Priorización: el punto de inflexión del POC a la producción
A menudo, los clientes nos cuentan que están entusiasmados con lo que podrían hacer con los datos y la inteligencia artificial (IA), pero no están seguros de cómo hacerlo. O que los equipos tecnológicos están totalmente decididos, pero no logran convencer a los responsables para avanzar. No es que no sepan qué hacer: podrían enumerar una serie de iniciativas o casos de uso que se beneficiarían de la información de sus datos o a los que podrían aplicar la IA. Sin embargo, muchas organizaciones parecen sufrir de parálisis institucional.
En el Snowflake Summit de este verano, un ejecutivo de una importante empresa de fabricación reflexionó sabiamente: “Si fuéramos conscientes de todo lo que sabemos”. En otras palabras, imaginemos todo lo que podríamos hacer si pudiéramos obtener información de todos los datos que hemos recopilado, todo lo que sabemos sobre nuestros clientes o productos.
Sin embargo, el desafío es saber por dónde empezar. Y la respuesta está en los trabajos preliminares: lo que se hace antes de poner en marcha la herramienta. Imagina construir una casa sin los planos. Pero incluso antes de que el arquitecto ponga el lápiz en el papel, hay una lista de características deseadas para la casa de ensueño. ¿Cómo concibes tu vida en esa casa? “Bueno, queremos aprovechar las magníficas vistas que tiene la propiedad. Para disfrutarlas, queremos grandes ventanales o un porche envolvente. También nos gustaría garantizar la habitabilidad de la casa con mucho almacenamiento, así que no podemos olvidar los espacios de almacenaje”. Tras haber pasado recientemente por este proceso, lo conozco bien. Mi lista de deseos era larga.
Pero lo difícil viene después. Tenemos un presupuesto y probablemente un conjunto de reglas que hay que seguir, como el código de construcción o las ordenanzas del vecindario. Las restricciones requieren tomar decisiones difíciles y priorizar ciertas funciones sobre otras. Lo ideal es empezar con una base sólida y características clave, y dejar margen para añadir otras funciones más adelante. Tal vez tengas que aprender a hacer algunas cosas por ti mismo para crear algunas de las funciones que deseas. Pero es probable que algunos de estos proyectos no vean la luz.
¿Te suena? Tal vez hayas construido una casa. O tal vez hayas creado una estrategia de datos e IA y empezado a utilizarla. Has evangelizado las oportunidades y experimentado con varios pilotos, pero ahora es el momento de decidir qué se sigue desarrollando.
El punto de inflexión del plan a la producción: priorización
Según un artículo reciente de Harvard Business Review, el 80 % de los proyectos de IA no llegan a producción. Esa cifra se ha utilizado para ilustrar los fallos. Sin embargo, un análisis más detallado revela que parte de ese 80 % se dejó de lado intencionadamente. Lo primero que se debe hacer para pasar de la experimentación a la implementación es seleccionar qué proyectos o productos se van a seguir desarrollando. Como me explicó un CDO hace años, el objetivo de priorizar es garantizar que las vistas valgan la pena.
Las ideas vienen de todas las partes del negocio, lo cual es positivo. Debe fomentarse la diversidad de ideas. Los sandboxes y hackatones de IA fomentan la experimentación. Sin embargo, en última instancia, esas ideas deben ponerse a prueba. Un marco de priorización riguroso y transparente ayuda a garantizar que los proyectos y productos propuestos se alinean con los objetivos empresariales y que es realista que el equipo los cree.
El objetivo de la priorización es garantizar que las vistas valgan la pena.
Las vistas. En términos generales, en la matriz anterior, el eje Y se alinea con los objetivos empresariales estratégicos. Aquí es donde se estiman las “vistas” potenciales.
¿Está la iniciativa alineada con los objetivos empresariales? Debe darse prioridad a los proyectos o productos que estén directamente relacionados con objetivos empresariales concretos. ¿Hay algún patrocinador empresarial para la iniciativa? Los productos de datos no aportarán valor a menos que impulsen acciones, es decir, a menos que los usuarios finales los adopten. Esto requiere la colaboración entre la empresa y los equipos de datos, y la educación de ambas partes sobre lo que se requiere y lo que es posible.
