¿Su infraestructura de datos está preparada para la IA?

Crear una ontología es una inversión esencial para preparar a su empresa para que se dé cuenta de las ventajas de la IA y el aprendizaje automático. Atrás quedaron los días en que las empresas simplemente permitían que varios pequeños proyectos de IA prosperaran de forma independiente: para que estos proyectos fueran competitivos, tenían que basarse en datos de toda la empresa, datos almacenados de muchas formas diferentes en muchos sistemas diferentes. Una ontología define estas conexiones de una manera que la IA puede aprovechar. Las empresas estarán mejor posicionadas para crear ontologías si primero identifican e investigan los puntos débiles (las áreas en las que más se necesitan las conexiones de datos) antes de empezar a establecer los principios de organización de la propia ontología.

••• Todas las grandes empresas gestionan ahora una proliferación de sitios, aplicaciones y sistemas tecnológicos para interactuar con los compradores y gestionar todo lo relacionado con el negocio, desde los clientes y los clientes hasta el inventario y los productos. Estos sistemas arrojan datos de forma continua. Pero incluso después de varias generaciones de inversiones y miles de millones de dólares en transformaciones digitales, las organizaciones se esfuerzan por utilizar esos datos para mejorar el servicio de atención al cliente, reducir los costes y acelerar los procesos principales que ofrecen una ventaja competitiva. Se suponía que la IA iba a ayudar con eso. Pero como me dijo recientemente un ejecutivo de una importante compañía de seguros de vida (Seth): «Todos nuestros competidores y la mayoría de las organizaciones de nuestro tamaño en otros sectores han gastado al menos unos cuantos millones de dólares en iniciativas de IA fallidas». ¿Por qué? Mis 20 años de experiencia trabajando con empresas en su tecnología de la información me han demostrado la razón: porque las promesas de los proveedores de IA no dan sus frutos a menos que los sistemas de datos de la empresa estén preparados adecuadamente para la IA. Los datos están encerrados en silos, son inaccesibles, están mal estructurados y, lo que es más importante, no están organizados de manera que puedan utilizarse como combustible que hace que la IA funcione. En cambio, para aprovechar los beneficios de la IA, las empresas tienen que crear algo llamado _ontología_, una caracterización exhaustiva de la arquitectura de todos sus datos. Puede que haya leído el consejo de que debería empezar poco a poco con las iniciativas de IA. ([Lo sugerí yo mismo](/2016/07/how-companies-are-benefiting-from-lite-artificial-intelligence) hace unos años.) Y es cierto: el enfoque de la «IA Lite» puede generar algunos triunfos rápidos. Pero a medida que las iniciativas de IA se multiplican inevitablemente por toda la organización, los límites de los experimentos dispersos se hacen más evidentes. Cuando alimenta esos programas de IA con diferentes tipos de fuentes de datos (a veces incompatibles), el resultado lo enreda en una complejidad. Pronto tendrá un montón de programas piloto de IA únicos conectados a sus sistemas de datos actuales de una manera que no ofrecerá beneficios más amplios y estratégicos para su empresa. La IA está lo suficientemente avanzada como para que se necesite un enfoque más coherente, una clave que reúna todos los datos de su empresa. Ahí es donde entra en juego la ontología. Una ontología es una representación coherente de los datos y las relaciones entre los datos dentro de su empresa, un modelo de todos los elementos que entran y conectan sus distintos sistemas de información: los productos y servicios, las soluciones y los procesos, las estructuras organizativas, los protocolos, las características de los clientes, los métodos de fabricación, el conocimiento, el contenido y los datos de todo tipo. Es el andamiaje de conocimiento principal de la organización. Sin un enfoque coherente y reflexivo para desarrollar, aplicar y hacer evolucionar una ontología, los sistemas de IA solo pueden desarrollarse de manera fragmentada y fragmentada; carecerán de la base que les permita ser lo suficientemente inteligentes como para causar un impacto. La ontología está en el centro del diseño de la información de las empresas impulsadas por la IA, una inversión que seguirá dando sus frutos a medida que la IA se generalice. ### **Crear una ontología en Applied Materials** Veamos una empresa de servicios B2B, Applied Materials, y cómo desarrolló una ontología que muestra estas ventajas. (Los asesoré en este proyecto.) Applied Materials trabaja con los fabricantes de semiconductores para solucionar los problemas que ralentizan o detienen la producción en las plantas de semiconductores, problemas que pueden costar millones de dólares al día hasta que se solucionen. Como hasta hace poco los conocimientos necesarios para mantener una planta en funcionamiento se distribuían entre 14 sistemas diferentes de Applied Materials, los técnicos dedicaban hasta un 40% de su tiempo a buscar respuestas. Cada planta es única, por lo que encontrar la respuesta correcta para el problema de una planta en particular es a la vez esencial y difícil. Los técnicos solían cubrirse las espaldas abasteciendo sus vehículos de servicio con una variedad de componentes costosos, lo que suponía decenas de millones de dólares en inventario. Los técnicos necesitaban una experiencia coherente y eficiente. Pero para crearlo, Applied Materials necesitaba una forma de organizar las diversas fuentes de información disponibles para los técnicos y una forma de integrarlas en una sola interfaz. La ontología que creamos para la empresa incluía todos los múltiples vocabularios, relaciones y jerarquías de todos los sistemas que utilizaban los técnicos. Definía las relaciones para los nombres abreviados que