Con la creciente demanda de enfoques de ciencia de datos y tecnologías cognitivas en todas las industrias, las organizaciones están aprendiendo cómo implementar y administrar con éxito herramientas y sistemas más nuevos e inteligentes. ¿Cuáles son los desafíos que enfrentan las empresas al adoptar modelos de IA y ML para sus organizaciones, y cómo pueden trabajar los equipos para superar estos obstáculos?
Anil Kumar, Director Ejecutivo – Jefe de Industrialización de IA en Verizon
En un próximo evento de Data for AI, Anil Kumar, Director Ejecutivo – Jefe de Industrialización de AI en Verizon, compartirá en particular las formas en que Verizon ha aprovechado la AI para superar algunos de sus desafíos clave. En enero pasado, la Conferencia Machine Learning Lifecycle 2021 contó con Radha Sankaran, Directora Ejecutiva de Experiencias Algorítmicas del Cliente en Verizon Wireless, donde compartió algunos conocimientos sobre el estado actual del uso de la IA y sus desafíos, técnicas e impactos. En el próximo evento virtual Data for AI, Anil Kumar, también de Verizon Wireless, hablará más sobre sus experiencias.
El estado de la adopción de la IA y sus desafíos
Dos de las partes principales de Verizon incluyen su lado del negocio más tradicional, doméstico o alámbrico, así como su lado inalámbrico. El estado actual de la adopción de IA dentro de la empresa puede describirse como en un ciclo de madurez medio, con el lado de la línea fija teniendo un comienzo más temprano en una digitalización más avanzada debido a la necesidad de ser innovador en el control de costos. Dentro del lado inalámbrico, se produjo una transformación significativa a partir de 2019 y 2020 con la creación de organizaciones independientes de Chief Data Officer y Chief Customer Officer. La organización CDO es responsable de todos los proyectos relacionados con datos, y aquí es donde residen todos los científicos de datos. Luego, la organización del cliente se enfoca en tomar las mejores prácticas creadas en el lado doméstico del negocio y expandirlas al lado inalámbrico a través de análisis constantes. La organización también introduce todos los requisitos en la organización de datos para que se ejecuten y mejoren. Trabajando juntas, estas organizaciones están avanzando y supervisando la creciente adopción de IA en el espacio móvil de Verizon Wireless.
Hay muchos desafíos que las empresas pueden enfrentar al realizar la transición a tecnologías basadas en IA y ML, especialmente cuando ya existen tradiciones bien establecidas dentro de operaciones y equipos a gran escala. Uno de los mayores desafíos organizativos que enfrentó el equipo de Verizon tuvo que ver con vincular todos los datos existentes relacionados con las experiencias de los clientes. Debido a que la organización había estado analizando previamente todas las experiencias de una manera centrada en el canal y optimizando los canales por separado, como resultado, todos los datos también se aislaron. Por lo tanto, descubrir cómo reunir todos los datos aislados en un omnicanal cohesivo que permita al equipo abordar las experiencias de los clientes de una manera verdaderamente holística representó el desafío más importante. Además, en términos de la cultura de la empresa, la creación de una organización CDO y una organización CXO trasladó a los propietarios desde fuera de canales separados a una organización centralizada que permitió el enfoque holístico antes mencionado. Para los equipos de Verizon, se trataba de romper los silos y reunir a las diferentes organizaciones como CDO, CXO y servicios tecnológicos globales para discutir problemas y soluciones. Juntos, los equipos se enfocan en garantizar que la arquitectura de datos, la gobernanza y los productos adecuados se configuren de la manera más eficiente.
Desarrollo y gestión de modelos de IA
Desde una perspectiva más técnica, la creación e implementación de modelos de IA requiere las personas y las herramientas adecuadas, que se desarrollan desde dentro de las organizaciones o se subcontratan. Para Verizon, la adquisición de Yahoo en los últimos años proporcionó una gran base para la implementación acelerada de IA. Debido a que las organizaciones en Yahoo ya poseían lagos de datos muy maduros y las respectivas herramientas de ML, los equipos de Verizon pudieron usar las configuraciones de canalización de CI y CD preexistentes para construir modelos desde la capa inferior hacia arriba y realizar puntajes en tiempo real. Debido a esta transición sin problemas, no fue necesaria la subcontratación; todo estaba disponible internamente.
A diferencia del software más tradicional que esencialmente se puede dejar solo después de la implementación inicial, los modelos de IA necesitan monitoreo y mantenimiento continuos para evitar la degradación o la desviación del modelo. En Verizon, las organizaciones se refieren a las experiencias personalizadas de los clientes como propuestas, y estos eventos impulsados por datos e inteligencia artificial deben monitorearse constantemente para la optimización y la evaluación del desempeño. Al utilizar tanto el modelado adaptativo como el modelado predictivo, es importante que los equipos identifiquen si los problemas que surgen están relacionados con los modelos mismos o debido a lagunas de datos o problemas de calidad de los datos. Mediante el uso de datos de flujo y por lotes, las organizaciones de Verizon pueden entrenar sus modelos de IA de forma continua a través de ciclos de retroalimentación de datos en tiempo real.
Impactos de la pandemia y futuras barreras que superar
Aunque la pandemia reciente ha causado muchas interrupciones en casi todas las industrias a nivel mundial, para Verizon, ha generado un beneficio significativo: la pandemia ha impulsado a Verizon a convertirse en una empresa que prioriza la tecnología digital. Antes de la pandemia, una gran parte de las ventas se realizarían en las tiendas minoristas, pero la empresa tuvo que descubrir cómo pivotar para convertirse en una organización centrada en lo digital casi de la noche a la mañana. La adopción digital en áreas menos tradicionales, como las organizaciones minoristas y de televentas, tuvo que acelerarse junto con el resto de las operaciones, y los equipos en general tuvieron que unirse para hacer frente a esta transición. Gracias a este cambio, organizaciones como los equipos CDO y CXO pueden avanzar en la adopción digital y aprovechar aún más los datos y la inteligencia artificial.
Mirando hacia el futuro en un mundo pospandémico, quizás la barrera más grande en la adopción de IA a gran escala radica en los datos reales en sí. Asegurar el acceso a los datos correctos, generar los mejores métodos para analizar esos datos y, finalmente, comprender cómo todos los componentes y la información necesarios se unen siguen siendo los principales desafíos y objetivos de Verizon, así como de muchas otras empresas en una escala similar. algo que Anil discutirá en el evento Data for AI el 2 de diciembre de 2021.