La inteligencia artificial (IA) desempeñará un papel cada vez más importante a la hora de desbloquear el valor de los datos empresariales, según el ejecutivo principal de análisis de datos de Google Cloud. Gerrit Kazmaier, vicepresidente y director general de bases de datos, análisis de datos y Looker de Google Cloud, dijo a Computer Semanalmente, los clientes del gigante de la nube y las búsquedas ya están combinando la IA con herramientas de inteligencia empresarial más convencionales. Esto se debe a que la IA ayuda a reunir datos estructurados y no estructurados, afirmó Kazmaier. Los sistemas de IA están empezando a realizar análisis cada vez más complejos, pero pueden hacerlo a velocidades mucho más rápidas y con volúmenes de información mucho mayores que los expertos humanos. Google está apoyando a sus clientes en esto aprovechando su experiencia en búsqueda, así como sus recursos en la nube y su experiencia en el desarrollo del modelo transformador, una de las bases de los sistemas de IA generativa. “Estamos reinventando, llamémoslo, la búsqueda de datos empresariales en Google”, dijo Kazmaier. Gran parte de esto se trata de combinar el potencial de las herramientas de IA, incluida la IA generativa, formada en gran medida a partir de datos públicos, con la información específica del dominio y del negocio contenida en las aplicaciones empresariales y los lagos de datos de las empresas. “Hasta ahora, la búsqueda de Google está activa principalmente en los dominio público o la web pública”, dijo. “En última instancia, existía una gran oportunidad de llevar esto al ámbito empresarial, básicamente brindando a cada punto de datos que existe en las empresas, que no son parte de la red mundial, una interfaz similar. “Todo el mundo sabe cómo utilizar Google. Estoy seguro de que todos los directores ejecutivos del planeta saben cómo utilizar Google para realizar búsquedas en la web pública. Estoy igualmente seguro de que sólo un número muy pequeño de personas en este planeta y, ciertamente, un pequeño número de directores ejecutivos podrían utilizar una herramienta de panel para encontrar información sobre su propia empresa.“Con la IA generativa [GenAI]tenemos la oportunidad de hablar con los datos de su empresa, ya que usted puede hablar con datos públicos a través de la búsqueda de Google”. Google ‘obtiene’ datos Google tiene una «comprensión cultural» de la necesidad de hacer la información más accesible, según Kazmaier. Este es el núcleo de su misión de unir la IA y el análisis convencional. “Desde el punto de vista tecnólogo, comienza con la búsqueda de información en el mundo y hacer que la información relevante sea universalmente accesible y útil. Eso es necesario para construir tecnología, que hoy en día se utiliza mucho en la IA generativa”, continuó. «Hay una razón por la que Google fue el inventor original del modelo transformador, que ahora es la arquitectura subyacente de todos estos modelos, ya sea Gemini [formerly Google’s Bard]o ChatGPT, [Meta’s] Llama y así sucesivamente. “En primer lugar, cuando decimos que queremos mapear la pregunta de alguien con una respuesta significativa, existe una comprensión profunda sobre la tecnología que necesitamos construir para comprender la semántica para procesar de manera tan eficiente y devolverla en una forma. factor con el que un humano puede trabajar”. Google ha establecido una hoja de ruta para incorporar IA en sus herramientas de análisis, integrando BigQuery con Vertex AI, habilitando datos en flujos de trabajo de IA en BigQuery Studio y permitiendo a los usuarios crear modelos de aprendizaje automático en BigQuery ML y exportarlos a Vertex AI, además de agregar funciones para Looker y Looker Studio. En opinión de Google, una de las aplicaciones de IA generativa más prometedoras en la empresa es ayudar a los no especialistas a interactuar con los datos empresariales. En lugar de aprender habilidades de codificación o análisis, o escribir consultas y diseñar paneles, GenAI debería permitir a los usuarios empresariales interactuar con una base de datos, un almacén de datos o una aplicación de lago de datos utilizando lenguaje natural, y obtener una respuesta en lenguaje natural también. Esto tiene dos ventajas clave, además de la facilidad de uso. Elimina la necesidad de filtrar datos para que coincidan con el formato y las capacidades de un panel. Esto inevitablemente significa que cierta información será truncada o eliminada. Y sólo una minoría de usuarios empresariales tiene las habilidades para profundizar en las herramientas de análisis. Un sistema basado en IA tiene el potencial de ser más preciso, ya que puede manejar mayores