un sistema utilizaba para referirse a una pieza y el número de stock que otro sistema utilizaba para referirse a la misma pieza. Analizamos y clasificamos los documentos de solución de problemas con «análisis de texto», un método que aprende de un documento modelo, extrae información de documentos similares y hace que todos los conocimientos sean accesibles con un idioma común. Cuando terminamos, creamos un lenguaje común con un conjunto maestro de relaciones que conectaban la información de los sistemas de gestión de clientes de la empresa, los sistemas de seguimiento de las solicitudes de servicio, las bases de datos de soluciones, los catálogos de piezas y todos los demás sistemas. Luego, una vez creada la ontología, tuvimos que aplicarla a todos los datos subyacentes y conectarla a la experiencia de los técnicos y hacerla accesible desde una interfaz común. Una vez etiquetado todo, Applied Materials incorporó la ontología en varios sistemas y procesos, la aplicó a los documentos existentes, la incorporó a los flujos de trabajo para nuevos documentos y soluciones y la conectó a los sistemas ERP y de gestión de activos digitales. Esto nos permitió crear el nuevo sistema con el que habíamos soñado, que permitía a los técnicos de campo obtener exactamente la información que necesitaban, de manera eficiente, de las fuentes más adecuadas para la tarea en cuestión. Los grupos lógicos de contenido, organizados de manera que se alineaban con su forma de pensar sobre los problemas que resolvían, sus «modelos mentales», les ayudaban a encontrar exactamente la información que sería más útil en un contexto determinado, como las guías de solución de problemas. El sistema resultante redujo a la mitad el tiempo que los técnicos dedicaban a buscar información. Applied Materials estimó el valor de esos ahorros en decenas de millones de dólares al año. Incluso permitió a los técnicos reducir sus inventarios de componentes. La IA formaba parte de la solución, pero dependía de la ontología subyacente para tener el acceso adecuado a los datos que necesitaba. ### **Cómo crear una ontología** Como puede imaginar, crear una ontología que dé sentido a todos los datos de su empresa no es tarea fácil. Según las numerosas empresas en las que he recorrido el proceso, estos son los pasos clave: 1. **Identifique los puntos problemáticos de los datos.** Audite cuando los problemas de información y los cuellos de botella perjudiquen el funcionamiento de la empresa, como las frustrantes búsquedas de soluciones de los técnicos de Applied Materials. Busque las causas fundamentales que generan varios problemas. Esto ayuda a las personas a entender cómo resolver el gran problema de la arquitectura de datos puede generar beneficios generalizados en la empresa. 2. **Genere soluciones basadas en las causas fundamentales.** Empiece a imaginarse cómo podría ser una posible solución, como el sistema de búsqueda más eficiente que Applied Materials tanto necesitaba. Comience con las tareas que tendrán el mayor impacto en la empresa si se hacen más eficientes. 3. **Comprenda los casos de uso.** Tenga en cuenta quién se beneficiará de cada solución: el personal del servicio de atención al cliente, los desarrolladores de productos o quizás los clientes de un sitio de comercio electrónico. y qué tareas exactas la solución les ayudará a realizar de manera más eficiente. Desarrolle un modelo de lo que la persona debe hacer para lograr el resultado deseado y, a continuación, valídelo probándolo con trabajadores reales que hacen su trabajo. Aprenda cómo describen la respuesta ideal y, a continuación, compare la forma en que la describen con las formas en que otros trabajadores que desempeñan otras funciones describen los mismos tipos de problemas o relacionados. 4. **Establezca los principios organizativos de la ontología.** Esta es la clave de la ontología. Con el conocimiento de cómo son las personas _usando_ la información, puede empezar a diseñar los detalles de cómo _organizar_ y _categorizar_ los datos que tiene para que formen parte de las soluciones que está creando. Por ejemplo, en Applied Materials, los conceptos maestros tenían nombres como «Cuenta», «Usuario», «Unidad de negocio» y «Solución» que coincidían con una variedad de términos de los sistemas tradicionales de la empresa y con los modelos mentales que tenían los técnicos para lo que sucedía en cualquier parte de la planta. Una vez que haya creado una ontología de esta manera (y un sistema para mantenerla), las ventajas se multiplican. Se convierte en una parte esencial no solo de la solución al problema de información actual, sino también del siguiente problema que se presente y del siguiente. Tenga en cuenta que la ontología es una entidad en continua evolución: a medida que los productos, los servicios, los mercados, la competencia y las necesidades de los clientes cambian, un proceso intencional de cambio de la ontología la mantendrá actualizada y relevante. Cada vez está más claro que la IA va a resolver muchos de esos problemas en el futuro, ya sea mediante un[chatbot de servicio al cliente](/2019/05/does-your-company-really-need-a-chatbot), un sistema que muestra señales sobre la eficiencia y las averías empresariales, o sobre cualquiera de las mil aplicaciones más. La ontología, como representación de lo que importa en la empresa y hace que sea única, es lo que unifica esas soluciones y las convierte en algo más que una solución rápida que quedará obsoleta con la misma rapidez. Si sospecha que la IA es el futuro de los negocios (una conclusión de la que estoy seguro), crear una ontología es una inversión esencial para preparar a su empresa para que se dé cuenta de las ventajas de ese futuro. Es un concepto que, gestionado y aplicado adecuadamente, marca la diferencia entre la promesa de la IA y cumplir esa promesa de forma sostenible.