Leer la revista online
Leer la revista online
 

Industria 4.0

4 factores críticos para asegurar el éxito en un proyecto de IA


por Cluster Industrial 2021-03-29 10:50:00 Compartir

En este artículo, Jair Pérez, CEO de Gesta Labs aborda cuatro factores críticos que te ayudarán a mejorar la tasa de éxito en cualquier proyecto de inteligencia artificial dentro de tu organización.


Por Jair Pérez, CEO de Gesta Labs

Mail: jair@gestalabs.com

 

Generalmente suelo escribir la mayoría de mis artículos para quienes no han iniciado su viaje a Industria 4.0 o están en las primeras etapas. Y lo hago así porque muchas de las empresas industriales están en este supuesto —según una encuesta que hizo Siemens hace un par de años, 70% de las compañías no había iniciado su digitalización—, pero hay otra porción, más pequeña, de quienes ya están en ello, en la víspera de adoptar inteligencia artificial o con sus primeros proyectos en marcha.

 

Y quizá están en esa dolorosa fase de experimentación, quebrándose la cabeza porque no consiguen los resultados que esperan. Si es tu caso, ten paciencia. Suena difícil, pero es necesaria cuando intentas innovación disruptiva como la que te ofrecen las tecnologías emergentes. El camino de la iteración es necesario.

 

Si estás en esta situación, este artículo es para ti porque abordaré cuatro factores críticos que te ayudarán a mejorar la tasa de éxito en cualquier proyecto de inteligencia artificial dentro de tu organización:

 

 

1)    Aborda un problema de negocio

La historia nos ha dado muestras de lo que sucede cuando una empresa implementa tecnología por moda o, en el mejor de los casos, sin un objetivo definido correctamente. Como podrás suponer, en estos casos los resultados son desastrosos. Para que no suceda lo mismo, la clave es definir adecuadamente el problema de negocio antes de implementar IA. Así podrás darte cuenta de que, seguramente, no tienes la necesidad de implementar esta tecnología en toda la organización, sino solo para atender aquellos problemas de tu negocio que son lo suficientemente significativos para resolverlos con una tecnología compleja y de alto potencial como es la IA.

Para llegar a ello es necesario definir claramente todo el proceso, las variables y los usuarios que intervienen o que se ven afectados por ese problema, así como establecer los KIPs para medirlo y que nos permitan definir el ROI que deberá presentar la solución.

 

 

2)    Sin datos, no hay paraíso

Muchos directivos no entienden la importancia de almacenar los datos hasta que echan a andar un modelo de inteligencia artificial y se dan cuenta de los verdaderos problemas: o no hay suficientes datos, o los que hay no son lo suficientemente buenos. Deborah Leff, ex CTO para ciencia de datos e IA de IBM, dijo en una conferencia que solo 13% de los proyectos de ciencia de datos llegan a la etapa de producción; la gran mayoría no lo consigue debido a problemas en la gestión de la información digital.

Si la inteligencia artificial es fuego, los datos son el combustible para encenderlo. Así que es necesario asegurarnos que tenemos buenos datos y en mucha cantidad. Y si no los tenemos, debemos trazar un mapa de ruta tecnológica para asegurarnos de generarlos, extraerlos y almacenarlos para, posteriormente, explotarlos.

 

 

3)    Crea una experiencia amigable

Como sucede con cualquier cambio tecnológico, la gente suele poner resistencia cuando debe adaptarse a nuevas herramientas y formas de trabajo. En especial si se trata de inteligencia artificial, una tecnología que ha sido vista con recelo debido a todos los mitos que hay alrededor de ella, así que debes asegurarte que sea lo más amigable para el usuario. Es cierto que cada día estamos más familiarizados con el uso de aplicaciones y servicios que, por lo que sabemos, usan IA —hola Facebook, Google, Uber, Netfilx, etc— pero esta tecnología no es tan común cuando la aplicas en procesos productivos de empresas industriales. Por ello, es clave que el resultado y la gestión del modelo sea amigable para que los usuarios finales tengan una fácil adopción, y solo vas a lograr esto incorporando las mejores prácticas de UX/ UI.

 

 

4)    Gestión del cambio

De la mano con el punto anterior, cualquier cambio en una organización trae consigo cierta carga de incertidumbre. Y si a esto añades que la gente ha leído o escuchado que las tecnologías emergentes van a traer cambios en la sustitución de empleos, quizá pueda sentir miedo y poner una resistencia natural a su adopción. ¿Cuál es el riesgo de esto? Que la tecnología no sea correctamente empleada y, en consecuencia, falle o no dé los resultados que esperas. En este punto deberás trabajar en la creación de programas de gestión del cambio donde los directivos se involucren directamente promoviendo los beneficios de usar las nuevas herramientas, comunicando de forma efectiva los beneficios que traen, tanto a nivel individual como de organización, y que faciliten la transición de la empresa.

 

 

Como ves, un proyecto de este tipo requiere planeación y trabajo, pero si te enfocas en desarrollar una estrategia basada en estos cuatro pilares, estarás más cerca de llevarlo a buen puerto. ¿Te animas?

 



INDUSTRIA
INTELIGENCIA ARTIFICIAL
MÉXICO
NEGOCIOS
NUEVO LEÓN
OPORTUNIDADES COMERCIALES
PRODUCCIÓN
PROVEEDURÍA
TECNOLOGÍAS

Utilizamos cookies para asegurar la mejor experiencia en nuestro sitio web. Si se continúa navegando asumiremos que se está de acuerdo con nuestra política de cookies.

X