Las tecnologías de rápido crecimiento como la IA pueden presentar barreras de entrada, ya sean de infraestructura, limitaciones de datos, falta de talento o el cumplimiento de regulaciones en constante evolución. Organizaciones desde el sector sanitario hasta el manufacturero y el público suelen verse obstaculizadas por estos obstáculos que pueden ralentizar la adopción y el uso de la IA.
Los modelos de IA preconfigurados pueden sortear los desafíos de forma contenedora y son fácilmente accesibles y utilizables. Metafóricamente, construyen la casa sin necesidad de construirla, ahorrando tiempo y recursos valiosos y manteniéndose al ritmo del vertiginoso ritmo de la IA.
Udo Sglavo , vicepresidente de I+D de modelado e inteligencia artificial aplicada en SAS, comparte cómo la democratización del acceso a modelos ya preparados es un acelerador de IA con menos riesgos.
P: ¿Qué son los modelos de IA ya preparados y cuáles son los impulsores del mercado para este enfoque?
Sglavo : Los modelos de IA preconfigurados son componentes de soluciones de IA preconfigurados y adaptados a cada sector para una rápida implementación. Están habilitados para API para una integración fluida en los ecosistemas de TI existentes y listos para la nube para una escalabilidad óptima. Uno de los principales impulsores del mercado para este enfoque es la escasez constante de talento en IA. Muchas organizaciones tienen necesidades de IA, pero carecen de la experiencia especializada para desarrollar e implementar modelos desde cero. Los modelos preconfigurados ofrecen una alternativa de bajo riesgo y alto retorno de la inversión (ROI), que ofrece soluciones específicas sin necesidad de invertir en una plataforma de IA completa. Estos modelos benefician a las empresas que no cuentan con científicos de datos internos e incluso a aquellas con equipos de IA que carecen de conocimientos específicos del dominio.
Por ejemplo, una organización sanitaria podría necesitar un modelo de IA para optimizar la cadena de suministro o la inteligencia de clientes, áreas que no son su especialidad principal. Con modelos predefinidos, las empresas pueden probar e implementar rápidamente soluciones basadas en IA para abordar desafíos específicos sin la sobrecarga de un desarrollo a medida.
P: ¿Cómo puede este enfoque resolver problemas comunes como la deriva o el deterioro del modelo?
Sglavo : Buena pregunta. Tomemos como ejemplo la detección de fraude. Los modelos de IA identifican actividades sospechosas basándose en patrones históricos, pero los actores maliciosos se adaptan constantemente para evadir la detección. Si un modelo se basa en patrones obsoletos, su precisión disminuye, un fenómeno conocido como desviación del modelo. Con modelos de IA preconfigurados, la monitorización continua detecta la degradación del rendimiento de forma temprana. Cuando se identifica una desviación, el modelo se reentrena automáticamente con nuevos datos, eliminando la necesidad de una reconstrucción completa. Este enfoque ahorra tiempo y recursos, a la vez que mantiene la eficacia del modelo frente a amenazas en constante evolución.
En términos generales, todos los modelos de IA tienen una vida útil limitada debido a los cambios en los datos subyacentes. La monitorización y el mantenimiento continuos garantizan su alto rendimiento. Nuestros modelos preconfigurados incluyen gestión de modelos integrada, lo que proporciona una forma simplificada de abordar la deriva y el deterioro sin necesidad de amplios conocimientos de IA.
P: ¿Cómo se entrenan los modelos de IA ya preparados?
Sglavo : Ofrecemos dos enfoques para entregar modelos de IA listos para usar. Empecemos con modelos completamente preentrenados. En este caso, nos encargamos de todo: recopilación de datos, entrenamiento del modelo y estimación de parámetros, para que las organizaciones puedan aplicar el modelo a nuevos datos sin necesidad de configuración adicional. La alternativa es ofrecer pipelines personalizables: algunas organizaciones prefieren entrenar los modelos con sus propios datos o los requisitos regulatorios así lo exigen. Proporcionamos modelos de IA como pipelines para estos casos, lo que permite a las empresas procesar sus datos a través del pipeline y estimar parámetros según sus necesidades específicas.
Cuando los datos reales son escasos, como en la detección de fraudes, podemos usar datos sintéticos para entrenar y validar el modelo, garantizando así su capacidad para detectar amenazas emergentes. Ambos enfoques son válidos, y la elección depende de la madurez de la IA de la organización y del nivel de personalización requerido.
P: ¿Existen ganancias de productividad al utilizar modelos de IA ya preparados?
Sglavo : Absolutamente. Los modelos de IA preconfigurados pueden aumentar significativamente la productividad al eliminar los laboriosos pasos de recopilación de datos, desarrollo de modelos y alineación con el negocio. Los modelos están en contenedores, por lo que las organizaciones los integran, introducen datos e implementan con un mínimo esfuerzo. Si se implementa correctamente, un modelo preconfigurado puede entrar en producción en tan solo una semana, acelerando drásticamente la adopción de la IA y reduciendo los gastos operativos.
P: ¿Cómo puede una organización utilizar indicaciones con modelos de IA ya preparados?
Sglavo : Estamos diseñando algunos de nuestros modelos de IA preconfigurados para que admitan indicaciones, lo que facilita la integración con chatbots . Esto permite a las organizaciones interactuar con modelos complejos mediante lenguaje natural sin necesidad de conocimientos avanzados de IA.
