos. Al igual que un contador necesita una calculadora, necesitamos mejores herramientas para lograr nuestro objetivo “.
Sesgo de IA
Otra área importante en la que la fuerza laboral debe estar bien informada es la cuestión de los posibles sesgos . Los equipos de desarrollo de IA necesitan habilidades de gobernanza para garantizar que esto se pueda minimizar.
Claire Woodcock , gerente senior de productos de Onfido , dijo: “Los equipos multifuncionales que consisten en especialidades profundamente técnicas junto con aquellos con experiencia de usuario y comprensión de políticas son clave para brindar gobernanza.
“Garantizan una mayor protección contra el fraude y una mejor experiencia del cliente para todos. Por ejemplo, estamos viviendo una época en la que la identidad digital es la clave para acceder a los servicios esenciales, por lo que es vital que la tecnología de verificación de identidad funcione según lo previsto para todos, independientemente de su raza, edad o cualquier otra característica humana.
“El uso de herramientas como los marcos de gobernanza puede permitir a los equipos modificar su proceso de toma de decisiones y eliminar instancias negativas de IA como el sesgo”.
En colaboración con la Oficina del Comisionado de Información ( ICO ), Onfido ha estado buscando mejorar su algoritmo de reconocimiento facial para reducir el sesgo en la verificación de identidad para empresas y servicios financieros. La iniciativa de la caja de arena ha dado lugar a una tasa de aceptación falsa del 0,01% y una tasa de rechazo falso del 0,3%, además de registrar una mejora de 60 veces la aceptación falsa en documentos emitidos por países africanos.
Omer Artun , director científico de Acquia , agregó: “Un área clave sobre la que se debe educar a la fuerza laboral es el sesgo de la IA. Si bien a los titulares les gusta proclamar que la IA puede ser discriminatoria, la IA es una herramienta y, por lo tanto, no está intrínsecamente sesgada.
“En cambio, está entrenado en conjuntos de datos, y si estos conjuntos de datos están sesgados, es probable que la IA adopte rasgos similares.
“Por lo tanto, los equipos deben recibir educación sobre los medios transparentes y abiertos de recopilación de datos, para asegurarse de que no están alimentando a la IA con conjuntos de datos sesgados”.
Fuente:
Hurst, A. (4 de febrero de 2021). Las habilidades más importantes para implementaciones exitosas de IA. Recuperado 5 de febrero de 2021, de https://www.information-age.com/most-important-skills-successful-ai-deployments-123493592/