La promesa de inteligencia artificial (IA) y aprendizaje automático (ML) en un contexto empresarial es tentadora. De alguna manera, la combinación de inteligencia artificial y big data está ayudando a transformar los sistemas de inteligencia empresarial heredados, y potencialmente a los ejecutivos que los administran.

Pero, ¿qué mejores prácticas se pueden transferir entre los dos y qué sucede a partir de aquí? Kimberly Nevala (izquierda) es directora de estrategias comerciales de SAS, proveedor de análisis de datos, inteligencia empresarial y gestión de datos. AI News se sentó con Nevala antes de su aparición en la AI & Big Data Expo en San Francisco a finales de este mes para conocer lo que SAS está haciendo y estará haciendo en este espacio, y el matrimonio entre Big Data y AI.

–

AI News: ¿Podría definir cuál es su rol de trabajo en los detalles de SAS y su rutina diaria?

Kimberly Nevala: Como asesora estratégica en SAS, mi función abarca la investigación del mercado y la industria, el desarrollo de contenido y el asesoramiento a nuestros clientes actuales y potenciales. En pocas palabras, ayudo a las organizaciones a comprender el potencial de negocios y las realidades prácticas de las tecnologías emergentes como AI y ML.

¿Cuáles son algunas de las iniciativas en las que está trabajando en SAS con respecto a la inteligencia artificial y el aprendizaje automático, y cómo están afectando a los clientes?

Estamos muy enfocados no solo en la continua evolución de las capacidades de AI, sino también en cómo AI / ML se cruza con otros dominios para resolver problemas. Esto incluye mejorar el IQ de IoT a través de análisis. Algunos de nuestros trabajos más recientes han incluido:

Hacer que la IoT sea inteligente al unir sensores y dispositivos con analíticas de transmisión. Por ejemplo, Volvo y Mack Trucks están utilizando los datos de los sensores de su flota en carretera para proporcionar diagnósticos proactivos en tiempo real 75% más rápidos, lo que resulta en menos tiempo de inactividad y menos averías críticas. Los sistemas permiten realizar diagnósticos rápidos e intervenciones desde dirigir a un conductor a un taller de reparación local hasta cargar actualizaciones de software mientras el camión está en la carretera. De manera similar, Konica Minolta Japón aceleró su ciclo PDCA (planear-verificar-actuar) implementando múltiples modelos analíticos que incorporan sensores y fuentes de datos tradicionales para mejorar áreas tan diversas como pronósticos de mal funcionamiento y optimización de la gestión.

La CAO moderna debe ser fluida en la ciencia de la decisión, no solo en la ciencia de datos

En el espacio de participación de clientes más tradicional, Daiwa Securities pudo ofrecer un aumento de 2.7x en las tasas de compra de los clientes y una reducción del 50% en las tasas de salida de los clientes con su nuevo sistema CRM incorporando AI / ML.

También nos apasiona el uso de Datos (y AI) para el Bien. Un gran ejemplo es nuestro trabajo con WildTracks para crear la Herramienta de identificación de huella (FIT). FIT permite el monitoreo no invasivo de animales en peligro de extinción como los guepardos a través del análisis digital de sus huellas.

En su opinión, ¿cómo ha cambiado el panorama tecnológico en los últimos 10 años en términos del aumento de la inteligencia artificial y el big data, y la combinación cada vez mayor de los dos?

La intersección de AI y big data proporciona la capacidad de ofrecer una visión más específica, oportuna y relevante de una manera generalizada e intuitiva ("Alexa, …"). La entrega de esa simplicidad requiere un ecosistema analítico y de datos que es mucho más complicado que hace 10 años.

Con ese fin, la implementación efectiva de análisis de BI a AI es ahora un ejercicio de gestión de cartera. Completo con segmentos de clientes discretos (ejecutivos a científicos de datos), diversos entornos de datos (almacenes a lagos), métodos de desarrollo (desarrollo de informes determinísticos para modelado algorítmico probabilístico dinámico) y un amplio espectro de opciones de implementación (paneles de instrumentos supercargados para detección y respuesta de eventos de transmisión continua) .

¿Cómo se relaciona todo esto con la inteligencia de negocios más tradicional por lo tanto?

