5 pasos para implementar la IA en su negocio sin gastar mucho dinero

La inteligencia artificial sigue en auge y, si continúa permeando en todas las industrias, transformará por completo nuestra forma de vivir.

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

El revuelo es tal que el Diccionario Collins, una autoridad lingüística histórica, ha nombrado La IA como término del año, debido a su aumento de popularidad.

Dicho esto, para la mayoría de las organizaciones existe una enorme brecha entre la idea y la realidad cuando intentan incorporar IA en sus procesos, porque el camino no es tan sencillo como parece y puede resultar muy costoso, tanto en términos de gastos de capital como de inversión. necesario y en tiempo perdido, porque los avances no producirán los resultados esperados. esto ha aterrizado varios negocios en problemas. Por ejemplo CNET experimentó con artículos escritos por IA, y resultaron estar llenos de defectos. Otras empresas, como iTutor Group, han enfrentado fuertes multas además del ridículo público por sus malas implementaciones de IA.

Como muestran estos casos, las empresas pueden cometer muchos errores con la IA y, a menos que una empresa tenga el colchón financiero de Amazon, Google, Microsoft o Meta, estos experimentos fallidos pueden llevar a una empresa a la quiebra.

Si es fundador o propietario de un negocio, aquí tiene una guía con cinco pasos que lo ayudarán a implementar la IA en su negocio, mientras hace un uso prudente de sus recursos (dinero y tiempo, que en última instancia es dinero) y reduce la posibilidad de accidentes fatales. errores.

1. Ten claro el problema que estás intentando solucionar

Ninguna empresa es inmune a los fallos de la IA. Y como Amazon descubrió dolorosamente –a través de sus tambaleantes tiendas sin cajero Amazon Go–No todos los casos de negocio necesitan IA.

Por lo tanto, es fundamental que defina el problema que pretende resolver con la IA. Esto debe quedar lo más claro posible.

Por ejemplo, una aplicación común de la IA es la atención al cliente. Implementar la IA en tal caso es posible de una manera que tenga resultados específicos, por ejemplo, reducir los costos del centro de llamadas en X cantidad de dinero por mes o acelerar el tiempo promedio que lleva 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 mediante la implementación de IA y ver si esto tiene algún impacto.

Hay varias maneras de lograr esto. Por ejemplo, en lugar de un chatbot, podemos desarrollar o adquirir un servicio que determine si la consulta de un cliente puede responderse con una página de preguntas frecuentes. Funcionará así: cuando un cliente escribe un mensaje, ejecutamos este modelo y nos indica que debemos transferir la conversación a un agente o le muestra una página relevante con la respuesta a su pregunta. Desarrollar este modelo es más rápido y económico que crear un chatbot complejo desde cero. Si esta implementación tiene éxito, lograremos nuestro objetivo de reducir costos y optimizar la inversión en IA, en comparación con el gasto que supone desarrollar un chatbot.

Un pionero en este enfoque fue Matten Law, una firma de abogados con sede en California que integró un sistema impulsado por IA asistente para automatizar muchas tareas, permitiendo a los abogados dedicar más tiempo a escuchar a los clientes y estudiar aquellos aspectos de un caso que eran más relevantes. Esto ilustra que incluso los sectores más rígidos pueden verse alterados a través de la IA de una manera que refuerce la experiencia del usuario, amplificando el toque humano donde más se necesita.

Otros problemas comunes 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 musicales, que llega hasta teniendo en cuenta la hora del día en la que alguien escucha un género específico.

En los dos escenarios mencionados anteriormente, la IA ayuda a brindar una mejor experiencia al cliente. Sin embargo, la razón por la que estas empresas utilizaron la IA con éxito fue porque tenían muy claro los aspectos que debían delegarse a la IA.

2. Decide los datos que necesitarás analizar

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

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

2. Ver si nuestro negocio tiene esos datos.

   1. Si es así, genial.

   2. De lo contrario, debemos analizar si podemos iniciar el proceso de recopilación de datos adecuado internamente. Otra posibilidad es pedir a los desarrolladores que guarden los datos necesarios si aún no lo estamos haciendo.

He aquí un ejemplo. Tenemos una cafetería y necesitamos datos sobre cuántos clientes la visitan. Podemos lograrlo implementando tarjetas de fidelización personalizadas que los usuarios presentarán al realizar una compra. De esta forma, tendremos los datos necesarios, como qué clientes vinieron, cuándo lo hicieron, qué compraron y en qué cantidad. Una vez que los tengamos, podemos usar estos datos para implementar IA. Sin embargo, a veces recopilar estos datos puede ser muy costoso. Y es entonces cuando la IA puede venir en nuestra ayuda. Por ejemplo, si instalamos una cámara en nuestra cafetería (al menos por motivos de seguridad), podríamos aprovecharla para recopilar datos de nuestros clientes. Cabe mencionar que, antes de implementar esto, es importante consultar las leyes de protección de datos personales, como el RGPD, ya que este enfoque podría no funcionar en todos los países. Sin embargo, en las jurisdicciones donde está permitido, esta puede ser una forma sencilla de recopilar la información necesaria y utilizar la ayuda de la IA para analizarla y procesarla.

Si te lo estás preguntando, este programa de fidelización personalizado es lo que hizo starbucks, con gran éxito. El programa de recompensas de Starbucks llegó incluso a ofrecer incentivos personalizados cada vez que un cliente visitaba su ubicación preferida o pedía su bebida favorita.

