Cómo configurar un centro de excelencia de IA

La idea de establecer un CC o un COE en la IA no es particularmente radical. En una encuesta reciente realizada a ejecutivos estadounidenses de grandes firmas que utilizan la IA, el 37% dijo que ya había creado una organización de este tipo. ¿Qué debe hacer ese grupo? Deberían crear la visión de la IA, identificar los casos de uso, determinar el nivel de ambición adecuado, crear una arquitectura de datos, gestionar los socios externos, identificar a los «campeones» de la IA en la empresa y compartir las historias de éxito.

••• La inteligencia artificial es una de las tecnologías más poderosas para remodelar los negocios en décadas. Tiene la capacidad de optimizar muchos procesos en las organizaciones y ya es el motor detrás de algunas de las empresas de plataformas más valiosas del mundo. En nuestra opinión, la IA pasará a ser un aspecto permanente del panorama empresarial y las capacidades de la IA deben ser sostenibles en el tiempo para desarrollar y apoyar posibles nuevos modelos y capacidades empresariales. En concreto, creemos que las empresas necesitan establecer unidades organizativas dedicadas para afianzar la IA. Esta es una importante herramienta empresarial que no se puede dejar en manos de un capricho de abajo hacia arriba. Las empresas dedican una cantidad considerable de recursos financieros a la IA, y las habilidades y la experiencia necesarias son demasiado raras como para suponer que estarán dispersas por la organización con poca coordinación o colaboración. Así como el comercio electrónico llevó a los directores digitales y a los grupos a apoyar la presencia y el comercio en línea, creemos que la IA generará nuevos centros de competencia (CC) o centros de excelencia (COE) y nuevas funciones dentro de ellos. La idea de establecer un CC o un COE en la IA no es particularmente radical. En uno reciente[encuesta a ejecutivos estadounidenses](https://www2.deloitte.com/insights/us/en/focus/cognitive-technologies/state-of-ai-and-intelligent-automation-in-business-survey.html) de grandes firmas que utilizan la IA, el 37% dijo que ya había creado una organización de este tipo. Deutsche Bank, J.P. Morgan Chase, Pfizer, Procter & Gamble, Anthem y Farmers Insurance son algunas de las firmas no tecnológicas que han creado grupos centralizados de supervisión de la IA. Algunas tecnologías de IA son muy conocidas en muchas organizaciones. El aprendizaje automático tiene sus raíces en la regresión estadística. Esto plantea la cuestión de si un CC o un COE de IA deben combinarse con grupos de análisis. Si un grupo de análisis existente ya está realizando algunos trabajos de análisis predictivo, los analistas que estén dispuestos a aprender y crecer probablemente puedan dominar muchos proyectos de IA, y una organización combinada tendría sentido. ### **Qué debe hacer un equipo de IA** Ya sea que un equipo de IA sea una consecuencia de un equipo de análisis existente o de un grupo completamente nuevo, hay muchas actividades diferentes que puede y debe realizar. Algunas de ellas, como desarrollar modelos y sistemas de IA, trabajar en estrecha colaboración con los proveedores y crear una infraestructura técnica, se pueden realizar en colaboración con una organización de TI; otras implicarán trabajar en estrecha colaboración con los líderes empresariales. Aunque la colaboración es importante, estas son las tareas de las que debe ser responsable el equipo de IA: **Cree una visión para la IA en la empresa.** Es importante que los ejecutivos discutan —idealmente con expertos en IA— qué es la IA, qué puede hacer y cómo podría permitir nuevos modelos y estrategias de negocio. De lo contrario, podría suboptimizar lo que la IA puede hacer por la empresa. **Identificar los casos de uso impulsados por la empresa**. Los desarrolladores de capacidades de IA necesitarán una lista priorizada de aplicaciones o casos de uso de la empresa. Deberían equilibrar el valor estratégico con lo que es alcanzable. Las empresas pueden desarrollar algunos de estos casos de uso como pilotos o prototipos, pero también deberían tener una «cartera» (supervisada periódicamente por el centro de IA y por los ejecutivos) que lleve al despliegue en la producción. **Determine el nivel de ambición adecuado** _._ Como la IA normalmente apoya las tareas y no los trabajos o procesos empresariales completos, normalmente es mejor emprender proyectos menos ambiciosos en lugar de «fotos lunares». Sin embargo, para llamar la atención de la dirección y tener un impacto sustancial en la empresa, las organizaciones tal vez quieran emprender una serie de proyectos más pequeños en un área de la empresa. Esto puede requerir una «hoja de ruta» con varios casos de uso en una línea temporal. Un centro de IA puede ayudar a una empresa a «pensar en grande, pero empezar de a poco» con la IA. **Crear una arquitectura de datos de destino_._** La visión y los casos de uso definen la plataforma de datos y las herramientas necesarias para lograrlo. Esto es clave para todos los proyectos (relevantes para los datos), ya que incluye todos los tipos de datos: estructurados, no estructurados y externos. Hadoop es la plataforma de gestión de datos estándar en la actualidad, pero el centro de IA tiene que decidir entre las versiones locales o en la nube, y entre soluciones de código abierto autogestionadas o soluciones con licencia (por ejemplo, Hadoop en Cloudera o AWS o de código abierto). La mayoría de las empresas se beneficiarán del uso de herramientas de análisis listas para el usuario con componentes de código abierto (por ejemplo, Alteryx) que permitan modelar de forma rápida y fácil de usar, en lugar de herramientas empaquetadas que históricamente estaban orientadas a la BI (como las primeras versiones de SAS o SPSS). **Gestione la innovación externa.