5 Pasos Para Implementar IA en tu Negocio Sin Romper el Banco

5 pasos infalibles para implementar IA en tu negocio sin afectar tu presupuesto

La inteligencia artificial sigue en auge, y si continúa permeando en todas las industrias, transformará por completo la forma en que vivimos.

Como resultado de esto, integrar IA en sus empresas se ha convertido en una prioridad máxima para muchos fundadores. Incluso los individuos buscan formas de aprovechar la IA para mejorar sus vidas personales.

La emoción es tal que Collins Dictionary, una autoridad lingüística emblemática, ha nombrado a IA como el término del año, debido a su aumento en popularidad.

Dicho esto, para la mayoría de las organizaciones, hay una gran brecha entre la idea y la realidad al intentar incorporar IA en sus procesos, porque el camino no es tan directo como parece y puede ser muy costoso, tanto en términos de gastos de capital necesarios como en tiempo desperdiciado, ya que los desarrollos no traerán los resultados esperados. Esto ha llevado a varios negocios en problemas. Por ejemplo, CNET experimentó con artículos escritos por IA, y resultaron estar llenos de fallas. Otras compañías, como iTutor Group, han enfrentado multas cuantiosas además del ridículo público debido a sus malas implementaciones de IA.

• 9 Sesiones de ODSC West de las que no podemos dejar de hablar
• Usando los GPT, el creador de aplicaciones de IA personal sin código de OpenAI
• ¿Cómo vencer las probabilidades como una startup de IA?

Estos casos demuestran que los negocios pueden cometer muchos errores con la IA, y a menos que una empresa tenga el respaldo financiero de Amazon, Google, Microsoft o Meta, estos experimentos fallidos pueden llevar efectivamente a la quiebra a una empresa.

Si eres fundador o propietario de un negocio, aquí tienes una guía con cinco pasos para ayudarte a implementar la IA en tu empresa, a la vez que aprovechas prudentemente tus recursos: dinero y tiempo, que en última instancia es dinero, y al mismo tiempo reduces la posibilidad de cometer errores fatales.

1. Tener claridad sobre el problema que intentas solucionar

Ninguna empresa es inmune a los fracasos de la IA. Y como Amazon encontró dolorosamente, a través de sus tiendas sin cajeros, Amazon Go, no todos los casos de negocios necesitan IA.

Por lo tanto, es fundamental que definas el problema que estás tratando de resolver con la IA. Esto debe ser delineado lo más claramente posible.

Por ejemplo, una aplicación común de la IA es el soporte al cliente. Implementar la IA en un caso así es posible de una manera que tenga resultados específicos, por ejemplo, reducir los costos del centro de llamadas en X cantidad de dinero al mes o acelerar el tiempo promedio que se tarda en resolver las consultas de los clientes en X minutos. Con este enfoque, tenemos un indicador medible en forma de dinero o tiempo, que intentaremos alcanzar implementando IA y veremos si esto tiene algún impacto.

Hay varias formas en las que esto podría suceder. Por ejemplo, en lugar de un chatbot, podemos desarrollar o comprar un servicio que determinará si la consulta de un cliente puede ser respondida con una página de preguntas frecuentes. Funcionará así. Cuando un cliente escribe un mensaje, ejecutamos este modelo y nos dice si necesitamos transferir esta conversación a un agente, o les muestra una página relevante con una respuesta a su pregunta. Desarrollar este modelo es más rápido y más barato que construir un chatbot complejo desde cero. Si esta implementación tiene éxito, lograremos nuestro objetivo de reducir costos mientras optimizamos nuestros gastos de capital relacionados con la IA, en comparación con el gasto de desarrollar un chatbot.

Un pionero en este enfoque fue Matten Law, un bufete de abogados ubicado en California, que integró un asistente impulsado por IA para automatizar muchas tareas, lo que permitió a los abogados dedicar más tiempo a escuchar a los clientes y estudiar aquellos aspectos de un caso que eran más relevantes. Esto demuestra que incluso los sectores más rígidos pueden ser interrumpidos a través de la IA de manera que refuerce la experiencia del usuario, amplificando el toque humano donde más se necesita.

Problemas comunes adicionales que podrían abordarse con la ayuda de la IA incluyen el análisis de datos y la creación de ofertas personalizadas. Spotify es un ejemplo extraordinario de una empresa que aprovecha con éxito la IA para desarrollar un sistema inteligente de recomendaciones de música, que llega incluso a tener en cuenta la hora del día en que alguien escucha un género específico.

