Chris Galy, Chief People Officer de Couchbase, explicaba en un artículo que puedes encontrar con una rápida búsqueda en Google que nuestra misión consiste en canalizar nuestra pasión para resolver problemas difíciles, de modo que nuestros clientes puedan innovar y cambiar el mundo.
Todo suena muy emocionante, ¿verdad? Pero, ¿qué es la innovación hoy en día? Es el tipo de pregunta que se puede hacer a 20 personas distintas y obtener 20 respuestas diferentes.
Gartner viene a nuestro rescate, con su informe anual sobre la principales tendencias tecnológicas estratégicasuna imagen bastante precisa procedente directamente de los líderes del sector. Para este artículo, he leído los informes que abarcan de 2018 a 2021 y, aunque no voy a entrar en detalles, he identificado lo siguiente cuatro fuerzas motrices:
- Automatización y aumento de las operaciones diarias
- Operaciones de nube híbrida e integración global
- Toma de decisiones autónoma
- Impulsar el comportamiento del cliente
Es justo decir que la IA y el aprendizaje automático pueden desempeñar un papel importante en el apoyo de al menos tres de estas cuatro áreas. Así que hablemos de la La oportunidad de la IA.
La oportunidad de la IA
Empecemos con algunas cifras proporcionadas por McKinsey; en su estudio "Modelización del impacto de la IA en la economía mundial"estiman que La IA generará 13 billones de dólares en producción económica adicional de aquí a 2030 el PIB mundial en 1,2% al año.
Si estas cifras no le asustan lo suficiente, piense que esto significa que hay 13 empresas potenciales del tamaño de Amazon o Google que están aún por crear.
En 2018, la Consumer Technology Association realizó un estudio sobre los beneficios obtenidos por la Inteligencia Artificial en los negocios minoristas de todo el mundo; los 3 principales beneficios identificados por los entrevistados fueron:
- ahorro de costes
- aumento de la productividad
- aumento de los ingresos
Quizá quieras consultar a tu amigo con conocimientos de economía y empresa (todos tenemos uno) para confirmar cómo afectan directamente estos beneficios a los motores críticos de los beneficios.
En otros términos, La IA impulsa los beneficios.
Esto debería bastar a cualquier director de tecnología del mundo para poner en marcha iniciativas impulsadas por la IA, pero entonces ¿por qué existe un sentimiento común de que la IA no está a la altura de las expectativas?
Andrew NGcofundador de Coursera, Deeplearning.ai, profesor en Stanford y ex director del laboratorio de IA, compartió sus ideas sobre este asunto en una carta a Harvard Business Review. Identificó ocho razones clave que impiden a las empresas adoptar la analítica avanzada:
- Habilidades
- Elegir los proyectos adecuados
- Compromiso del Director General
- Flujos de trabajo y procesos de IA
- Infraestructuras informáticas
- Reglamento
- Cultura basada en datos
- Miedo a quedarse sin trabajo
Por el alcance del artículo de hoy, y para ser considerado con el tiempo de los lectores, abordaré tres de estos componentes: proyectos, miedo y arquitectura.
Elegir los proyectos adecuados
¿Cómo empezar? Como muchas cosas en la vida, empezar suele ser el paso más difícil. Forbes compartió un estudio en el que se comparaba la eficacia del aprendizaje automático frente a la analítica clásica, y mostraba cuatro casos de uso principales en los que la IA superará al BI clásico:
- Identificación proactiva de ataques
- Segmentación proactiva de clientes
- Predicción de patrones de gasto
- Impulsar la experiencia y el comportamiento del cliente
Como espero que comprenda, estos casos de uso son prácticamente aplicables a todos los sectores empresariales, por lo que, independientemente de cuál sea su sector, existe una oportunidad de explorar la IA.
Miedo a quedarse sin trabajo
El segundo obstáculo que voy a abordar es el miedo. Miedo al cambio, miedo a quedarse sin trabajo, miedo a los trastornos. Tomaré prestadas algunas sabias palabras de Ben PringJefe de liderazgo de pensamiento en Cognizant y autor del libro "Qué hacer cuando las máquinas lo hacen todo".
El Sr. Pring nos guía a través de lo que suele ocurrir cuando una invención da lugar a una innovación imprevista, presentándonos la llamada Efecto brote: Edwin Budding es el inventor del cortacésped. Cuando patentó su invento en 1830, probablemente nunca habría imaginado cómo el cortacésped serviría para definir la industria del deporte.
Antes del cortacésped, no había campos de rugby, ni de fútbol, ni de tenis: la industria deportiva moderna nació de algún modo con Budding.
Más en general, los Efectos en ciernes establecen que la innovación crea disrupcióno una aspiradora, por así decirlo, que brinda oportunidades a quienes estén dispuestos a llenar ese vacío o a abordar nuevas necesidades.. No es una línea de meta, es un nuevo comienzo una y otra vez.
Ben Pring identifica la IA como el combustible subyacente del Cuarta Revolución IndustrialY al hacerlo predice que algunos empleos probablemente desaparecerán, como siempre ha ocurrido en cualquier Revolución Industrial, pero la cantidad global de riqueza aumentará para la mayoría de la gente. Los empleos se transformarán y los humanos podrán centrarse más en lo que les hace especiales: la intuición y la creatividad.
En otros términos, se puede pensar que la IA dará lugar a un nuevo Renacimiento digital. ¡Qué momento tan emocionante para estar vivo!
Arquitecturas informáticas
Antes de empezar, era importante esbozar un plan y abordar nuestras preocupaciones. Ahora vamos a hablar de las herramientas que vamos a necesitar.
