A principios de 2022, más de un año antes de que ChatGPT empezara a inundar las noticias, me di cuenta de que quería aprender más sobre la IA, así que leí todos los libros que pude encontrar y realicé cursos en Udemy y LinkedIn Learning. A lo largo de este proceso, he tenido acceso a material excelente, y situaría este libro The AI Factor en lo más alto de mi lista de recomendaciones. Ahora que salió ChatGPT, decidi leerlo de nuevo y tomar notas.
La autora brinda perspicaces ideas del mundo real y una visión que espero que pronto se convierta en realidad. The AI Factor proporciona una guía para impulsar resultados empresariales mediante la optimización de la IA y un enfoque en los datos que la respaldan. El mensaje clave que destacó para mí es que las empresas deben adoptar un enfoque consciente y centrado en cómo pueden aprovechar los datos internos de sus organizaciones combinados con otras fuentes de datos para convertirlo en una ventaja estratégica.
Lo que hace aún más interesante este libro es su lenguaje de fácil comprensión y su flujo continuo que nos brinda conocimientos y una comprensión más profunda no solo del valor de la IA y los datos, sino también de conceptos como el "mapeo perceptual", que los equipos de investigación de clientes en empresas de belleza han utilizado al tomar las calificaciones de atributos de marca de todos los encuestados y trazar los resultados en una matriz bidimensional. Esto les ha permitido visualizar la relación de la línea de plenitud con productos competidores.
A continuación, presento un resumen dmis impresiones saliendo de la lectura:
El libro está bien escrito y es fácil de comprender, incluso para aquellos sin conocimientos previos de IA o big data.
El libro ofrece una visión general exhaustiva del panorama de la IA, desde los conceptos básicos del aprendizaje automático hasta los últimos avances en el aprendizaje profundo.
El libro incluye muchos ejemplos del mundo real que ilustran cómo las empresas están utilizando la IA para mejorar sus operaciones y productos.
El libro ofrece consejos prácticos sobre cómo las empresas pueden comenzar a utilizar la IA.
Aquí presento algunas de las notas que tomé:
Big Data y IA están transformando rápidamente y REALMENTE el panorama empresarial. Estas tecnologías están proporcionando a las empresas la capacidad de recopilar, analizar y actuar sobre grandes cantidades de datos de maneras que antes no eran posibles. Como resultado, las empresas que pueden aprovechar eficazmente el poder de los grandes datos y la IA obtienen una ventaja competitiva significativa. Un buen ejemplo de esto es Netflix. Para 2020, Netflix revolucionó la industria tradicional de películas y televisión al convertirse en una empresa gigantesca con más de 2000 millones de dólares de beneficio. Esto se logró, en parte, porque sus líderes estaban dispuestos a romper con los modelos de negocio tradicionales. Explotaron y perfeccionaron sus datos, se centraron en su valor intrínseco y basaron sus decisiones comerciales en los resultados proporcionados por el análisis de datos y la IA. Netflix no es la única empresa que aprovechó los datos y la IA para expandirse de manera significativa.
Existen tres tipos principales de IA (este tema lo voy a reexplorar en mi resña del libro de Pedro Domingos The Five Tribes) y el blog que hice sobre los tipos de algoritmos:
La IA directa imita las capacidades de la inteligencia humana. Por ejemplo, un sistema de IA directa podría usarse para reconocer rostros o traducir idiomas.
El aprendizaje automático es un tipo de IA que permite a las máquinas aprender a partir de datos. Los sistemas de aprendizaje automático se entrenan en conjuntos de datos grandes y luego pueden utilizar estos datos para hacer predicciones o tomar decisiones.
El Deep Learning es un tipo de aprendizaje automático que utiliza redes neuronales para aprender a partir de datos. Las redes neuronales están inspiradas en el cerebro humano y se pueden utilizar para realizar tareas complejas, como el reconocimiento de imágenes y el procesamiento del lenguaje natural. La analítica de datos es el proceso de recopilar, limpiar y analizar datos para extraer ideas.
Existen tres tipos principales de analítica de datos:
La analítica descriptiva describe lo que está sucediendo en los datos. Por ejemplo, la analítica descriptiva se podría utilizar para rastrear las tendencias de ventas o el comportamiento de los clientes.
La analítica diagnóstica identifica las causas de lo que está sucediendo en los datos. Por ejemplo, la analítica diagnóstica podría utilizarse para identificar por qué las ventas están disminuyendo o por qué los clientes están abandonando.
La analítica predictiva predice lo que podría suceder en el futuro basándose en datos históricos. Por ejemplo, la analítica predictiva podría utilizarse para prever la demanda o predecir la rotación de clientes.
No se puede separar la IA del tema de Big Data. Son dos caras de la misma moneda. La inteligencia artificial ha llamado la atención por su potencial para revolucionar diversas industrias, desde la atención médica hasta las finanzas y más allá. Sin embargo, es importante tener en cuenta que las capacidades de la IA están estrechamente relacionadas con la disponibilidad y calidad de los datos a los que tiene acceso. Aunque la IA es indudablemente poderosa, no puede alcanzar su máximo potencial sin la base necesaria de los grandes datos.
Casos de uso. La autora explora una serie de formas específicas en las que las empresas están utilizando los grandes datos y la IA para mejorar sus operaciones, que incluyen: • Segmentación y dirigir el enfoque al cliente
Detección de fraudes
Evaluación de riesgos
Optimización de la cadena de suministro
Desarrollo de productos
Marketing y publicidad
Se necesita un gobierno de IA. Saxena también analiza las implicaciones éticas de utilizar los grandes datos y la IA, y cómo las empresas pueden asegurarse de que están utilizando estas tecnologías de manera responsable.
Los grandes datos y la IA no son solo para las grandes empresas. Las pequeñas empresas también pueden beneficiarse de estas tecnologías, incluso si no tienen acceso a la misma cantidad de datos que las empresas más grandes.
Es importante comenzar de manera pequeña al implementar los grandes datos y la IA. No trate de hacer demasiado pronto, o puede terminar abrumado. Eso va muy de la mano con la metodologia AIGILE que estoy desarrollando.
También es importante tener una comprensión clara de sus objetivos antes de comenzar a usar los grandes datos y la IA. ¿Qué espera lograr mediante el uso de estas tecnologías?
Por último, es importante ser paciente. Se necesita tiempo para aprender a usar los grandes datos y la IA de manera efectiva. No espere ver resultados de la noche a la mañana.
Comments