La inteligencia artificial ya está impulsando gran parte de la tecnología que ayuda a impulsar la economía moderna. La IA es ahora una parte esencial de cómo usamos Internet, pero también se puede encontrar en las bolsas de valores. fábricas avanzadas y almacenes automatizados. Está empezando a conducir nuestros coches e incluso a aspirar nuestros suelos. Y, sin embargo, solo una fracción de las empresas que pueden beneficiarse significativamente de la IA están explotando este enfoque para ayudar a ofrecer sus productos y servicios.

Una razón importante de esto es la falta de datos de alta calidad. Gigantes tecnológicos como Google, Microsoft y Amazon han logrado grandes avances en inteligencia artificial, desarrollando software para responder a nuestras preguntas e identificar lo que hay en nuestras fotos, debido a sus vastas operaciones de recopilación de datos. Pero muchas industrias establecidas que podrían beneficiarse de la inteligencia artificial y la robótica avanzada están luchando por reunir, gestionar y utilizar datos de forma útil.

Tener datos de alta calidad y confiables es clave para ayudar a las empresas a comprender mejor sus mercados y clientes y permitir la toma de decisiones automatizada. A nivel de infraestructura, Los datos pueden orientar a los planificadores y desarrolladores y ayudar a optimizar el uso y el mantenimiento de los edificios. carreteras y ferrocarriles. Esto también podría ayudar a reducir las emisiones de carbono al hacer que nuestra infraestructura dure más y funcione de manera más eficiente. ayudando a reducir el desperdicio de energía y el tráfico innecesario.

Fundación de la IA

Los datos son, simplemente, la base de la inteligencia artificial. Para entrenar a la IA para que realice una tarea específica, Por lo general, necesita ejecutar datos de muestra a través de sus algoritmos de aprendizaje progresivo para que pueda adaptarse y mejorar su capacidad para reconocer patrones y responder en consecuencia. Luego, algo de inteligencia artificial puede automatizar el proceso repetitivo de descubrir información útil a partir de nuevos datos e incluso mejorar la detección de patrones que los humanos o identificar cosas que nunca podríamos. En algunos casos, cuantos más datos procesa la IA, mejor aprende a funcionar.

Sin embargo, a pesar de los posibles beneficios, La investigación muestra que en algunos sectores tan solo el 10% de las empresas han desbloqueado este tipo de enfoques analíticos avanzados. Industrias como las telecomunicaciones, los servicios financieros y automotrices están tratando de ponerse al día con los gigantes tecnológicos. Pero muchos sectores, incluida la asistencia sanitaria, educación, gobierno y construcción, todavía no están cerca de alcanzar todo el potencial del uso de datos e inteligencia artificial.

Por ejemplo, Acelerar el diagnóstico médico y hacerlo más preciso podría ahorrar US $ 400 mil millones solo en el sector de la salud de EE. UU. Pero las reglas e incentivos correctos para alentar a suficientes personas a compartir sus datos médicos con los desarrolladores de inteligencia artificial aún no se han implementado, por lo que el sector aún no se ha dado cuenta de este potencial.

Entonces, ¿cómo pueden más empresas comenzar a recopilar los datos que les ayudarán a aprovechar al máximo la IA? Por lo general, existen varios problemas clave que pueden frenar a las empresas. Es posible que los datos necesarios no existan, puede ser inaccesible (por ejemplo, porque es privado), puede existir en demasiados lugares, fuentes o formatos para que sean útiles. También puede ser de calidad limitada o no recopilarse para su uso con IA y, por lo tanto, no tener la información correcta.

También puede haber demasiado. A menudo escuchamos sobre el valor de los "macrodatos", conjuntos de datos muy grandes a partir de los cuales se pueden extraer patrones y otros conocimientos útiles. Pero recopilar más datos no siempre conduce a mejores resultados de análisis y, a veces, puede ser innecesariamente complicado y requerir muchos recursos.

Estos problemas a menudo pueden ocurrir porque las empresas no tienen la estrategia o la experiencia adecuadas. Las investigaciones muestran que muchas empresas aún carecen de equipos de datos dedicados para asegurarse de que se recopilen los datos correctos. administrado y luego utilizado correctamente. Sin embargo, Mis colegas y yo hemos realizado recientemente una investigación que muestra que las empresas de tecnología con menos de 50 empleados a menudo utilizan el análisis de datos en gran medida. Esto sugiere que las empresas emergentes innovadoras pueden ser más conscientes del valor de los datos y ser lo suficientemente ágiles para usarlos de manera efectiva en comparación con las grandes empresas tradicionales.

Si las empresas tradicionales y otras organizaciones que podrían beneficiarse más de los datos y la IA quieren poder competir, beneficiarse y construir un mundo sostenible, deben empezar a acoger los datos. Las soluciones de IA solo pueden ser tan buenas como la calidad de los datos sobre los que se basan. Esto significa contratar a las personas adecuadas y establecer las políticas necesarias para recopilar los datos correctos. hazlo accesible, evaluar la calidad y luego utilizarla para desarrollar soluciones de IA. Solo así estas organizaciones estarán en condiciones de aprovechar realmente la próxima revolución industrial.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.