iMerit, una empresa líder en soluciones de datos de inteligencia artificial (IA), publicó su informe State of ML Ops de 2023, que incluye un estudio que describe el impacto de los datos en proyectos de IA comerciales a gran escala. El estudio encuestó a profesionales de IA, ML y datos en todas las industrias, y encontró una necesidad creciente de una mejor calidad de datos y experiencia humana y supervisión para brindar una IA exitosa. Esto es especialmente cierto a medida que se implementan a un ritmo cada vez más rápido las nuevas y poderosas herramientas de IA generativa y las mejoras continuas a la automatización.
El mundo de la IA ha cambiado drásticamente durante el último año. Ha evolucionado fuera del laboratorio, entrando en la fase en la que el despliegue de proyectos comercializados a gran escala es una realidad. El estudio muestra que se necesitan verdaderos expertos en el ciclo no solo en la fase de datos, sino en cada fase a lo largo del ciclo de vida de ML Ops. Los profesionales de IA más experimentados del mundo entienden que las empresas que recurren a expertos humanos en el circuito logran una mayor eficiencia, una mejor automatización y una excelencia operativa superior. Esto conduce a mejores resultados comerciales para la IA en el futuro.
“Los datos de calidad son el elemento vital de la IA y nunca tendrán suficiente calidad de datos sin la experiencia y el aporte humano en cada etapa”, dijo Radha Basu, fundadora y directora ejecutiva de iMerit. “Con la aceleración de la IA a través de grandes modelos de lenguaje y otras herramientas generativas de IA, la necesidad de datos de calidad está creciendo. Los datos deben ser más confiables y escalables para que los proyectos de IA tengan éxito. Los grandes modelos de lenguaje y la IA generativa se convertirán en la base sobre la que se construirán muchas aplicaciones delgadas. La experiencia humana y la supervisión son una parte fundamental de esta base”.
El informe destaca los hallazgos de la encuesta en cuatro áreas clave:
- La calidad de los datos es el factor más importante para el éxito de un proyecto de IA comercials – Tres de cada cinco profesionales de IA/ML consideran que los datos de mayor calidad son más importantes que los mayores volúmenes de datos para lograr una IA exitosa. Además, los profesionales descubrieron que el etiquetado de datos exacto y preciso es crucial para lograr el ROI.
- La experiencia humana es fundamental para la ecuación de la IA – El 96% de los encuestados indicaron que la experiencia humana es un componente clave para sus esfuerzos de IA. El 86% de los encuestados afirma que el etiquetado humano es esencial, y están utilizando la capacitación de expertos en el ciclo a escala dentro de los proyectos existentes. El uso del etiquetado de datos automatizado está creciendo en popularidad, y todavía se necesita supervisión humana, ya que el informe encuentra que, en promedio, el 42 % del etiquetado de datos automatizado requiere intervención o corrección humana.
- Los requisitos de anotación de datos son cada vez más complejos, lo que aumenta la necesidad de experiencia e intervención humana – Según el estudio, una gran mayoría de los encuestados (86 %) indicó que la subjetividad y la inconsistencia son los principales desafíos para la anotación de datos en cualquier modelo de ML. Otro 82 % informó que el escalado no sería posible sin invertir tanto en tecnología de anotación automatizada como en experiencia en etiquetado de datos humanos. El 65% de los encuestados también afirmó que se requería una fuerza laboral dedicada con experiencia en el dominio para obtener datos listos para la IA exitosos.
- La clave de la IA comercial es resolver casos extremos con experiencia humana – Los casos extremos están consumiendo una gran cantidad de tiempo. El informe encuentra que el 37 % del tiempo de los profesionales de AI/ML se dedica a identificar y resolver casos extremos. El 96% de los encuestados afirmó que se requiere experiencia humana para resolver casos extremos.
Regístrese para recibir el boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: https://twitter.com/InsideBigData1
Únase a nosotros en LinkedIn: https://www.linkedin.com/company/insidebigdata/
Únase a nosotros en Facebook: https://www.facebook.com/insideBIGDATANOW