¿Pueden beneficiarse varias unidades de negocio? Muchos equipos de datos se centran en la reutilización como requisito para la priorización: el valor aumenta a medida que más unidades de negocio utilizan el modelo de IA o el producto de datos. Por ejemplo, imaginemos que un fabricante de electrónica quiere entender cómo se utilizan sus dispositivos y quién los utiliza. Un producto de datos de “uso del producto” puede proporcionar una vista integral del cliente para ver qué productos utiliza y una vista integral del producto para ver qué clientes utilizan un producto en particular.
¿Cuál es el retorno previsto? Se empieza identificando las métricas que se van a considerar, idealmente en términos de valor empresarial, y estableciendo un punto de referencia aproximado. Para establecer prioridades es necesario comparar las iniciativas de la competencia en términos concretos.
La subida. El eje X refleja la complejidad y viabilidad de una iniciativa concreta para determinar si se puede implementar en términos de recursos y riesgos. Aquí es donde se estima la “subida” requerida.
¿Están disponibles los datos? El requisito más crítico son los datos para entrenar el modelo. ¿Están los datos internos disponibles y son accesibles con facilidad? ¿El modelo requiere la transformación o el acceso a datos no estructurados? ¿Una formación adecuada requeriría datos externos, como datos de partners u otros datos de terceros, para mitigar los riesgos de sesgos o alucinaciones?
¿Qué habilidades y herramientas se necesitan? Aquí es donde hay que ser realista sobre si se tienen los recursos para generar los resultados deseados y lo que se necesita para llegar allí. Una iniciativa de IA no debe parecer una película de ciencia ficción.
¿Existen riesgos u otras preocupaciones? Para empezar, la Ley de IA de la UE adopta un enfoque de regulación basado en el riesgo y clasifica los sistemas de IA en cuatro niveles de riesgo diferentes: riesgo inaceptable, alto, limitado y mínimo. Existen varias herramientas que pueden ayudar a evaluar el nivel de riesgo y a proporcionar orientación sobre las normativas y los requisitos pertinentes.
¿Cuál es el coste de creación e implementación? En última instancia, se trata de un caso de negocio y requiere una estimación de los costes de creación, implementación y mantenimiento del modelo de IA a lo largo del tiempo. Estas estimaciones también deberían incluir la tecnología y la adquisición de datos, así como la formación necesaria. No solo se trata de crear una aplicación.
El resultado final es una matriz en la que se puede colocar y evaluar cada producto o proyecto potencial en términos de la vista prevista y la subida necesaria.
La matriz 2x2 arroja las siguientes categorías:
Beneficios rápidos de alto valor: buenas vistas y subida corta y fácil. Estas son iniciativas que se alinean plenamente con los objetivos empresariales estratégicos y se consideran menos complejas o muy factibles.
Sin interés: vistas parciales y subida difícil. Se consideran iniciativas más difíciles y de menor valor potencial que no necesariamente merecen el esfuerzo.
Inversiones a largo plazo: buenas vistas, pero subida larga y empinada. Se espera que estas iniciativas aporten un valor significativo, pero se consideran más complejas o conllevan bastante más requisitos de riesgo o recursos. Estos pueden dividirse en iniciativas más pequeñas o productos de datos componentes que luego podrían agregarse para ofrecer todo el valor posible.
Seguir investigando: vistas parciales, pero subida relativamente corta y fácil. Se espera que estas iniciativas aporten algo de valor (de lo contrario, no se habrían propuesto), pero están menos alineadas estratégicamente. Sin embargo, se consideran relativamente fáciles de entregar. Se trata más bien de un “podría hacerse”, pero solo con el tiempo o los recursos restantes, de ahí la menor prioridad.
Este proceso no es un opcional. Pasar de una prueba de concepto (POC) a un producto o proyecto implica tomar decisiones difíciles. Un marco oficial de priorización garantiza que las iniciativas se evalúen de manera igual y transparente, respalden la estrategia empresarial, sean viables para la organización y que las necesidades de recursos y los resultados previstos se armonicen.