Como se muestra en el siguiente diagrama, el auge de las arquitecturas basadas en eventos nos ha permitido crear un mecanismo de retroalimentación para la mejora continua de los servicios digitales mediante la combinación de datos y decisiones basadas en eventos.
- Las decisiones basadas en datos son clave para el funcionamiento diario de los servicios
- Por otro lado, las decisiones basadas en acontecimientos ofrecen información sobre oportunidades desconocidas y, por tanto, impulsan la estrategia.
Las organizaciones dispuestas a liderar la Cuarta Revolución Industrial necesitarán plataformas informáticas capaces de proporcionar tanto datos como información basada en eventos, listas para adaptarse a las vertiginosas demandas actuales de los clientes, aprovechando la escalabilidad elástica masiva que proporcionan las arquitecturas distribuidas y sin servidor.
¿Adivina qué? Couchbase ofrece todas estas funciones y muchas más.
Un marco práctico para el despliegue de IA mediante Couchbase
Se preguntarán cómo se puede conseguir todo esto en la vida real. Pues bien, nuestro sitio web ofrece varios casos de éxito de clientes, incluido el increíble trabajo realizado por Seenit que recomiendo consultar aquí.
Sin embargo, te guiaré a través de un caso de uso común que surgió muchas veces recientemente, sobre el uso de Couchbase y AI para mejorar la Segmentación y Experiencia del Cliente (¿recuerdas las cuatro fuerzas impulsoras de las que hablamos?).
Supongamos que tenemos una aplicación típica de service desk ejecutándose en Couchbase. En un enfoque "tradicional", pre-AI, el diagrama de alto nivel de su implementación probablemente se verá así:
En flujo de trabajo asíncrono sería la siguiente:
- El cliente realiza una llamada
- El agente del Help Desk gestiona la llamada, recopilando algunos metadatos (ID de la persona que llama, notas, etc.)
- Al finalizar la llamada, las notas de los agentes del Help Desk se almacenan en Couchbase
- La grabación de la llamada se coloca en una solución específica de almacenamiento en línea fría
- La URL de la grabación se escribe de nuevo en Couchbase, en el documento relacionado
Este enfoque funciona bien porque permite aprovechar la capacidad de Couchbase para almacenar datos de forma asíncrona, en un formato no estructurado, a una velocidad y un volumen disparatados. En un enfoque de BI tradicional, gracias a Escalado multidimensional (MDS) más tarde podría estar utilizando N1QL preguntas, Búsqueda de texto completoo Analítica sobre su Cluster Couchbase sin afectar al estado operativo de su aplicación Help Desk.
¿Y la IA? El nuevo flujo de trabajo se basa en la implementación tradicional, añadiendo la capacidad de ejecutar modelos de aprendizaje automático y de IA para extraer la conversación real, compararla y desbloquear una visión sobrehumana.
La actualización flujo de trabajo asíncrono sería la siguiente:
- El cliente realiza una llamada
- El agente del Help Desk gestiona la llamada, recopilando algunos metadatos (ID de la persona que llama, notas, etc.)
- Al finalizar la llamada, las notas de los agentes del Help Desk se almacenan en Couchbase
- La grabación de la llamada se coloca en una solución específica de almacenamiento en línea fría
- La URL de la grabación se escribe de nuevo en Couchbase, en el documento relacionado
- Se ejecuta un algoritmo de Machine Learning sobre la grabación, ya sea a través de MLaaS o de un modelo propio, ya sea extrayendo la propia grabación (preferible, ya que permite captar matices en la conversación) o una transcripción; además, ten en cuenta que:
- Se pueden utilizar distintos modelos para distintos fines - estrategia multimodelo
- Se pueden combinar distintos modelos para mejorar los resultados - estrategia blender
- Los metadatos generados por el modelo se almacenan en el documento Couchbase relacionado
- A continuación, los analistas pueden ejecutar consultas N1QL, búsquedas de texto completo, análisis o incluso crear activadores de eventos basados en el conjunto de datos enriquecido.
- Los científicos de datos pueden obtener información mejorada sobre la eficacia de los modelos de predicción y actuar en consecuencia;
Este enfoque se basa en la ventaja de la orquestación sobre el aislamientoEs decir, utilizar tantas herramientas especializadas como sea necesario para realizar el trabajo, en lugar de forzar un enfoque de una sola herramienta para todo, que suele llevar a forzar una solución a realizar un trabajo para el que no está diseñada.
Además, fíjese en que he decidido ejecutar los modelos de predicción de forma reactiva (en la grabación de la llamada), aunque sería posible ejecutarlos de forma proactiva (es decir, en tiempo real); en aras de este artículo, he optado por mantener las cosas lo más sencillas posible, con el objetivo de dirigirme a un público dispuesto a iniciar su andadura en el análisis basado en IA.
Llamamiento a la acción: ¡crea disrupción!
Aunque espero que haya disfrutado de esta lectura, aquí tiene algunos recursos más para empezar:
- Identifique el caso de uso adecuado: esto puede ser tan sencillo como ampliar un caso de uso existente para el que ya está aprovechando Couchbase; póngase en contacto con su ingeniero de ventas para iniciar una conversación, o eche un vistazo a nuestro Casos prácticos de clientes;
- Las habilidades de aprendizaje automático pueden ser bastante difíciles (¡y caras!) de encontrar; sin embargo, muchos proveedores en la nube ofrecen soluciones MLaaS democratizadas que le permitirán empezar con un presupuesto:
- Google Plataforma de IA y Funciones de AutoML
- Comparación entre las ofertas de AWS, GCP e IBM - pulse aquí
- Como alternativa a MLaaS, aproveche Splunk, como explicamos en nuestro entrada del blog
Si tiene alguna pregunta, no dude en ponerse en contacto con nosotros en info@couchbase.com
