Machine Learning es el campo de la Inteligencia Artificial que permite que las máquinas aprendan y sean capaces de realizar predicciones a partir de datos.
Lo mágico de todo esto es que no hay instrucciones por medio. Le das los datos convenientemente limpios y organizados, la dejas trabajando un tiempo razonable y te dirá si vas a poder pagar el año que viene la hipoteca o si tienes predisposición a desarrollar diabetes. Se aplica a cualquier disciplina y se ha convertido en la panacea para las empresas, pues el coste de adquisición es bajo y el de propiedad también. El machine learning dedicado a solucionar tareas específicas es, entre otras iniciativas, un pilar en el que basar la transformación digital.
Los ejecutivos lo han considerado fantasía. Pero a partir de esta década se ha tornado en realidad y en cinco años se convertirá en una herramienta de uso diario. En los mismos plazos y en otro enfoque, diríamos que ha pasado de manos de científicos y académicos a las de ingenieros de software para, pronto, ser utilizada por el ciudadano de a pie. De hecho, ya existen soluciones basadas en machine learning que manejamos día a día en nuestros móviles. Por ejemplo, al escuchar la voz de nuestro asistente personal que nos avisa que hemos de salir en cinco minutos de la oficina si queremos llegar a tiempo al aeropuerto y no perder el vuelo. Pero esto lo hacen los gigantes tecnológicos y otros privilegiados. Privilegiados por el hecho de tener las capacidades y recursos que les permiten desarrollar estas herramientas y, lo que es realmente importante, popularizar su uso en el mercado.
La pequeña y mediana empresa española ha de aprovecharse de estas tecnologías. Según dice PwC, algo menos de la mitad de las compañías está entrando en este campo, pero tan sólo un 11 por ciento ha llegado a implantarlo. Tanto como decir que la gran mayoría fracasa. En general, las compañías están gastando mucho dinero en aplicar machine learning, especialmente en la captación de talento, pues el desconocimiento es significativo y el discurso común es que contratando a un equipo de científicos de datos el problema está resuelto. Para colmo, la ubicación y dependencia de estos equipos en las organizaciones suele estar erróneamente ligada a los departamentos de IT. Además, la combinación de expectativas elevadas y proyectos con alcances demasiado ambiciosos hace que los tiempos de desarrollo se dilaten eternamente.
Su implantación es compleja por el desconocimiento que existe entre las empresas
En el mejor de los casos, si el proyecto llega a su fin, operacionalizarlo en el proceso correspondiente es una barrera complicada ya que el usuario final suele intervenir poco por lo que no la hace suya. Esto es importante, pues estos proyectos no tienen un final definido: con el tiempo surgen nuevas variables que, unido al crecimiento de los datos, hacen recomendable el reentrenamiento de los modelos. Es una evolución continua que confiere al proyecto máximo interés.
Ahora bien, existen recomendaciones contrastadas. Para empezar, acotar expectativas y gestionar el cambio en la organización con la debida formación. Pensar más en la calidad del dato y menos en la cantidad de datos, identificando las fuentes que realmente aportan valor al proyecto. Empezar con pequeños casos de uso y definirlos bien para evitar procrastinar. Obtener resultados y medir. De forma natural se acometerán gradualmente nuevas iniciativas basadas en machine learning en otras áreas de la compañía.
Afortunadamente, hay disponibles en el mercado herramientas automatizadas que simplifican enormemente la mayoría de las tareas de preparación y modelado de datos (que constituyen el 90 por ciento del esfuerzo), permitiendo que los usuarios finales trabajen directamente sobre ellas sin tener que depender de costosos departamento de datos. Es un avance importante para la democratización del machine learning.
Convirtamos a estos héroes actuales, los que han logrado implantar proyectos, en los prescriptores del machine learning de la compañía. Así conseguiremos que en el futuro cercano todos sean héroes. Y que la compañía entre en el selecto grupo del 5 por ciento de organizaciones europeas que ya utilizan machine learning de forma extensiva. Sólo es cuestión de tiempo.