En ambos escenarios mencionados anteriormente, la IA está ayudando a proporcionar una mejor experiencia para el cliente. Sin embargo, la razón por la que estas empresas utilizaron la IA con éxito fue porque tenían muy claro los aspectos que debían delegar en la IA.

2. Decide los datos que necesitarás analizar

Una vez que el problema principal esté bien definido, debemos tener en cuenta los datos con los que necesitaremos alimentar el sistema. Es importante recordar que la IA es un algoritmo que analiza y se ajusta a los datos que le proporcionamos. El escenario básico para la recopilación de datos es el siguiente:

1. Comprender qué datos podríamos necesitar para implementar la IA.

2. Ver si nuestro negocio cuenta con esos datos.

   1. Si los tiene, genial.

   2. Si no los tiene, necesitamos sentarnos y averiguar si podemos comenzar el proceso de recopilación de datos correcto dentro de nuestra propia empresa. Como otra posibilidad, podemos pedirles a los desarrolladores que guarden los datos que necesitamos si aún no lo estamos haciendo.

Aquí tienes un ejemplo. Tenemos una cafetería y necesitamos datos sobre cuántos clientes la visitan. Podemos hacer esto implementando tarjetas de lealtad personalizadas que los usuarios presentarán al realizar una compra. De esta manera, tendremos los datos que necesitamos, como qué clientes vinieron, cuándo vinieron, qué compraron y en qué cantidad. Una vez que tengamos eso, podemos utilizar estos datos para implementar la IA. Sin embargo, a veces recopilar estos datos puede ser muy costoso. Y ahí es donde la IA puede venir a nuestro rescate. Por ejemplo, si tenemos una cámara instalada en nuestra cafetería, que podríamos tener al menos por motivos de seguridad, podríamos aprovecharla para recopilar datos de nuestros clientes. Debo decir que antes de implementar esto, es importante consultar las leyes sobre protección de datos personales, como el RGPD, ya que este enfoque no funcionaría en todos los países. Pero en aquellas jurisdicciones en las que esté permitido, esta puede ser una forma sencilla de recopilar la información que necesitas y solicitar la ayuda de la IA para analizarla y procesarla.

Si te preguntas, este programa de lealtad personalizada es lo que hizo Starbucks, con gran éxito. El esquema de recompensas de Starbucks llegaba al punto de proporcionar incentivos personalizados cada vez que un cliente visitaba su ubicación preferida o pedía su bebida favorita.

3. Define una hipótesis

Puede haber situaciones en las que te sientas inseguro acerca de qué procesos pueden o necesitan ser optimizados mediante la IA.

Si este es tu caso, puedes comenzar desglosando todo tu proceso en etapas e identificando aquellas fases en las que sientas que tu negocio está rindiendo por debajo de lo esperado. ¿En qué áreas estás gastando demasiado dinero? ¿Qué está llevando más tiempo de lo habitual? Al responder a estas preguntas, puedes señalar las áreas críticas para mejorar y decidir si la IA puede ser de ayuda.

Como descubrirás, hay ocasiones en las que las soluciones convencionales pueden ser más efectivas. Si tienes dificultades para decidir qué ofertas de productos destacar para tus clientes, las sugerencias basadas en los productos más populares suelen ser mucho más eficaces en los sistemas de recomendación del mercado que intentos de prever el comportamiento del usuario. Por lo tanto, pruébalo primero. Una vez que tengas un resultado, ya sea positivo o negativo, podrás tener una hipótesis para probar con la IA. De lo contrario, el campo de acción será demasiado vago y podrías terminar perdiendo tiempo y dinero.

4. Aprovecha las soluciones que ya existen

Muchas empresas intentan diseñar algoritmos de machine learning por sí mismas de inmediato. Sin embargo, si no planeas entrenarlos con conjuntos de datos significativos durante un período prolongado de tiempo, no lo hagas. Será muy caro y llevará mucho tiempo.

En su lugar, te sugiero que te centres en soluciones que ya estén disponibles. Empresas como Amazon, Google, Microsoft y muchas otras tienen herramientas impulsadas por IA que pueden ayudarte a lograr muchos objetivos. Luego, gradualmente, podrías firmar un contrato con una de ellas y contratar a un desarrollador interno para configurar hábilmente las solicitudes de API necesarias.

