Por Óscar Riquelme, Enterprise Solutions Consultant de SoftServe Chile.
En una era en la que maravillas tecnológicas como ChatGPT, Copilot y Gemini, no son solo ideas sino realidades, tanto las empresas como los personas y usuarios finales están ansiosos por aprovechar sus beneficios. Estas tecnologías han democratizado la IA, haciéndola accesible a un público más amplio y despertando la imaginación sobre sus posibles aplicaciones en todo tipo de industrias y organizaciones.
Sin embargo, para materializar el potencial de la IA en valor tangible, es fundamental que las empresas y organismos públicos se enfoquen en implementar soluciones siguiendo marcos de trabajo (frameworks) adecuados. Estos marcos alinean y dirigen los esfuerzos de los equipos involucrados, facilitando la comprensión y participación de aquellos con menor experiencia en ciencia de datos, garantizando un proceso confiable y que se pueda repetir.
Uno de los frameworks de trabajo más reconocidos por equipos de Data Science es el CRISP-DM (Cross-Industry Standard Process for Data Mining), desarrollado en 1996. El modelo se destaca como un guía para enmarcar proyectos de inteligencia artificial y ciencia de datos más completos, en donde el entendimiento y comprensión del contexto de negocio es fundamental, previo a cualquier implementación de soluciones basado en IA.
Vea también: Consumidor consciente: redefiniendo las prioridades de compra
Durante esta etapa preliminar de comprensión del negocio y su contexto, es esencial considerar aspectos críticos como: asegurar la alineación con los objetivos estratégicos de la empresa, evaluar el entorno interno y externo actual, incluyendo la identificación de riesgos y beneficios potenciales, y analizar las capacidades organizativas para detectar discrepancias (gaps) entre los estados actual y futuro. A partir de este análisis, se debe elaborar un plan de proyecto que involucre a todos los interesados (stakeholders), promoviendo el desarrollo de soluciones que generen valor a la organización.
Lo anterior evidencia que el éxito de la implementación de soluciones de IA no depende únicamente de la tecnología o de la adopción de los marcos de trabajo más recientes. Es esencial que las organizaciones comprendan profundamente el contexto de negocio en el que se despliegan estas soluciones, adopten marcos de trabajo y se adentren en la adecuada evaluación de sus limitaciones y fortalezas, ajustándolos a la realidad específica de cada proyecto.