** Un centro de IA puede ayudar a organizar las relaciones con universidades, proveedores, empresas emergentes de IA y otras fuentes de experiencia e innovación. La empresa puede desarrollar un ecosistema de IA y quizás incluso invertir en empresas que prometan añadir valor al negocio. Esto también es importante para que las herramientas y la tecnología sean las mejores de su clase. **Desarrolle y mantenga una red de campeones de la IA.** Un centro de IA funcionará mejor si cultiva una red de seguidores y defensores influyentes de la tecnología en toda la empresa. Este paso está muy avanzado en muchas empresas; en la encuesta de Deloitte de 2018, el 45% de las empresas nombraron a altos ejecutivos de toda la empresa como campeones de la IA. Dada la mercantilización de la programación (con guiones fácilmente disponibles en lenguajes como R y Python), la creación de capacidades internas debería centrarse en la modelización estadística y matemática, más que en la programación pura. **Difunda historias de éxito.** Un factor clave de éxito con la IA o cualquier tecnología nueva es difundir las primeras historias de éxito con casos de uso priorizados. Esto aumentará el apetito por más actividad de IA; de hecho, esas comunicaciones desempeñan una función de marketing para el centro de IA. ### **Adquirir y crear talento** Uno de los factores más importantes para crear con éxito un centro de IA es la contratación, la atracción o la creación de talento. No es ningún secreto que es difícil contratar a ingenieros de IA y científicos de datos (estadísticos) de vanguardia, incluso en Silicon Valley. La mayoría de las organizaciones necesitarán unas cuantas personas con la capacidad de desarrollar e implementar algoritmos de IA, por ejemplo, un doctorado en IA o ciencias de la computación. Sin embargo, muchas de las tareas centradas en los negocios de un centro las pueden llevar a cabo analistas con nivel de MBA que se hayan familiarizado con las capacidades de la IA y que puedan utilizar herramientas automatizadas de aprendizaje automático. También es posible empezar más rápido con el talento de la IA contratando consultores o vendedores para que trabajen en los primeros proyectos. Será obligatorio combinarlos con los empleados internos en los equipos. Puede que las empresas también quieran empezar ahora a crear talento en IA. No hay ninguna razón por la que no se pueda formar en IA a los empleados con una orientación cuantitativa. Algunas empresas, incluida Cisco Systems, trabajaron con las universidades para desarrollar programas de formación en ciencia de datos para los empleados internos, lo que creó cientos de especialistas certificados. Se podría adoptar el mismo enfoque con la IA (con parte del mismo contenido). Además, empresas como Reply y DataRobot y universidades como el MIT ofrecen cursos breves de formación ejecutiva para garantizar un «rápido» aumento de las habilidades relacionadas con la IA, hechos a medida para cada empresa. ### **Estructuras y procesos organizativos** Si bien no existe una estructura organizativa única y mejor para un centro de IA, creemos que, en la mayoría de los casos, las organizaciones estarían bien atendidas con una estructura central con personal desplegado o integrado, que dependiera de una función empresarial que abarcara a toda la empresa. Como el talento de la IA es escaso, es difícil desarrollar una masa crítica si está dispersa por la organización. Y nuestra experiencia con las funciones de análisis indica que la centralización contribuye a aumentar la satisfacción laboral y la retención en este tipo de puestos. Para evitar una burocracia excesiva, un grupo centralizado debería integrar o asignar su personal (al menos algunos de ellos) a unidades de negocio o funciones en las que se espera que la IA sea común. De esa forma, el personal del centro puede familiarizarse con los asuntos y problemas empresariales de la unidad y desarrollar relaciones con los principales ejecutivos. Los programas de rotación en las unidades de negocio pueden mejorar el crecimiento y la transferencia del conocimiento. A medida que la IA comience a generalizarse, es posible que este personal integrado traslade su principal línea organizativa de rendición de cuentas a las unidades o funciones de negocio. Hay varias áreas posibles sobre las que un centro de IA podría informar, pero nosotros diríamos que la mejor es un grupo central de estrategia que también se encargue de las tareas digitales. ProSiebenSat.1 (la mayor empresa de medios privados de Alemania) situó al equipo de análisis de datos entre la empresa digital y la TI para centrarse más en el desarrollo de nuevos modelos de negocio para la economía de las plataformas. Los equipos de IA y análisis de Versicherungskammer (la mayor aseguradora pública de Alemania) dependen del Director de Información. El grupo de IA de Procter & Gamble fue un esfuerzo conjunto de TI e I+D. En Anthem, el Centro de Excelencia Cognitiva (IA) depende del director digital. Como ocurre con muchas tecnologías actuales, es mejor llevar a cabo los proyectos de IA de forma «ágil», con muchos resultados a corto plazo y reuniones frecuentes con las partes interesadas. Si es necesario un desarrollo o una integración sustanciales del sistema, pueden entrar en juego enfoques de gestión de proyectos más tradicionales. Por último, dados algunos de los problemas éticos que pueden surgir de la IA, es importante no ignorar ese conjunto de problemas en un centro de IA. Es posible que las empresas quieran establecer puestos relacionados con la ética o consejos de revisión como parte de sus esfuerzos de IA. Microsoft, por ejemplo, ha creado una función de «especialista en ética de la IA» para guiar a las empresas en temas como el sesgo algorítmico y el impacto de las aplicaciones de IA en los consumidores. Todos los recursos empresariales requieren concentración y alineación para tener éxito. La escasez de talento y experiencia en IA hace que sea aún más importante que con otros tipos de recursos crear una masa crítica para la IA en un centro de competencia o excelencia corporativo. Creemos que es prácticamente imposible tener éxito como organización que «la IA es lo primero» sin un centro dedicado a la aplicación eficaz de esa tecnología.