La idea básica es que estas herramientas se pueden integrar por parte de desarrolladores de negocios (no especialistas en ML), lo que nos permitirá probar rápidamente la hipótesis de si la IA brinda el efecto esperado o no. Si falla en hacerlo, simplemente podemos desactivar estas herramientas y nuestro costo de probar nuestra hipótesis será solo el tiempo del desarrollador que pasamos integrando ese servicio y la cantidad que pagamos por usar la herramienta. Si estuviéramos desarrollando un modelo, gastaríamos el salario del especialista en ML multiplicado por la cantidad de tiempo que pasa desarrollando el modelo, además de cualquier costo de infraestructura. Y luego no está claro qué hacer con el desarrollador y el modelo si, al final, el efecto esperado no está presente.

Si nuestra hipótesis se confirma y la herramienta impulsada por IA tiene el efecto esperado, nos alegramos y planteamos una nueva hipótesis. En el futuro, si prevemos que los costos de la herramienta aumentan significativamente, podemos considerar desarrollar este modelo nosotros mismos y así reducir aún más los costos. Pero primero debemos evaluar si el costo de desarrollo es realmente menor que lo que pagaríamos por usar una herramienta de otra empresa especializada en el desarrollo de estas herramientas.

Mi consejo es que solo consideres desarrollar tu propio producto de aprendizaje automático después de haber obtenido buenos resultados utilizando IA con las herramientas mencionadas anteriormente, y una vez que estés seguro de que la IA es la forma correcta de resolver tu problema a largo plazo. De lo contrario, tu proyecto de ML no entregará el valor que estás buscando, y como dijo recientemente un brillante artículo de la Harvard Business Review, la histeria de la IA solo te distraerá de tu misión, que no necesita IA.

5. Consulta con especialistas en IA

En la misma línea, otro error muy común que cometen los fundadores y propietarios de negocios es que tratan de hacer todo internamente. Contratan a un ingeniero jefe o investigador de IA y luego a más personas para formar un equipo que pueda crear un producto de última generación. Sin embargo, esa tecnología será inútil para el propósito de tu empresa si no tienes una estrategia de implementación de IA adecuadamente definida. También hay ocasiones en las que contratan a un Ingeniero de ML Junior para ahorrar dinero en comparación con contratar a un especialista más experimentado. Esto también es peligroso, porque una persona sin experiencia puede desconocer los matices del desarrollo y diseño de sistemas de ML y cometer “errores de principiante” por los cuales la compañía tendrá que pagar un precio demasiado alto, que casi siempre excede el precio de contratar a un especialista en ML experimentado.

Por lo tanto, mi recomendación es que primero contrates a un experto en IA, como consultor, que te guíe en el proceso y evalúe tu proceso de adopción de IA. Aprovecha su experiencia para asegurarte de que el problema en el que estás trabajando requiere IA y que la tecnología se puede escalar de manera eficaz para demostrar tu hipótesis.

Si eres una startup en etapa inicial y te preocupa la financiación, un truco para esto es contactar a ingenieros de IA en LinkedIn con preguntas específicas. Aunque parezca mentira, muchos expertos en ML e IA disfrutan ayudando, tanto porque están realmente interesados en el tema como porque, si logran ayudarte, pueden usarlo como un caso de estudio positivo para su cartera de consultoría.

Pensamientos finales

Con toda la histeria que rodea a la IA, es normal que estés ansioso por incorporarla a tu negocio y desarrollar una solución impulsada por IA que te lleve al siguiente nivel. Sin embargo, debes tener en cuenta que el hecho de que todos estén hablando de IA no significa que tu negocio necesite IA. Muchas empresas, desafortunadamente, se apresuran a integrar IA sin un objetivo claro en mente y terminan desperdiciando enormes cantidades de dinero y tiempo. En algunos casos, especialmente para las empresas en etapa inicial, esto puede significar su desaparición. Al articular claramente un problema, recopilar datos relevantes, probar una hipótesis y utilizar las herramientas que ya están disponibles con la ayuda de un experto, puedes integrar IA sin agotar los recursos financieros de tu empresa. Después, si la solución funciona, puedes aumentar gradualmente y utilizar IA en aquellas áreas en las que aumente la eficiencia o rentabilidad de tu empresa.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!