“Antes de correr, hay que aprender a caminar” es una consigna que hemos escuchado en diferentes momentos. Sin duda, fue una recomendación hecha por nuestros padres, y hoy vuelve a resonar cuando queremos emprender enormes proyectos de innovación e implementar las últimas novedades y tendencias tecnológicas en nuestras organizaciones.

Muchos líderes técnicos y empresariales llegan a pensar que integrarlas a las operaciones e infraestructura de su organización creará el entorno idóneo para hacer frente a la competencia, satisfacer y retener a nuestros clientes, elevar la rentabilidad y ocupar un lugar privilegiado en el mercado. Y quieren hacerlo lo más rápido posible, aunque al final terminan con las narices pegadas al suelo.

Sin duda, la analítica, la gestión de datos, la Inteligencia Artificial (IA), el Machine Learning (ML), y la nube, entre muchas otras, pueden aportar una dosis importante de innovación que contribuya a crear las condiciones antes descritas. Y lo hará siempre que entendamos que, si bien son nuestras aliadas, no resolverán de inmediato todos los desafíos a los que nuestras organizaciones se enfrentan.

A medida que la segunda década del siglo se acerca a su final, los líderes empresariales están aprendiendo a replantear el propósito de su negocio, redimensionar su conocimiento y roles, e invitar a sus colaboradores a pensar de forma distinta; y quizá lo más importante: saber en qué momento actuar y no tomar decisiones precipitadas.

En este sentido, los expertos de SAS y consultores, junto con usuarios empresariales con los que han trabajado, han coincidido en una serie de recomendaciones para emprender proyectos exitosos de innovación y modernización que incluyen la analítica, IA y ML.

• La urgencia de montarse al tren de la Inteligencia Artificial puede traer más desventajas que beneficios. Se debe iniciar con pequeños pasos y avanzar de forma progresiva cubriendo etapas y logrando objetivos. (bettysco.com) Hay que entender qué es la IA, por ejemplo, y para qué puede servir; cuando tiene sentido o no.
• Apoyar el gobierno de datos. Es indispensable el aseguramiento de la calidad para los modelos analíticos. (prodavinci.com) Las empresas sufren de un pobre desempeño debido a cuellos de botella operativos, interfaces ineficientes o la falta de responsabilidades claras.
• La IA, el ML y el Deep Learning son capaces de realizar tareas de cómputo frecuentes de forma confiable y sin fatiga, pero, al menos por ahora, la inteligencia humana sigue siendo vital para configurar el sistema y hacer las preguntas indicadas que serán resueltas mediante el uso de estas tecnologías.
• No existen los milagros. Métodos como el Machine Learning implican el desarrollo continuo de métodos analíticos establecidos. De no integrar la analítica y los procesos de decisiones, el éxito de un proyecto de ML está condenado al fracaso.
• Es clave integrar un equipo multidisciplinario conformado por estrategas de áreas de negocio y de TI, encabezado por un líder que pueda entablar una comunicación inteligente y traducir el lenguaje técnico; el rol del científico de datos o del director de Analítica (CAO, Chief Analytics Officer) es determinante.
• IA no mejorará los procesos de negocio que no eran óptimos de origen, de hecho, expondrá más problemas. Los procesos necesitan evolucionar constantemente para hacer posible la innovación.
• Fracasar rápido y aprender. La prueba y error aseguran la identificación de qué desarrollos van en la dirección equivocada y puedan ser corregidos. Los fracasos no tienen por qué desmotivar; son parte de la receta secreta para el verdadero éxito.

Alcanzar un nivel de madurez empresarial permite distinguir las oportunidades de innovar en la nueva economía analítica, un paso a la vez, y al mismo tiempo reconocer nuestras fortalezas y debilidades para competir de manera efectiva. Click To Tweet