5 habilidades críticas necesarias para una implementación exitosa de IA

En los últimos años, las organizaciones han visto un aumento en las inversiones para probar e implementar inteligencia artificial (IA) en una variedad de aplicaciones. La creación de un equipo de implementación de IA efectivo presenta desafíos para las organizaciones por una variedad de razones, incluida la demanda de profesionales con educación universitaria que supera con creces la oferta. Además, las organizaciones se enfrentan a la creación de una diversidad muy necesaria dentro de sus equipos de implementación.

En parte para abordar la brecha de talento, muchas de las empresas tecnológicas más conocidas del mundo han eliminado el requisito de título universitario en su proceso de contratación.

Empresas como Apple, Google e IBM han aumentado la contratación de profesionales sin título, reconociendo que los empresarios autónomos han encontrado formas poco convencionales de adquirir altas habilidades en arquitectura informática y desarrollo de software.

Por lo general, los profesionales con educación universitaria aún obtienen salarios altos, pero los expertos informáticos autodidactas ahora están muy empleados porque buscan competencia en lugar de capacitación formal. Pero eso no significa que cualquier persona con una base sólida en desarrollo de software e IA deba ser parte de los esfuerzos de implementación de IA de una organización. Ya sea con educación universitaria o autodidacta, hay una serie de habilidades importantes que un miembro del equipo de implementación de IA debe poseer para ser un activo verdaderamente valioso. Este artículo se centrará en algunas competencias comunes necesarias para equipos efectivos. (Lea también: La guía definitiva para aplicar IA en los negocios).

Necesidades de despliegue de IA en el desarrollo de software

Las implementaciones de IA cubren una amplia gama de aplicaciones, y cada implementación individual puede requerir capacidades muy específicas. Sin embargo, independientemente del despliegue y de su formación académica, los miembros del equipo deben tener habilidades generales. Identificar estas habilidades fundamentales requiere analizar el proceso de implementación de la IA.

Las etapas iniciales del ciclo de vida de la IA, incluida la determinación de los requisitos comerciales para el uso de la IA y los análisis que se utilizarán, la identificación y recopilación de datos relevantes y la creación y validación de modelos. La implementación es uno de los pasos finales en el ciclo de vida de la IA, pero los miembros del equipo de implementación deben estar familiarizados con el ciclo de vida y dónde se encuentran, especialmente porque pueden estar involucrados en muchas etapas del proceso.

En un alto nivel, el ciclo de vida de la IA es muy similar al ciclo de vida del desarrollo de software que, según Mark Preston, ingeniero de software de Cloud Defense, «define lo que lleva un proyecto desde la idea o el concepto inicial hasta la implementación». y post-mantenimiento».

Dada la estructura del ciclo de vida del desarrollo de IA, todo el equipo debe compartir una base común de conocimientos que incluya:

• Una comprensión general de los requisitos comerciales para las implementaciones de IA.

• Una comprensión general de las técnicas de análisis que se utilizarán (por ejemplo, NLP, aprendizaje automático, etc.).

• Una comprensión general de los datos que se utilizarán en un modelo de IA.

• Una comprensión general del resultado esperado.

Los equipos deben poder procesar grandes cantidades de datos para desarrollar modelos relevantes e identificar patrones en los datos. Los equipos de implementación pueden incluir a todos, desde ingenieros de IA hasta científicos de datos, codificadores, especialistas en ética y profesionales de TI, cada uno con su propia experiencia y capacitación.

Para muchas empresas, los ingenieros de inteligencia artificial y los científicos de datos son los más difíciles de encontrar debido a la escasez del mercado. Curiosamente, la IA en sí misma se está utilizando para ayudar a los no graduados a llenar los vacíos en la dotación de personal tecnológico corporativo. Dada la comprensión del marco de desarrollo, surgen una serie de competencias básicas, muchas de las cuales se pueden cumplir sin un título universitario tradicional.

Competencias básicas de los miembros del equipo de implementación de IA

Si bien esta lista de competencias es para los miembros técnicos del equipo, muchas competencias se aplican a todos los miembros del equipo (por ejemplo, abogados, recursos humanos, especialistas en ética, etc.). Revisar las competencias que ayudan a definir a los miembros técnicos exitosos de un equipo de implementación puede aclarar por qué no siempre es necesario un título universitario de cuatro años.