3. Definir una hipótesis

Puede haber situaciones en las que no esté seguro de qué procesos pueden o necesitan ser optimizados por la IA.

Si este es tu caso, entonces puedes comenzar por dividir todo el proceso en etapas e identificar aquellas fases en las que sientes que tu negocio tiene un rendimiento deficiente. ¿Cuáles son esas áreas en las que estás gastando demasiado dinero? ¿Qué está tardando más de lo habitual? Al responder estas preguntas, podrá identificar las áreas críticas de mejora y decidir si la IA puede ser de ayuda.

Como verá, hay casos en los que las soluciones convencionales pueden ser más efectivas. Si tiene dificultades para decidir qué ofertas de productos destacar ante sus clientes, las sugerencias basadas en los productos más populares suelen ser mucho más efectivas en los sistemas de recomendación del mercado que los intentos de pronosticar el comportamiento del usuario. Por lo tanto, inténtalo primero. Una vez que tenga un resultado, ya sea positivo o negativo, podrá tener una hipótesis para las pruebas de IA. De lo contrario, el campo de acción será demasiado vago y se podría acabar perdiendo tiempo y dinero.

4. Aprovechar las soluciones que ya existen

Muchas empresas pretenden, de inmediato, diseñar sus propios algoritmos de aprendizaje automático. Sin embargo, si no planea entrenarlos con conjuntos de datos considerables durante un período prolongado, no lo haga. Será muy costoso y consumirá mucho tiempo.

En lugar de ello, le sugiero que se centre en las soluciones que ya están disponibles. Empresas como Amazon, Google, Microsoft y muchas otras tienen herramientas impulsadas por inteligencia artificial que pueden ayudarlo a lograr muchos objetivos. Luego, gradualmente, podría firmar un contrato con uno de ellos y contratar a un desarrollador interno para configurar hábilmente las solicitudes de API necesarias.

La idea básica es que estas herramientas puedan ser integradas por desarrolladores de negocio (no especialistas en ML), lo que nos permitirá probar rápidamente la hipótesis de si la IA produce el efecto esperado. Si no lo hace, simplemente podemos desactivar estas herramientas, y el costo de probar nuestra hipótesis solo sería el tiempo que el desarrollador dedicó a la integración con ese servicio y el precio que pagamos por usar la herramienta. Si estuviéramos desarrollando un modelo, gastaríamos el salario del especialista en ML multiplicado por el tiempo que dedica a desarrollarlo, además de los costos de infraestructura. Y entonces no queda claro qué hacer con el desarrollador y el modelo si, finalmente, no se obtiene el efecto esperado.

Si nuestra hipótesis se prueba y la herramienta impulsada por IA produce el efecto esperado, nos alegraremos y propondremos una nueva hipótesis. En el futuro, si prevemos que los costes de la herramienta crezcan significativamente, podemos pensar en desarrollar nosotros mismos este modelo, y así reducir aún más los costes. Pero primero debemos evaluar si el costo de desarrollo es realmente menor de lo que pagaríamos por utilizar una herramienta de otra empresa que se especializa en desarrollar estas herramientas.

Mi consejo es que considere desarrollar su propio producto de aprendizaje automático solo después de haber obtenido buenos resultados al utilizar la IA con las herramientas mencionadas anteriormente, y una vez que esté seguro de que la IA es la forma correcta de resolver su problema a largo plazo. De lo contrario, su proyecto de aprendizaje automático no brindará el valor que está buscando y, como dice un brillante artículo reciente de Harvard Business Review, el La exageración de la IA sólo 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 dueños de negocios es intentar hacerlo 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 vanguardia. Sin embargo, esa tecnología será inútil para el propósito de su empresa si no tiene una estrategia de implementación de IA adecuadamente definida. También existe el caso en el que contratan a un ingeniero de ML junior para ahorrar dinero en comparación con contratar a un especialista con más experiencia. Esto también es peligroso, porque una persona sin experiencia puede no conocer las sutilezas del desarrollo y diseño de sistemas de ML y cometer "errores de novato", por los que la empresa tendrá que pagar un precio demasiado alto, casi siempre superior al precio de contratar a alguien con experiencia. Especialista en aprendizaje automático.

Por lo tanto, mi recomendación es que primero contrate a un experto en IA, como un consultor, que lo guiará en el camino y evaluará su proceso de adopción de IA. Aproveche su experiencia para garantizar que el problema en el que está trabajando requiera IA y que la tecnología pueda ampliarse de manera efectiva para probar su hipótesis.

Si es una startup en etapa inicial y le preocupa la financiación, una solución para esto es comunicarse con ingenieros de inteligencia artificial en LinkedIn con preguntas específicas. Lo creas o no, a muchos expertos en ML e IA les encanta ayudar, porque están realmente interesados ​​en el tema y porque, si logran ayudarte, pueden utilizarlo como un estudio de caso positivo para su cartera de consultoría.

Conclusión

Con todo el revuelo que rodea a la IA, es normal que esté ansioso por incorporarla a su negocio y desarrollar una solución impulsada por IA que lo lleve al siguiente nivel. Sin embargo, debe tener en cuenta que el hecho de que todo el mundo hable de IA significa que su empresa necesita IA. Desafortunadamente, muchas empresas se apresuran a integrar la 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, puede integrar la IA sin agotar los recursos financieros de su empresa. Luego, si la solución funciona, podrás escalar e incorporar IA gradualmente en aquellas áreas en las que aumente la eficiencia o rentabilidad de tu empresa.