Cuidado con el invierno AI, pero ¿puede Covid-19 alterar este proceso?

Hemos tenido un invierno blockchain a medida que el entusiasmo por la tecnología se mueve hacia una realidad, y lo mismo sucederá con la inteligencia artificial (IA).

Según el Dr. Karol Przystalski, CTO del proveedor de consultoría de TI y desarrollo de software Codete. Przystalski fundó Codete habiendo tenido una importante experiencia en investigación en IA, con empleadores anteriores, incluidos Sabre e IBM, y un doctorado que explora el reconocimiento de patrones de cáncer de piel utilizando redes neuronales.

Sin embargo, ¿qué efecto tendrá la pandemia de Covid-19 en este cambio? Hablando con AI News, Przystalski argumenta, al igual que Dorian Selz, CEO de Squirro, en un artículo publicado a principios de esta semana, que si bien AI no está allí para predecir o resolver la pandemia actual, el futuro puede verse brillante.

–

AI News: Hola Karol. ¿Cuéntenos sobre su carrera hasta la fecha y su rol y responsabilidades actuales como CTO de Codete?

Dr. Karol Przystalski: La experiencia de las compañías anteriores en las que trabajé y los antecedentes de inteligencia artificial que tuve de mi trabajo de doctorado me permitieron despegar Codete. Al principio, no todos los clientes potenciales podían ver las ventajas del aprendizaje automático, pero ha cambiado en los últimos años. Hemos comenzado a implementar más y más soluciones basadas en aprendizaje automático.

Actualmente, mis responsabilidades como CTO no se centran únicamente en el desarrollo, ya que hemos crecido a 160 ingenieros. Aunque sigo dedicando parte de mi atención a la investigación y el desarrollo, la mayor parte de mi trabajo en este momento se centra en la tutoría y la capacitación en las áreas de inteligencia artificial y big data.

AI: ¿Cuéntenos sobre los servicios de big data y data science que brinda Codete y cómo su empresa pretende diferenciarse de la competencia?

KP: Ofrecemos una serie de servicios relacionados con big data y ciencia de datos: consultoría, auditoría, capacitación y soporte para el desarrollo de software. En base a nuestra amplia experiencia en soluciones de aprendizaje automático, brindamos asesoramiento a nuestros clientes. Auditamos soluciones ya implementadas, así como procesos completos de desarrollo de productos. También tenemos un taller para gerentes sobre cómo no fallar con un proyecto de aprendizaje automático.

Todos los materiales se basan en nuestros propios estudios de caso. Como socio tecnológico, nos centramos en la calidad de las aplicaciones que entregamos, y siempre apuntamos a la transparencia total en las relaciones con nuestros clientes.

AI: ¿Qué tan difícil es, en su opinión, para las compañías reunir experiencia en ciencia de datos? ¿Hay una escasez de habilidades y una brecha en esta área?

KP: En el pasado, para convertirse en un científico de datos tenía que tener una formación matemática o, mejor aún, un doctorado en este campo. Ahora sabemos que no es tan difícil implementar soluciones de aprendizaje automático, y casi todos los desarrolladores de software pueden convertirse en científicos de datos.

Hay muchos talleres, conferencias y muchos otros materiales dedicados a desarrolladores de software que desean comprender los métodos de aprendizaje automático. Por lo general, el viaje comienza con algunas pruebas de conceptos y, en la próxima construcción, soluciones de producción. Por lo general, toma un par de meses como mínimo para convertirse en un científico de datos sólido de nivel junior, incluso para ingenieros de software con experiencia. Codete es bien conocido en las comunidades de aprendizaje automático en varias universidades, y es por eso que podemos ampliar fácilmente nuestro equipo con ingenieros de ML experimentados.

AI: ¿Qué ejemplo puede dar de un cliente con el que Codete ha trabajado a lo largo de su viaje, desde la investigación y el desarrollo hasta la elección de una solución para la implementación?

KP: No implementamos todos los proyectos que los clientes nos traen. En la primera etapa, distinguimos entre proyectos impulsados ​​por palabras de moda y los del mundo real.

Una vez, un cliente vino a nosotros con una idea para un proyecto de PNL para su negocio. Después de investigar un poco, resultó que ML no era la mejor opción para el proyecto: recomendamos una solución más simple y económica que fuera más adecuada en su caso.

Somos transparentes con nuestros clientes, incluso si se necesita proporcionarles críticas constructivas sobre la solución que desean construir. La mayoría de los proyectos de IA comienzan con un PoC, y si funciona bien, el proyecto pasa por las siguientes etapas a una solución de producción completa. En nuestros proyectos de IA, seguimos el enfoque de "falla rápida" para evitar que nuestros clientes inviertan en exceso.

AI: ¿Qué industrias crees que tendrán el mayor potencial para el aprendizaje automático y la IA y por qué?

KP: En los tiempos de Covid-19, seguramente las industrias de salud, medicina y farmacia crecerán y usarán IA con más frecuencia. Veremos más casos de uso aplicados en telemedicina y diagnóstico médico. Por supuesto, la industria farmacéutica y el desarrollo de medicamentos podrían estar respaldados por IA. Podemos ver qué tan rápido se está desarrollando la vacuna para Covid-19. En el futuro, el proceso de encontrar una vacuna válida puede ser respaldado por AI.

Pero no solo las industrias relacionadas con la salud utilizarán la IA con más frecuencia. Creo que casi todas las industrias invertirán más en digitalización, como la automatización de procesos donde se puede aplicar ML. Primero, veremos un creciente interés en la IA en las industrias que no se vieron tan afectadas por el virus, pero a la larga, incluso la industria hotelera y de viajes, así como muchos gobiernos, introducirán soluciones basadas en la IA para prevenir futuros cierre de emergencia.

AI: ¿Cuál es el mayor beneficio de la IA en los negocios en su opinión, y cuál es el mayor temor?

KP: Hay muchas formas en que el aprendizaje automático puede aplicarse en muchas industrias. Hay una gran expectación por el aprendizaje automático y la inteligencia artificial, y muchos gerentes se dan cuenta de los beneficios que el aprendizaje automático puede aportar a sus empresas. Por otro lado, muchos pueden tomar AI como una solución para casi todo, pero así es como nacen los proyectos impulsados ​​por palabras de moda, no los casos de uso del mundo real.

Esta exageración puede terminar de manera similar a otras exageraciones tecnológicas que hemos presenciado antes, cuando una palabra de moda era popular, pero finalmente solo un número limitado de empresas aplicaron la tecnología. Blockchain es un buen ejemplo: muchas compañías han intentado usarlo, para casi todo, y en muchos casos la tecnología realmente no resultó útil, a veces incluso causando nuevos problemas.

Blockchain ahora se está utilizando con éxito en varias industrias. De todos modos, podemos volver a tener un "invierno de IA" si no distinguimos entre la exageración y el verdadero valor detrás de una solución de IA.

Foto de Aaron Burden en Unsplash

¿Está interesado en escuchar a los líderes de la industria discutir temas como este y sus casos de uso? Asista a los eventos de la IA y Big Data Expo con ubicaciones próximas en Silicon Valley, Londres y Amsterdam para obtener más información. Ubicado conjuntamente con IoT Tech Expo, Blockchain Expo y Cyber ​​Security & Cloud Expo.