Por ejemplo, una gran empresa de bienes de consumo envasados podría querer brindar a los conductores de camiones acceso a modelos de optimización de inventario sin necesidad de que comprendan la IA. Con nuestro marco de trabajo rápido, podrían crear un chatbot sencillo que permita a los conductores consultar el modelo en lenguaje sencillo, haciendo que la información de la IA sea accesible y práctica. Este enfoque reduce las barreras para la adopción de la IA, lo que permite a las organizaciones implementar modelos sofisticados en aplicaciones prácticas del mundo real de forma rápida y eficiente.
En el futuro, estas interfaces conversacionales evolucionarán para permitir un uso más colaborativo de los modelos de IA. En lugar de simplemente responder a consultas, el sistema permitirá a los usuarios definir un objetivo, y el modelo determinará de forma autónoma la mejor estrategia para lograrlo. Esta transición de una IA reactiva a una IA orientada a objetivos mejorará aún más la accesibilidad y la toma de decisiones, convirtiendo a la IA en un aliado aún más valioso en las operaciones comerciales.
P: Muchas organizaciones enfrentan problemas de calidad de datos debido a duplicados, inconsistencias y mala gestión de datos. ¿Cómo puede ayudar un modelo de resolución de entidades?
Sglavo: La resolución de entidades optimiza la integración de datos al identificar y fusionar registros que hacen referencia a la misma entidad, incluso cuando faltan identificadores únicos. No solo ayuda a combinar tablas sin campos clave, sino que también consolida registros duplicados en un único conjunto de datos, garantizando que las personas con múltiples identificadores asignados se reconozcan correctamente como una sola.
Esta capacidad es crucial para la inteligencia del cliente, la detección de fraude, el cumplimiento normativo y la seguridad pública, donde contar con datos confiables, precisos y unificados es esencial para la toma de decisiones.
P: Las regulaciones cambian con frecuencia y, en ocasiones, pueden ralentizar el progreso. ¿Podría explicar cómo los modelos de IA predefinidos pueden ayudar a cumplir con los organismos reguladores?
Sglavo : Imagine que su empresa está comenzando con la IA y se enfrenta a retos regulatorios. Al carecer de experiencia, podría tener dudas sobre el cumplimiento normativo. Además, las regulaciones evolucionan constantemente, y gestionar el cumplimiento normativo puede ser un esfuerzo tan significativo como desarrollar el propio modelo de IA. El tiempo y el gasto necesarios para satisfacer las necesidades regulatorias a menudo igualan o incluso superan el esfuerzo de creación del modelo, especialmente en jurisdicciones altamente reguladas como la Unión Europea .
Los modelos de IA preconfigurados ayudan a las organizaciones a cumplir con los requisitos regulatorios sin la carga de desarrollar marcos de cumplimiento desde cero. Utilizamos nuestra experiencia y propiedad intelectual para garantizar que nuestros modelos no solo resuelvan problemas específicos de la industria, sino que también se ajusten a los estándares regulatorios más recientes. Cuando las empresas adoptan un modelo preconfigurado, pueden confiar en que cumple con los requisitos de cumplimiento, lo que reduce los riesgos legales y operativos.
Además, algunos de nuestros modelos incluyen datos para completar las tarjetas de modelo: documentación completa que proporciona metadatos esenciales sobre el modelo, incluyendo su propósito, métricas de rendimiento y consideraciones éticas. Esto garantiza la transparencia, la explicabilidad y la confianza, lo que facilita que las organizaciones demuestren su cumplimiento ante los organismos reguladores.
P: Las regulaciones también varían según el país y la región, lo que puede ser difícil de comprender. ¿Existe alguna forma de regionalizar los modelos según las particularidades de las leyes?
Sglavo : Sí, absolutamente. Regionalizar los modelos de IA para el cumplimiento normativo ahorra tiempo y dinero al garantizar el cumplimiento de las diferentes normativas. Un modelo aceptable en Estados Unidos podría no cumplir con los estándares legales de Alemania, como las estrictas normas de privacidad de datos del RGPD. Al integrar los requisitos de cumplimiento durante la capacitación, utilizamos nuestra propiedad intelectual y experiencia para desarrollar modelos específicos para cada región. Este enfoque minimiza el riesgo, acelera la adopción y permite una implementación segura en todos los mercados sin obstáculos regulatorios.
P: ¿Qué sigue para los modelos de IA ya preparados?
Sglavo : La tecnología de IA evoluciona rápidamente y los modelos predefinidos seguirán impulsando su adopción en todos los sectores. Estos modelos ya están acelerando casos de uso en la detección de fraudes, la optimización de la cadena de suministro, la gestión de entidades, la conversión de documentos y la integridad de los pagos de atención médica. A medida que las organizaciones buscan una rentabilidad más rápida y tienen dificultades para integrar la IA en sus sistemas heredados, los modelos predefinidos ofrecen una solución escalable para mantener el negocio en marcha.
De cara al futuro, seguiremos innovando con nuestro equipo de modelado de IA, aprovechando nuestra amplia experiencia en el sector y nuestra propiedad intelectual para ampliar el impacto de la IA en los sectores público y privado. El futuro de la IA consiste en hacer que la tecnología innovadora sea más accesible, y los modelos predefinidos están a la vanguardia de esa transformación.