1. Capacidad de aprendizaje

La implementación de IA requiere monitoreo y modificación continuos, por lo que una de las capacidades clave de los miembros del equipo es la capacidad de aprender. De hecho, los ingenieros de IA y los científicos de datos pueden necesitar tanta capacitación como sus modelos porque el campo de la IA está evolucionando rápidamente y aparecen nuevos algoritmos con frecuencia.

Un título universitario no es el único indicador de la futura capacidad de aprendizaje. Se podría argumentar que los practicantes de IA autodidactas exhiben más capacidad de aprendizaje que los miembros del equipo con educación universitaria, precisamente porque su educación no fue dirigida. De hecho, primero tienen que aprender a aprender. Una forma en que tanto los candidatos con título como los que no tienen título pueden demostrar su conocimiento técnico y su capacidad de aprendizaje es mediante la obtención de certificaciones actuales de la industria.

2. Conocimiento técnico relevante

Naturalmente, un requisito importante para un ingeniero de inteligencia artificial o un científico de datos es un sólido conocimiento técnico. Los miembros técnicos del equipo de implementación deben estar familiarizados con las redes neuronales, el aprendizaje profundo, el desarrollo de algoritmos, el desarrollo de software, la programación, la ciencia y las estadísticas de datos y otros fundamentos de la IA.

Los miembros del equipo con y sin títulos deben invertir tiempo en comprender los problemas no técnicos. Entre otras cosas, los equipos de implementación deben comprender los problemas de cumplimiento y gestión de riesgos, incluidos los problemas éticos y normativos generales relacionados con las implementaciones de IA, así como los riesgos potenciales asociados con implementaciones específicas.

Por ejemplo, los miembros del equipo deben comprender el potencial de sesgo en los modelos de IA. Al comprender problemas como el sesgo de la IA, los equipos de implementación pueden garantizar que los modelos se entrenen, prueben y validen adecuadamente antes de la implementación. Es más probable que un equipo más diverso detecte estos problemas. (Lea también: Imparcialidad en el aprendizaje automático: eliminación del sesgo en los datos).

3. Curiosidad y creatividad

Los miembros del equipo más eficaces combinan su capacidad de aprender con un deseo demostrado de aprender. La curiosidad y la creatividad ayudarán a los miembros del equipo a mantenerse al día con los algoritmos y métodos de capacitación de vanguardia, y los ayudarán a optimizar mejor los modelos después de la implementación.

4. Comprensión de la seguridad y la privacidad de los datos

Los miembros del equipo también deben considerar si existen problemas de privacidad de datos, ya que esto puede afectar el diseño y la implementación de los modelos de IA. Esto se debe a que algunas de las aplicaciones de IA más populares involucran activos o datos confidenciales.

La buena noticia es que existen muchas herramientas potentes basadas en IA diseñadas para proteger estas aplicaciones. Específicamente, las herramientas de seguridad de IA funcionan analizando grandes cantidades de datos y buscando patrones que indiquen si se ha producido una brecha de seguridad, como por ejemplo, un malware. Además, la IA se puede utilizar para detectar vulnerabilidades de seguridad en aplicaciones fuera de los sistemas informáticos tradicionales, como Internet de las cosas o la nube.

5. Habilidades de comunicación

La diversidad del equipo requiere que los miembros del equipo puedan comunicarse de manera efectiva. Especialmente cuando se trata de comunicar conceptos técnicos complejos a audiencias no técnicas dentro y fuera de la organización, los ingenieros de IA deben tener buenas habilidades de comunicación. (Lea también: ¿Por qué importa la IA explicable?)

Para las organizaciones que buscan contratar profesionales sin título, es crucial evaluar sus habilidades de comunicación como parte del proceso de contratación, ya que es posible que no tengan las oportunidades de hablar en público que normalmente experimentan en la universidad.

En conclusión

Las organizaciones necesitan una amplia gama de capacidades para garantizar una implementación exitosa de la IA. Los equipos de implementación no solo deben tener la experiencia técnica relevante para desarrollar modelos efectivos, sino que también deben tener el conocimiento del mercado necesario para garantizar que sus modelos sean útiles, así como una comprensión de los problemas éticos y normativos para garantizar que la implementación esté justificada. (Lea también: Predicciones de expertos para IA y ML en 2023).

Construir equipos en torno a las competencias básicas, en lugar de si cada miembro del equipo tiene un título universitario de cuatro años o superior, permite que los equipos creen equipos de implementación más diversos y efectivos.