2. Contenido listo para la IA
Tener contenido listo para la IA es otro obstáculo técnico que hay que superar para estar preparado para la IA. El contenido debe seleccionarse para obtener resultados de IA de alta calidad.
"Desarrollar el corpus de datos apropiado tiene sus matices", dijo Davis. “Es necesario desglosar cada parte de un documento y enviarla para el entrenamiento. Esto crea incrustaciones que se utilizan posteriormente en el espacio de la IA generativa. Es un proceso que las organizaciones deben entender y para el que deben estar preparadas".
Por ejemplo, si un departamento de RR. HH. estuviera preparando su contenido para una plataforma impulsada por la IA, podría identificar ciertos registros con malas etiquetas o un etiquetado deficiente para omitirlos. Una vez que se carga el contenido de calidad, se ejecuta el algoritmo del modelo, el equipo puede entrenar el sistema clasificando la salida y la IA comienza a comprender cuáles son las intenciones del contenido. Luego, podrá empezar a mejorar por sí misma.
3. Gobernanza
La gobernanza se superpone a los estados de preparación técnica y empresarial. Las organizaciones tienen una gran responsabilidad en términos de gobernanza de la IA. Desde la supervisión del acceso a los datos y la detección de incursiones maliciosas hasta la garantía de prácticas de IA responsables en toda la organización, contar con normas estrictas permite a las organizaciones implementar la IA de forma segura.
Al incorporar la IA en los productos y las operaciones diarias, las organizaciones deben desarrollar directrices claras para que los equipos de productos y los empleados mitiguen los riesgos relacionados con la IA en diferentes aspectos del negocio.
Un comité de IA también puede ayudar a supervisar la incorporación e implementación de la IA y garantizar que las directrices reflejen los avances tecnológicos y los cambios en la legislación.
Adherirse los estándares de seguridad y cumplimiento de una organización es esencial. Dada la gran dependencia de la IA de los datos, contar con políticas sólidas y con las herramientas técnicas adecuadas proporciona una base sólida para una implementación segura de la IA.
4. Ética
“La ética es algo muy serio para nosotros”, dijo Davis. "Hay que tener una base ética: es fundamental para ofrecer una IA responsable".
Davis explicó que la ética es un punto común de preocupación entre los clientes y en las solicitudes de propuestas. La honestidad, el sesgo y la capacidad de dar explicaciones son facetas de este componente de la preparación de una empresa.
"Si un motor de IA va a tomar una decisión o dar una recomendación, los clientes deben poder entender cómo llegaron a esa conclusión y qué puntos de referencia y evaluaciones muestran que estas conclusiones son precisas", dijo Davis. “Estar preparado desde un punto de vista ético significa tener barandillas instaladas”.
Los estándares de IA de Hyland incluyen transparencia, propiedad de datos, honestidad, resultados verificables, privacidad y seguridad, y gobernanza.
Las empresas preparadas para la IA pueden obtener resultados de IA de alta calidad con datos éticos, así como controlar factores como los sesgos. Los modelos de IA también deben poder defenderse de situaciones en las que los usuarios podrían intentar utilizar consignas falsas para recibir información a la que no deberían tener acceso.
Las implicaciones son muy reales para muchas industrias, en particular los servicios financieros, los seguros y la educación superior. Hay mucho en juego, desde las prácticas históricas de denegación de préstamos hasta las reclamaciones de seguro fraudulentas y las evaluaciones de los estudiantes, y los datos que alimentan un modelo de IA deben protegerse contra los sesgos y los datos contaminados.
5. Competencias
Con la aparición de capacidades de IA en tecnologías nuevas y conocidas en todos los sectores, las organizaciones no pueden hacer realidad plenamente sus ambiciones de IA sin contar con las personas adecuadas que las lleven a la meta. La competencia por el talento con habilidades de IA es feroz y ha creado una brecha de talento que abarca desde ingenieros y científicos de datos hasta usuarios empresariales que necesitan conocimientos de IA que tengan aplicaciones prácticas. Las organizaciones están ansiosas por incorporar a personas muy capacitadas, pero los expertos en IA señalan que la mejora de las habilidades es otra opción.
"Creemos que todos los miembros de la organización deben mejorar desde la perspectiva del conocimiento sobre la IA", dijo Davis. "Veremos que las empresas se centrarán más en los presupuestos, así como en el esfuerzo y el tiempo que se necesitan para mejorar el nivel de sus empleados, de modo que puedan aprovechar la IA y utilizarla para obtener un ROI".