Blog de Amazon Web Services (AWS)
Transformación e IA
Todos hemos estado ocupados transformándonos durante los últimos años. Ahora está esta gran cosa de la IA. ¿Cómo se relaciona con el resto de nuestra transformación? ¿Deberíamos cambiar o repensar nuestros planes de transformación?La respuesta fácil es no, pero hay algunas sutilezas. Nos transformamos para aumentar nuestra agilidad frente al cambio y aceptamos que el futuro verá grandes cambios e disrupciones. La repentina atención que exige la IA es solo una reivindicación de esa creencia. Incluso usted puede preguntarse a sí mismo: ¿puede su empresa responder de manera rápida y efectiva a la intrusión repentina y disruptiva que representa la IA? Si es así, es posible que esté más avanzado en su transformación de lo que pensaba. Como siempre hemos dicho, responder adecuadamente requiere establecer procesos de gobierno ágiles, capacidad para experimentar, una cultura de innovación y la automatización de las buenas prácticas, la seguridad y la resiliencia que necesita.Profundizando un poco más, creo que la IA requerirá ejercitar algunos de esos músculos transformados que quizás aún no hayamos usado. Vi una gran presentación hace unos días sobre las cosas maravillosas que una empresa podría hacer con la IA generativa al combinar datos de varias de sus bases de datos internas y usarlos para ajustar un LLM. Hmmm, han estado intentando durante años combinar datos de esas bases de datos para alimentar análisis sin éxito. ¡La IA generativa no va a resolver mágicamente ese problema! La IA generativa nos brinda formas revolucionarias de usar los datos para capturar valor. Pero usarlo aún requiere resolver los problemas que siempre hemos tenido, al menos antes de la transformación.
Probablemente hubo varios problemas en la forma de combinar los datos. En primer lugar, los datos probablemente se encuentran tanto en silos técnicos como en silos organizacionales, y los silos organizacionales a menudo abrazan sus datos y evitan felizmente ponerlos a disposición para la integración. En segundo lugar, es posible que la organización no haya diseñado controles de privacidad, por lo que es posible que se requiera mucho trabajo para tomar decisiones de privacidad y establecer medidas de seguridad. En tercer lugar, los datos pueden estar bloqueados en bases de datos heredadas que dificultan su extracción y combinación. En cuarto lugar, la calidad de los datos puede no ser aceptable o puede ser imposible hacer coincidir los registros de una fuente de datos con otra (falta de identificadores comunes).
La quinta consideración puede ser la más importante y la más interesante: una simple falta de inversión en la extracción y combinación de datos. Los departamentos de TI están ocupados creando nuevas funcionalidades; ¡No pueden hacerlo todo! El trabajo involucrado en la combinación de datos dispares podría simplemente no estar en la lista de tareas, o podría no ser una «prioridad«. Este podría estar cayendo a través de grietas de gobernanza o priorización.
Con el objetivo de volverse más ágil, la transformación ya puede ayudar con estas limitaciones. A medida que se actualiza la tecnología heredada, puede resultar más fácil (o consumir menos tiempo) extraer datos y, por lo tanto, no representa un costo de oportunidad tan grande para la capacidad limitada de TI. Hacer que los procesos de gobierno sean más ágiles puede facilitar que la empresa redirija su enfoque para mover los datos ahora que su valor potencial es mayor debido a la IA generativa. El cambio cultural que hace que todos apoyen objetivos empresariales importantes reducirá el abrazo de los datos; un enfoque de privacidad bien diseñado permitirá que los datos estén ampliamente disponibles y, al mismo tiempo, controlará el acceso.
Otra razón por la que la IA no cambia realmente la naturaleza de la transformación digital es que la transformación ya hace que las empresas avancen hacia una mejor gestión de la innovación. Al reducir el costo y el riesgo de la experimentación y cambiar la cultura para fomentarla, las organizaciones están en camino de hacer posible la innovación continua. La IA generativa nos brinda muchas oportunidades nuevas y poderosas para la innovación, y eso es precisamente lo que se necesitará para crear valor empresarial con ella. El éxito con la IA generativa depende en última instancia de la capacidad de innovación de una organización.
