Cómo gestionar proyectos de IA: Navegando la incertidumbre y entregables

En 2019, aproximadamente el 85% de los proyectos de IA fracasaron, y el 96% de las organizaciones informaron problemas de calidad de datos, etiquetado de datos y construcción de confianza en el modelo. También se informó que la alta dirección carecía de comprensión sobre la inteligencia artificial y el valor que puede ofrecer.

Hoy en día, la IA (y los proyectos de IA) aún se encuentran en las primeras etapas de implementación. Si las empresas utilizan IA, lo hacen a través de sistemas prefabricados de proveedores externos, donde los proveedores han desarrollado la IA, no las empresas clientes.

Sin embargo, en el futuro, más empresas encontrarán motivos para desarrollar su propia IA interna, y eso significa definir un enfoque de gestión de proyectos que funcione con la IA.

¿Cómo es diferente un proyecto de IA de los proyectos tradicionales?

En la gestión de proyectos tradicional, incluso si se realiza con metodologías como Agile, el éxito del proyecto se define por el software que se produce y un proceso bien entendido. Incluso si el desarrollo del proyecto no se realiza de manera lineal como en Agile, los pasos básicos siguen siendo definir, diseñar, desarrollar, probar e implementar. Los datos con los que funcionan estas aplicaciones suelen ser datos estructurados y de calidad, y bastante maduros en su forma y contenido.

Debido a que los datos con los que opera el desarrollo de software tradicional son confiables, y porque todos comprenden los pasos de desarrollo utilizados en el proyecto, hay considerablemente menos incertidumbre en los proyectos de desarrollo de software tradicionales. Esto permite establecer plazos de proyectos creíbles basados en la historia de proyectos anteriores.

Desafortunadamente, los proyectos de IA no tienen la misma estabilidad y no es tan fácil asignar fechas límite para su finalización.

Preguntas preliminares para hacer antes de aceptar un proyecto

Navegando la incertidumbre en los proyectos de IA

No hay un "fin" absoluto para un proyecto de IA, a menos que se trate de un proyecto en el que decidas cancelarlo.

Si eres un gestor de proyectos de IA, debes vivir con esa realidad de "sin fin", y lo mismo deben hacer la dirección y los patrocinadores de tu proyecto.

¿Por qué no hay un fin?

Porque la IA hace preguntas sobre los datos que analiza en función de los propios datos con los que opera, y esos datos están en constante cambio. A medida que se agregan nuevas fuentes de datos, los resultados cambiarán. La propia IA también contendrá aprendizaje automático (ML) que reconoce patrones de datos y aprende de esos patrones. Esto también puede cambiar los resultados.

La dirección y los usuarios deben comprender (y esperar) que a medida que los datos cambien, también pueden cambiar los resultados. Parte de este proceso implica aceptar la incertidumbre como parte de la evolución del sistema de IA.

Definir la entrega de tu proyecto de IA

En algún momento, desde la perspectiva del proyecto, un proyecto de IA debe considerarse finalizado.

Descubre la historia de tu sitio web con HitBox: revelaciones sorprendentes

El objetivo de la mayoría de los proyectos de IA es lograr al menos un 95% de conformidad de los resultados de la IA con lo que los expertos en la materia concluirían. Una vez que se alcanza este umbral del 95%, el proyecto se considera lo suficientemente preciso para implementarse. En este punto, el proyecto debe declararse completo.

Eso no significa que todo el trabajo en la aplicación o sistemas de IA resultantes haya terminado. Con el tiempo, habrá "desviaciones" que podrían provocar una pérdida de precisión en la IA. En estos momentos, será necesario recalibrar la IA para que vuelva a ofrecer la calidad óptima, pero esto es mantenimiento de software.

¿Siempre salen según lo planeado las entregas de los proyectos de IA?

La respuesta es un rotundo "¡No!"

Hay ocasiones en las que los datos utilizados por la IA no están debidamente preparados, especialmente cuando se introducen nuevas fuentes de datos nuevas y desconocidas. Los datos incorrectos distorsionarán los resultados de la IA.

En segundo lugar, si el caso empresarial cambia (y el valor que los usuarios desean obtener), la IA ya no se ajustará a lo que la empresa desea. Por último, hay casos en los que los proyectos de IA simplemente no funcionan, sin importar cuánto lo intentes. Esta posibilidad debe discutirse de antemano con la dirección y todos deben estar dispuestos a "cancelar" el proyecto de IA tan pronto como muestre que no puede tener éxito.

Qué es Samba y cómo puede beneficiar a tu red

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Gestión de proyectos, allí encontraras muchos artículos similares a Cómo gestionar proyectos de IA: Navegando la incertidumbre y entregables , tenemos lo ultimo en tecnología 2023.