Uso adecuado de la IA

Como observó, la IA tiene muchos beneficios y desafíos. Para decidir si la IA es una buena opción para alcanzar una meta o resolver un problema, hágase las siguientes preguntas:

- ¿Puede obtener o dispone actualmente de datos suficientes? Las tecnologías de IA o AA se basan en datos. No puede usarlos sin los datos correctos para resolver el problema. En general, cuantos más datos tenga, mejor. Debido que el aprendizaje automático está impulsado por la aleatoriedad de los datos, más muestras de datos generalmente conducen a un mejor resultado. Un único error o un punto de datos confuso es mucho menos significativo en un conjunto de datos con 10 millones de registros que en un conjunto de datos con 10 registros.

- ¿El problema es autónomo o está lo suficientemente aislado de toda influencia externa? En otras palabras, debe estar relativamente seguro de que los datos que ingresan al algoritmo de aprendizaje incluyen más o menos todo lo que hay en el problema. Los cambios en las áreas que afectan a los datos con el transcurso del tiempo pueden generar nuevos patrones de datos que "interrumpen" una solución de aprendizaje automático establecida, que ya no funciona o no funciona tan bien como solía hacerlo.

- ¿Puede conseguir o cuenta con la tecnología para implementar una solución de IA o AA? Es posible que deba adquirir numerosas herramientas y tecnologías nuevas para desarrollar la IA o el AA, incluidas aquellas herramientas de recopilación y procesamiento de datos, el desarrollo y las pruebas de soluciones, la presentación y la creación de informes.

- ¿Puede conseguir o cuenta con personas con las habilidades especializadas necesarias que se unan al proyecto? Aprender algoritmos de IA o AA y utilizarlos con éxito es extremadamente desafiante para quienes no tienen experiencia matemática. Es común confiar en expertos como los científicos especializados en datos para ayudar a responder algunas de las preguntas más difíciles.

- ¿Es aceptable que la máquina dé una respuesta sin que usted tenga completamente claro cómo la obtuvo? La IA o el AA puede ser muy bueno para hacer predicciones e identificar patrones en los datos, como predecir cuándo es probable que una pieza de la máquina se desgaste o hallar otras casas en venta similares a una casa que le gusta a un cliente. Debido a que la máquina aprendió del ejemplo en lugar de haber sido programada directamente, puede que no siempre esté claro cómo ella obtuvo sus resultados o recomendaciones, si bien las respuestas pueden ser bastante confiables.

- ¿Es legal y ético utilizar los datos? Debido a que los proyectos de IA o AA se basan en datos, ello puede implicar una mayor recopilación y almacenamiento de datos, que pueden contener información confidencial sobre personas y organizaciones. Este mayor enfoque en los datos acarrea una mayor posibilidad de errores en el tratamiento legal, ético y libre de sesgo de los datos.

- ¿Es aceptable si la solución no siempre es 100 % correcta? Las soluciones de IA o AA se basan en la probabilidad. Los resultados que arrojan pueden no ser 100 % precisos el 100 % de las veces. Si la situación admite respuestas razonablemente lógicas que en su mayoría son (aunque no siempre) correctas, entonces una solución de IA o AA puede resultar adecuada. Por ejemplo, al utiliza la IA, un automóvil podría proporcionar un frenado automático seguro en algunas situaciones en las que un conductor humano podría pasar por alto. Por otro lado, es posible que la IA no incluya la característica de frenado en todas las situaciones. Si la solución proporciona una mayor seguridad general sin introducir nuevos problemas (como frenar cuando no debería y causar un accidente), entonces podría considerarse aceptable, aunque no sea 100 % precisa el 100 % de las veces.

- ¿Es un problema de aprendizaje o solo de automatización? La IA o el AA puede ayudar a automatizar muchos tipos de procesos, pero no todos los problemas de automatización requieren capacidades de aprendizaje.