Una cosa que es diferente: necesitamos ver la IA no solo como un conjunto de herramientas que podemos usar, sino también como un enfoque completamente nuevo para usar la tecnología para generar resultados de negocio. Siempre hemos sabido que hay tareas que prácticamente no podemos hacer con el software, y hemos trabajado dentro de esas limitaciones. La IA hace posible y práctica toda una nueva gama de aplicaciones. Tome algo tan simple como reconocer dígitos escritos a mano. Ninguno de nosotros podría haber creado un algoritmo y software escrito para hacerlo, al menos, no bien. Para el aprendizaje automático, es una tarea relativamente fácil. Ninguno de nosotros podría haber escrito un software para crear imágenes de vacas fumando puros al estilo de Salvador Dalí. Pero “Stable Diffusion” puede hacerlo bien.
Entonces, AI abre una gama de problemas de negocio que TI no pudo resolver antes. E involucra un modelo completamente diferente de programación y operación. Requiere información sobre si un problema es susceptible de soluciones de IA y si son preferibles a las técnicas tradicionales de TI. Requiere diferentes habilidades, y las organizaciones en transformación necesitarán hacer provisiones para desarrollar esas habilidades.
AI cambia el enfoque de las transformaciones digitales hacia los datos. Como en el ejemplo anterior, debemos encontrar formas de hacer que los datos estén disponibles en toda la empresa, eliminando los silos, desalentando el abrazo de datos, asegurando la calidad de los datos y liberándolos de las tecnologías heredadas. Casi se puede pensar en los datos que desempeñan el papel de código en la IA. Solíamos pensar en la agilidad principalmente en términos de código (poder ajustar lo que estábamos codificando rápidamente cuando cambiaban las necesidades de negocio); ahora podemos pensar en términos de datos y si tenemos fácil acceso a los flujos de datos que necesitamos.
Los datos requieren controles de gobierno diferentes a los del código. Requiere un enfoque bien pensado de la privacidad (un «cambio a la izquierda» en DevOps). Requiere controles para garantizar un comportamiento responsable y precisión (el código es «preciso» cuando pasa su conjunto de pruebas; ¿qué pasa con los datos?). Tendremos que tomar decisiones sobre las brechas de datos, la selección de datos para el entrenamiento y las herramientas que usamos para la gestión de datos.
Como profesión, nos hemos vuelto un poco perezosos con los datos. Hemos permitido que las bases de datos relacionales contengan todos nuestros datos, incluso en los casos en que no los usábamos relacionalmente. Hoy en día, tiene más sentido usar bases de datos de llave-valor, series de tiempo, documentos o bases de datos de grafos para ciertos tipos de datos o simplemente usar datos no estructurados al estilo antiguo. Los datos vienen en muchos medios: con la IA, podemos hacer un buen uso de los datos de imágenes y de sonido.
La transformación digital ofrece la oportunidad de corregir muchas de nuestras prácticas heredadas en torno a la gestión de datos. Al pasar a la nube, las empresas suelen estructurar sus proyectos en «cargas de trabajo». Pero tal vez necesiten orientar sus iniciativas más en torno a los datos y su ubicación y características. Además de refactorizar el código al pasar a la nube, la creciente importancia de la IA sugiere que las empresas también deberían considerar la refactorización de datos.
Podemos suponer que la IA puede estar integrada en todo lo que hacemos y en cada herramienta que usamos. ¿Cambia eso nuestros planes de transformación digital? Difícilmente. La transformación se trata de generar agilidad y capacidad de respuesta al cambio en la organización. Pero AI nos recuerda que la transformación no se trata solo de código e infraestructura, sino también de datos.