"La razón por la que la IA no llega la mala calidad a producción es de los datos"
"La razón por la que la IA no llega la mala calidad a producción es de los datos" TERESA TUNG, GLOBAL ADVANCED DATA LEAD DE ACCENTURE TAMARA SILVA POR MARCO ZECCHETTO La doctora en ingeniería eléctrica de la Universidad de California Berkeley, Teresa Tung, es la inventora más prolífica de Accenture. Tiene 230 patentes concedidas y solicitadas a nivel global en áreas como arquitectura de datos, gestión de interfaces de programación de aplicaciones (API, en inglés), cloud, gemelos digitales y soluciones de inteligencia artificial (IA) generativa.
Tung llegó hace dos décadas a la multinacional de consultoría y tecnología y, hace poco menos de dos años, lidera la estrategia global de capacidades avanzadas de datos, un área que trabaja con las empresas en la preparación y modernización de sus arquitecturas de información para habilitar el uso de IA de forma segura y escalable. Desde su posición, ha visto cómo el potencial de esta tecnología para optimizar procesos ha despertado el interés de las compañías.
Sin embargo, afirmó que la mala calidad de los datos y la falta de estrategias para gestionarlos, están limitando el escalamiento de la IA hacia usos productivos. "Muchas organizaciones cuentan con grandes volúmenes de datos, pero no logran confiar en ellos, gobernarlos ni convertirlos en información valiosa que permita comprender con precisión lo que ocurre en el negocio o generar resultados", dijo la Global Advanced Data Lead de Accenture.
También señaló que los agentes de IA y especialmente el desarrollo de su capacidad para realizar tareas de forma autónoma e interactuar con otros sistemas, están transformando a las API en una infraestructura clave para los nuevos ecosistemas digitales. ¿ Por qué tener una estrategia de datos se está convirtiendo en un factor competitivo clave para las organizaciones? La principal causa de no poder utilizar la IA en la producción es la mala calidad de los datos. Se necesita disponer de datos que permitan a la empresa tener una visión precisa del negocio, ver lo que está sucediendo, qué puede hacer al respecto y el impacto que tiene. Sin ellos, no se puede hacer nada significativo. Segundo, muchos de los datos que tiene una compañía son realmente su ventaja competitiva.
Los modelos de lenguaje grandes (LLM, en inglés) de vanguardia se entrenan con datos abiertos de internet, y para obtener nuevos conocimientos, gran parte de ellos se guardan ahora dentro de las empresas, en sus procesos y en lo que hacen. Definitivamente los necesitas para la precisión, pero también para ser competitivo en lo que haces.
Eso comienza con una estrategia de datos. ¿ Qué impide en una empresa que la IA pase del piloto a un uso productivo? La mayoría de las empresas tiene demasiados datos, pero no puede encontrar ni confiar en la información que estos contienen. A menudo necesitan preguntar a diferentes personas si los datos son adecuados para utilizarlos. Por lo tanto, es necesario contar con una gobernanza para asegurarse de que alguien los conoce. Me gustaría que la gente pensara en ellos como si fueran un producto. Debería poder ver los datos sobre las finanzas de mi empresa, mis recursos humanos, mis operaciones, de la misma manera que cuando compro un producto en una tienda. Tengo que confiar en ellos para que la IA pueda generar información y no tener que cuestionarlos. Hay que empezar por la gobernanza. Agentes y API ¿ Cuál será el rol de las API en un nuevo escenario impulsado por agentes de IA y sistemas autónomos? Las API son realmente fundamentales. Ya hemos visto cómo estas han permitido que incluso desarrolladores externos puedan crear servicios basados en ellas. Se convierte en un negocio en sí mismo: desarrolladores que acceden a datos y servicios a través de API. Por lo tanto, la diferenciación radica en crear una API que sea muy fácil de entender y aplicar para los desarrolladores de software. Ahora, con los agentes, no solo estoy enseñando a un desarrollador de software, sino a un agente autónomo a comprender qué hace esta API y cómo debe utilizarla.
Así que todo lo que teníamos que hacer antes, la documentación, la descripción, el código que muestra cómo se debe utilizar, son elementos fundamentales, especialmente ahora que los agentes están destinados a tomar decisiones en nuestro nombre. Nos están ayudando con las compras en este momento. Si quisiera comprar una chaqueta, utilizaría agentes que primero investigarían en mi nombre. Luego, podrían comparar los precios conociendo mis preferencias, incluso finalizar y realizar la compra. En ese caso, por ejemplo, si los retailers no tienen una API con la que el agente pueda trabajar para comparar precios o realizar una compra, quedan automáticamente excluidos de este nuevo mercado. La llegada de nuevas herramientas está permitiendo democratizar la programación y que cualquier persona pueda crear un agente.
Al igual que los datos son una parte muy importante en la que invertir para una empresa, también lo son las API, ya sea para utilizarlas con fines de productividad o para crear nuevas fuentes de valor, como permitir que otros puedan explorar y activar tus servicios en tu nombre. Por lo tanto, el requisito previo es crear la API para ello.
Dijo que el valor de la IA depende de datos confiables y gobernados, y que las API serán cruciales para que las empresas operen con agentes autónomos. "Un agente puede comparar precios y comprar en mi nombre [. .. ) SI los retailers no tienen una API con la que el agente pueda interactuar para comparar o comprar queda automáticamente excluido de este nuevo mercado".. Dijo que el valor de la IA depende de datos confiables y gobernados, y que las API serán cruciales para que las empresas operen con agentes autónomos. "Un agente puede comparar precios y comprar en mi nombre [. .. ) SI los retailers no tienen una API con la que el agente pueda interactuar para comparar o comprar queda automáticamente excluido de este nuevo mercado".