Para ser claros: el BI tradicional no se ha ido, se ha vuelto más inteligente y más fácil de acceder. También es una parte indispensable de una sólida cartera de análisis. De hecho, una buena disciplina en torno a BI (medir resultados de manera significativa) es un factor clave de éxito para garantizar que las soluciones avanzadas de AI / ML entreguen el valor deseado.

Uno de los eBooks que ha escrito para SAS para 'Portrait of a CAO' en 2014. ¿Qué ha cambiado entre entonces y ahora? ¿A qué dificultades se enfrentarían las organizaciones que buscan contratar a un director de análisis?

Analytics es cada vez más integral a nuestros procesos de negocio, productos y servicios. Por lo tanto, todos los ejecutivos de hoy deben ser parte de la CAO. Dicho esto, la complejidad en el rol formal de la CAO proviene de la necesidad de gestionar tanto el cambio tecnológico como el organizativo. La CAO moderna necesita tener fluidez en la ciencia de la decisión, no solo en la ciencia de datos. También deben ser colaborativos, capaces de reunir dinámicamente a colectivos de expertos internos y externos para resolver diversos problemas. Todo a la vez que encabeza una vanguardia analítica de élite: investiga continuamente las soluciones emergentes y permite a la organización decidir si, cuándo y cómo obtener valor.

¿Cuál es el caso de uso más emocionante que has visto centrado en AI o ML?

El ambiente es tan dinámico en este momento, es difícil elegir. Estoy más inspirado por el trabajo que estamos haciendo en los dominios de atención de la salud y servicio público. Por ejemplo, proyectos como Proyecto Nevada Saludable que apunta no solo a tratar enfermedades sino a promover la salud. Este proyecto está analizando datos genéticos, clínicos, ambientales y socioeconómicos para comprender mejor la compleja interacción entre estos factores y la salud. También se está realizando un gran trabajo para repensar cómo servimos y protegemos a las poblaciones vulnerables.

Otros casos de uso que encuentro intrigantes son de compañías como Phylagen. Phylagen utiliza la IA para analizar los microorganismos presentes en todas las cosas para identificar dónde se originaron los bienes, materiales e incluso las personas. Esta es una forma muy diferente de ver el problema de la integridad de la cadena de suministro e incluso el tráfico ilícito. Una que (desde mi perspectiva) no necesariamente requiere la participación o el permiso de los fabricantes.

Implementar analíticas de manera efectiva desde BI a AI es ahora un ejercicio de gestión de cartera

Encuentro la capacidad de AI / ML para habilitar un enfoque completamente nuevo para abordar un problema muy antiguo y complejo.

¿Qué podemos esperar de SAS en los próximos 12 a 18 meses en este espacio?

Durante los próximos 12 a 18 meses, continuaremos agregando métodos de análisis adicionales a la cartera, con énfasis en ML, DL, NLI y Edge Analytics. Esto incluye características que mejoran la interpretabilidad y transparencia del modelo. También en el horizonte: mayor facilidad de uso y colaboración para todos los tipos de usuarios, mejora continua del entorno integrado que soporta el ciclo de vida desde el desarrollo del modelo hasta la implementación a escala (ya sea que codifique en SAS, Python, R, etc.) e incorpore AI (incluyendo interfaces de lenguaje natural) en nuestras propias soluciones.

Finalmente, sin revelar demasiado, ¿cuál será el tema de su discusión en AI & Big Data Expo a finales de este mes?

Hay increíbles sinergias entre las capacidades que proporciona AI y las aspiraciones de transformación digital. AI también magnifica los desafíos que enfrentan las empresas que buscan “volverse digitales”. Esta discusión armará a los participantes con el conocimiento para navegar con éxito estas intersecciones.

Kimberly Nevala habla en la AI & Big Data Expo North America del 28 al 29 de noviembre en el Centro de Convenciones de Santa Clara. Obtenga más información sobre cómo registrarse para el evento visitando aquí.

¿Interesado en escuchar a los líderes de la industria discutir temas como este y compartir sus casos de uso? Asista a los eventos coubicados de AI y Big Data Expo con los próximos espectáculos en Silicon Valley, Londres y Amsterdam para obtener más información. Colocado junto con IoT Tech Expo, Blockchain Expo y Cyber ​​Security & Cloud Expo para que pueda explorar el futuro de la tecnología empresarial en un solo lugar.