El Cognitómetro y la relación entre las áreas de Negocio y de TI
Buenos días y gracias por estar aquí de nuevo. Este es el 2do artículo de la colección de Cognitive Systems, donde vamos a relacionar el Cognitómetro con las herramientas de Inteligencia Artificial (IA) y la Organización, y las Areas de Negocio con las Áreas de TI, en el contexto de IA.
Si desea leer el 1er artículo, puede leerlo aquí.
Como vemos en el Cognitómetro, las cargas de trabajo de Inteligencia Artificial están relacionadas directamente con las Áreas de Negocio de las empresas (LOBs, Line of business), mientras que las de infraestructura están relacionadas con las áreas de TI. Ejemplos de LOBs son las áreas de Satisfacción del Cliente, Compras, Cadena de Suministros (Supply Chain), Fidelización, Nuevos Clientes, en un banco podrían ser Productos de Crédito o Seguros, etc. Estas áreas tienen sus “procesos de negocio”, usualmente definidos en el marco de una Arquitectura Empresarial o Arquitectura Corporativa (en inglés es “Enterprise Architecture”).
Las áreas de TI, como el nombre lo indica, refieren directamente a disciplinas relacionadas con elementos de Tecnología de Información. Estos elementos pueden ser de hardware, como servidores, dispositivos de almacenamiento, micro-informática (PCs), redes, y sistemas operativos, pues son los elementos de software de más bajo nivel. También se pueden referir a software de base, motores de bases de datos, servidores de aplicaciones, herramientas de monitoreo y middleware. O software de alto nivel, como aplicaciones de ERP, CRM, enlatados, de ISVs, desarrollos in-house o a medida.
Uno de los desafíos que se presentan habitualmente en las organizaciones es la integración entre estos mundos ya que tienen dinámicas diferentes. La adopción de tecnologías cognitivas puede ayudar en este proceso. Veamos cómo.
En los proyectos de Inteligencia Artificial, las áreas de LOBs, que en el gráfico están en el sector “BIZ” (por “business”) se integran con las áreas de “TI” a través de nuevas áreas que están apareciendo en las organizaciones. Éstas son, por ejemplo, “Innovación” o “Transformación Digital”, y pueden tener nombres diferentes según la organización y la industria. Las más maduras en IA ya cuentan con áreas de Ciencia de Datos (DS) y las que aún no tienen esta área, pueden contratar servicios tercerizados en forma temporal, o empezar a darle más responsabilidades a las áreas de Data-Warehouse (DWH) o Business Intelligence (BI). Estas dos son las candidatas naturales para evolucionar hacia Ciencia de Datos porque sus actividades tienen relación con los datos. Están mejor posicionados que las áreas de TI para esta nueva disciplina, pero hay diferencias importantes y para salvarlas se requiere entrenamiento adicional y la utilización de herramientas específicas.
Entonces, cuando un LOB quiere implementar un proyecto de IA habitualmente recurre a TI, pero estos recursos tienen un altísimo conocimiento sobre infraestructura de TI, no sobre DS. Por eso surgen estas áreas intermedias o integradores que aparecen en el gráfico.
¿Y qué es la Inteligencia Artificial?
Hay varias definiciones, pero una de las más aceptadas dice que la Inteligencia Artificial es una disciplina en la que las máquinas son capaces de emular la inteligencia humana. En los años ’90, la forma tradicional de implementar IA era con Sistemas Expertos, pero desde hace unos 15 o 20 años se ha masificado el uso de una disciplina que se llama Machine Learning (ML), que en castellano se traduce como “Aprendizaje de Máquinas”.
Un caso especial de ML es Deep Learning (DL), que en castellano es “Aprendizaje Profundo”. Mientras que ML utiliza algoritmos, DL utiliza una estructura llamada Redes Neuronales. Ambas son formas de “aprendizaje”. ML se utiliza principalmente con analítica de datos y DL se utiliza para Visión Artificial y en algunos casos, para analítica de datos también. En el próximo artículo vamos a desarrollar estos conceptos.
Espero que este artículo haya sido útil para usted. Agradezco sus comentarios abajo y su tiempo al leerlo.
Lea el artículo anterior de la serie aquí.