Suscríbete

El reto de la IAg en 2024: la gestión del dato

El reto de la Inteligencia Artificial generativa en 2024 es la gestión del dato

¿Dónde están los datos? ¿Hay suficiente número de datos diversos y de calidad? ¿Cómo depurarlos, entrenarlos y alimentarlos? Estos son algunos interrogantes de la mayoría de las empresas, al comienzo de 2024, para conseguir un uso ético de los datos, sin sesgos y respetuoso con la privacidad de datos.

Madrid, 3 de enero. La clave de la Inteligencia Artificial generativa (IAg) -GenAI por sus sigla en inglés- reside en una palabra común cuyo potencial desconocíamos hasta hace unos meses: el dato.  En la tercera acepción de la RAE, se define dato como “la información dispuesta de manera adecuada para su tratamiento por una computadora”. La gran novedad clave, a partir de este año, es que esa computadora pasará a ser cuántica, con sus ventajas e inconvenientes: sustituir los bits por qubits permitirá realizar cálculos que un ordenador tradicional sólo podría completar en mucho tiempo, pero persiste el riesgo de caer en errores con mucha facilidad.

El dato, ‘materia prima’ de la IA

IAg puede convertirse en la conexión que faltaba en el procesamiento de los datos, como explica Armando Polo, socio responsable de Consultoría Tecnológica en PwC. “Permite ayudar a dar valor a los datos de forma más rápida y con mayor profundidad e incluso, en muchos proyectos, puede llegar a ser el ingrediente definitivo para conseguir una relación coste / beneficio atractiva”, asegura basándose en el estudio de la firma Emerging Technology Survey 2023.

Dicho estudio señala que, en 2024, el 44% de los ejecutivos encuestados planifican implementar iniciativas de modernización de datos en 2024 para aprovechar mejor la IA generativa. Este cambio afecta a los cargos intermedios, que necesitarán capacitarse para supervisar y evaluar a los equipos que se alimenten de la IA, a los responsables funcionales  -que tendrán que entender cómo la IA puede no sólo mejorar los procesos, sino sustituirlos- y a la alta dirección -que deberá tomar la iniciativa para impulsar nuevos modelos de negocios basados en IA-.

El dato, la materia prima de la IA para aprender patrones, realizar predicciones y tomar decisiones requiere un protocolo minucioso, como explica Chat GPT:

  1. Entrenamiento de Modelos: Para que un modelo de IA sea capaz de realizar tareas específicas, primero debe ser entrenado con grandes cantidades de datos relevantes. En esta fase es muy importante que el modelo ajuste sus parámetros para capturar patrones y características importantes presentes en los datos de entrenamiento.
  2. Calidad de los datos: los modelos de IA pueden ser altamente sensibles a la calidad de los datos de entrada -los datos incorrectos, incompletos o sesgados pueden llevar a resultados inexactos o discriminatorios-.
  3. Cantidad de datos: cuando se trata de modelos complejos o tareas difíciles requieren grandes conjuntos de datos para entrenar adecuadamente el modelo y evitar el sobreajuste.
  4. Variedad de datos: hay que alimentar el modelo con una amplia variedad de ejemplos para mejorar su capacidad para generalizar y manejar situaciones nuevas.
  5. Preprocesamiento de datos: es necesario limpiar y normalizar los datos -por ejemplo. eliminar valores atípicos, normalizar escalas y codificar variables categóricas-.
  6.  Actualización continua: los modelos de IA funcionarán mejor si se actualizan los datos de forma continua, especialmente en entornos donde las condiciones cambian con el tiempo.
  7. Ética y sesgo: la recopilación y selección de datos pueden introducir sesgos, algo que hay que tener en cuenta para garantizar que los modelos de IA sean justos y equitativos.
  8. Privacidad de los datos: la recopilación y el uso de datos en la IA deben cumplir con las regulaciones de privacidad y protección de datos.

Junto a la calidad, la seguridad y la integración de datos, Microsoft Copilot añade otras dos importantes variables: 

  • Clasificación de datos. Esta variable queda clara a través de ejemplos: resolución de identidad/identidad (¿se trata de un humano o de un bot y, si es humano, de cuál?), el cotejo, la extracción de datos (¿cuáles son los datos más importantes de este expediente judicial?), etc. 
  • Catalogación. La IA puede automatizar las búsquedas en diversos depósitos de datos y crear catálogos automáticamente, capturar cualquier metadato que exista en la documentación del sistema y describir el origen de los datos -dónde se originaron, quién los creó, cómo se han modificado y dónde residen actualmente-.
Siempre nos quedará lo humano 

Al hilo del épico final de Casablanca, siempre nos quedará la inteligencia humana frente a muchas tareas que se escapan a la IAg, destaca el artículo Cómo está mejorando la Inteligencia Artificial la gestión de datos, publicado en la revista del Massachusetts Institute of Technology (MIT):

  • Crear una estrategia de datos y decidir cuáles son los más importantes para una empresa.
  • Crear una cultura basada en los datos.
  • Calibrar sensores o equipos.
  • Desarrollar políticas y estructuras de gobernanza de datos.
  • Definir términos empresariales clave o establecer un lenguaje común.
  • Determinar si una organización utiliza datos correctos o incorrectos para resolver un problema.
  • Recomendar dónde debe almacenar y procesar la organización sus datos.
  • Sancionar a quienes cometan infracciones de ciberseguridad o fraudes relacionados con los datos.
I Estudio sobre el uso de la IA en RR.HH.

Hemos lanzado el I Estudio sobre la IA en el área de Recursos Humanos: ¿Realidad o ficción? para descubrir qué están haciendo las empresas españolas. Cumplimenta la encuesta y compartiremos contigo los resultados sobre la capacidad de la IA para transformar el departamento de Recursos Humanos.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

es_ESSpanish
Scroll al inicio