El liderazgo y la ingeniería en la era del aprendizaje automático

Hoy en día, la industria ha comprendido que los únicos modelos de aprendizaje automático válidos son los que ya están en producción. El propósito de este artículo es explicar por qué el liderazgo y la ingeniería son esenciales para monetizar las iniciativas de aprendizaje automático.

La inteligencia artificial (IA) es la capacidad de las máquinas para desempeñar, de forma extremadamente competitiva, tareas específicas en campos concretos. Como argumenta Daniel Dennett en su libro From bacteria to bach and back: The evolution of minds, estamos creando máquinas sumamente competentes, pero que son incapaces de comprender el mundo.

El aprendizaje automático, un subcampo de la IA, está provocando una transformación sin precedentes en toda clase de organizaciones, empresas y organismos administrativos. Este proceso es una consecuencia natural de dos factores:

• La disponibilidad de datos como resultado de la digitalización de los textos.
• Un incremento en la capacidad de computación.

Ambos factores crecen a un ritmo exponencial, un hecho que nos sitúa en una nueva era del aprendizaje automático. Pero aunque la prensa nos sorprende cada día con nuevas aplicaciones automáticas que superan con creces a los especialistas, este tipo de técnicas están empezando a estancarse.

El aprendizaje automático está provocando una transformación sin precedentes en organizaciones, empresas y gobiernos

Las innovaciones que se están produciendo a escala mundial son muy graduales. Hace unos años, la mayoría de los recién llegados a este campo veía el aprendizaje profundo (deep learning) como la solución a todos los problemas de la IA. Pero cada vez son más las personas que comienzan a comprender las limitaciones y a constatar lo lejos que estamos de una IA realmente eficaz. El foco pasa por soluciones de ingeniería avanzadas que hagan uso de técnicas conocidas.

Esta revolución está encabezada por compañías tecnológicas y llevada a la práctica, en su mayor parte, por científicos de datos, una de las profesiones más buscadas hoy en día. Los expertos en ciencia de datos saben cómo utilizar los datos para crear modelos de aprendizaje automático que revelen patrones ocultos en grandes repositorios de datos. Les entusiasma perfeccionar los modelos y encontrar los parámetros exactos para resolver situaciones concretas.

Los científicos de datos son uno de los perfiles más buscados hoy en día 

Sin embargo, la ciencia de datos por sí sola es insuficiente para lograr que el aprendizaje automático beneficie a las organizaciones en sus procesos de producción. Estamos siendo testigos de un proceso de democratización del aprendizaje automático: diversas plataformas y bibliotecas han flexibilizado las barreras que obstaculizaban la incorporación del aprendizaje automático en compañías no tecnológicas.

Desde mi punto de vista, la ciencia de datos y la vertiente experimental del aprendizaje automático serán menos relevantes, y un liderazgo y unas prácticas de ingeniería adecuadas marcarán la diferencia. La industria del aprendizaje automático necesita, por tanto, nuevos perfiles en liderazgo e ingeniería.

Existe una enorme diferencia entre construir un modelo de aprendizaje automático para una tarea concreta e integrar dicho modelo en el núcleo de una organización. En otras palabras: existe una gran brecha entre disponer de un modelo que funciona en el laboratorio y preparar un modelo para que las personas lo utilicen en sus productos y servicios. La mayoría de las organizaciones desean incorporar el aprendizaje automático a su negocio, pero pocas están integrando eficazmente estos modelos en sus procesos reales.

A medida que esta tecnología ha ido madurando, se ha evidenciado que el liderazgo y la ingeniería de software son esenciales para cualquier iniciativa de aprendizaje automático. Si bien la ciencia de datos ha acaparado casi toda la atención, el liderazgo y la ingeniería especializados son también necesarios para introducir el aprendizaje automático en el núcleo de las organizaciones industriales.

El liderazgo y el desarrollo empresarial son esenciales para el ciclo de vida del aprendizaje automático

Los ingenieros de software son responsables de integrar el aprendizaje automático en los sistemas informáticos de producción para producir modelos útiles para las empresas. Esto requiere la integración con fuentes de datos, la automatización del flujo de trabajo del aprendizaje automático y establecer vínculos entre las predicciones del aprendizaje automático y los sistemas informáticos de producción.

El liderazgo y el desarrollo empresarial son esenciales para el ciclo de vida del aprendizaje automático. Las iniciativas en este campo deberían impulsarse a partir de las necesidades y metas empresariales específicas. Esta nueva tarea requiere un nuevo tipo de liderazgo que conozca el aprendizaje automático desde el punto de vista empresarial. Dicho nuevo liderazgo debería:

• Conocer el ciclo de vida global del aprendizaje automático, desde la definición del problema hasta la fase de producción y mantenimiento.
• Estar familiarizado con los principales modelos de aprendizaje automático, especialmente para saber qué hacen, qué necesitan y el resultado que producen.
• Conocer las diversas formas de evaluar los modelos para estimar los beneficios que aportan a la empresa.
• Ser capaces de interpretar un modelo automático que está adquiriendo nuevos conocimientos para mejorar la toma de decisiones.
• Comprender que el aprendizaje automático está basado de una ciencia experimental que aún no está automatizada ni industrializada. Los proyectos de aprendizaje automático deben, por tanto, gestionarse de forma iterativa para superar la incertidumbre.

No hay ninguna duda de que el aprendizaje automático está transformado a toda clase de organizaciones de una forma sin precedentes. En los últimos años, la ciencia de datos, es decir, los conocimientos necesarios para desarrollar modelos que descubran patrones ocultos en grandes conjuntos de datos, acaparaba toda la atención.

Sin embargo, esta nueva era requiere una nueva clase de liderazgo e ingeniería que sean capaces de a) dotar de sentido empresarial al aprendizaje automático mediante nuevas perspectivas empresariales y b) introducir, en el núcleo de las organizaciones, modelos de aprendizaje automático en los sistemas informáticos de producción.