volúmenes de datos y una gama más amplia de fuentes de datos. Kazmaier se refirió a esto como “datos amplios”. La otra ventaja es que los usuarios pueden interactuar con sistemas impulsados ​​por IA de una manera más iterativa. Pueden afinar y modificar las consultas y hacer más preguntas hasta encontrar la información que necesitan. Kazmaier cita el ejemplo de Camanchaca, una empresa de productos del mar en Chile que utiliza un conjunto de herramientas de BI estándar, que incluyen BigQuery, Vertex AI y Looker. Creó un agente de IA para dar a todos los empleados acceso a los datos de la empresa. “Esto desbloquea datos y análisis para el profesional que no se dedica al análisis de datos. Todo el mundo tiene una pregunta que hacer. No todo el mundo tiene un analista que responda esa pregunta”, afirmó. “Están surgiendo nuevos casos de uso para las capacidades de IA generativa, que nos brindan más que paneles de control y análisis de datos tradicionales. El consumidor está cambiando, desde los analistas de datos hasta que cada trabajador del conocimiento tiene acceso a análisis de datos significativos”. Esto permite que la inteligencia empresarial pase de simplemente mostrar datos a interpretar información, como lo haría un analista humano, según Kazmaier. “Cuando miras datos, quieres tener a alguien con conocimientos, como un análisis profesional, que te ayude a interpretarlos. ¿Qué representa eso conceptualmente o cómo se compara? él dijo. “Esa no es una pregunta que necesariamente pueda responderse mediante el punto de datos en sí, pero se necesita a alguien realmente calibrado, por así decirlo, que entienda cómo interpretar: ‘¿Es este un margen bueno o malo? ¿Es este un buen o un mal día de ventas excepcionales?’. “Esto se puede entrenar y codificar y lo generan los agentes que estamos introduciendo en nuestra oferta de BI. Básicamente, estás colaborando con un analista que puede ayudarte a comprender e interpretar los datos que verás. Uno de los problemas clave que tenemos con el BI tradicional es que tenemos que comprimir la información a un nivel que sea comprensible para los humanos”. Según Kazmaier, los consumidores de datos están cambiando. Cada vez más usuarios quieren acceder a los datos, y la IA (especialmente la IA generativa) ofrece una manera de abrir ese acceso de una manera que la BI convencional no puede. Pero la integración de la IA en la inteligencia empresarial y en la hoja de ruta de Google implica mucho más que simplemente proporcionar una mejor interfaz. La IA ofrece una manera para que las empresas se mantengan a la vanguardia del crecimiento aparentemente interminable de los datos empresariales y, con suerte, al mismo tiempo generen algo de valor comercial. Kazmaier habla de datos “amplios” en lugar de big data: no sólo tener más datos, sino agregar más puntos de datos al análisis. Los sistemas de inteligencia artificial están bien posicionados para decidir si vale la pena tener en cuenta factores adicionales, dijo, y tienen el poder de procesamiento para hacerlo lo suficientemente rápido como para no retrasar la toma de decisiones. «Uno de los mayores cambios que hemos visto es el uso de datos no estructurados», dijo. “Si lo piensas bien, los datos no estructurados, aproximadamente, representan el 90% de los datos del mundo. Tradicionalmente, estos datos no se han utilizado en el análisis de datos. Había aplicaciones especializadas para documentos o para automatizar ciertos procesos como el pago de facturas, pero no se ha considerado parte de un panorama de datos empresariales que utilizamos, exploramos y analizamos activamente, como se hace con los datos estructurados. “Con la IA generativa, trabajar con datos no estructurados, que las personas los comprendan y extraigan información de ellos, se vuelve enormemente flexible y disponible”, continuó. Y las herramientas de inteligencia artificial permiten a los usuarios empresariales profundizar en los datos y comprender mejor las tendencias en sus organizaciones: pasar de las preguntas de “qué, cuándo y dónde” a, en última instancia, el “por qué”. «Hay grandes modelos que se entrenan con datos públicos, y puedes preguntarles sobre cuestiones de dominio público y es sorprendente lo que pueden hacer», añadió Kazmaier. “Pero estos modelos no están siendo entrenados para utilizar los datos de una empresa, y eso es bastante interesante. ¿Cómo implementamos estos grandes [language] ¿Modelos con datos empresariales para que pueda abrir todos los conocimientos que tiene a sus datos, de modo que todos sean útiles en la empresa? Los agentes de inteligencia artificial, afirmó, ya están brindando esas respuestas.

Source link