Suscríbase a nuestros boletines diarios y semanales para recibir las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder en la industria. Más información Estamos al borde de un cuarto invierno de IA, ya que la fe ha comenzado a vacilar en cuanto a que la IA producirá suficiente valor tangible para justificar su costo. Mientras los artículos de Goldman Sachs y otros institutos de investigación caen como hojas, todavía hay tiempo para frustrar este próximo invierno de IA, y la respuesta ha estado frente a nosotros durante años. Hay algo que falta En la mayoría de las disciplinas científicas, los avances se hacen en laboratorios y luego se entregan a los ingenieros para que los conviertan en aplicaciones del mundo real. Cuando un equipo de investigadores químicos descubre una nueva forma de formar un enlace adhesivo, ese descubrimiento se entrega a los ingenieros químicos para que diseñen productos y soluciones. Los avances de los físicos mecánicos se transfieren a los ingenieros mecánicos para que diseñen soluciones. Sin embargo, cuando se produce un avance en IA, no existe una disciplina distinta para la inteligencia artificial aplicada, lo que lleva a las organizaciones a invertir en la contratación de científicos de datos que obtuvieron su doctorado con la aspiración de hacer avances científicos en el campo de la IA para, en cambio, intentar diseñar soluciones del mundo real. ¿El resultado? El 87% de los proyectos de IA fracasan. Entra la inteligencia de ingeniería La «inteligencia de ingeniería» (participio presente: «ingeniería de inteligencia») es una disciplina emergente centrada en la aplicación en el mundo real de la investigación de IA arraigada en la ingeniería: la disciplina de aprovechar los avances en la ciencia junto con las materias primas para diseñar y construir valor seguro y práctico. Esto crea la capacidad para que los expertos en el dominio, los científicos y los ingenieros creen soluciones de inteligencia sin necesidad de convertirse en científicos de datos. Las principales organizaciones industriales están comenzando a restablecer los canales de investigación a ingeniería, formar nuevas asociaciones con el mundo académico y los proveedores de tecnología, y crear las condiciones ecosistémicas para que la investigación de IA se transfiera a los ingenieros de inteligencia de la misma manera que la investigación química se comparte con los ingenieros químicos. ¿El resultado? Aplicaciones innovadoras en casos de uso tangibles que crean valor, llegan a la producción y no habrían sido descubiertas por científicos de datos o proveedores de tecnología basándose solo en datos. 5 pasos para introducir la ingeniería de inteligencia en su organización La experiencia es el corazón de la ingeniería de inteligencia, expresada como habilidades: unidades de experiencia, aprendidas a través de la aplicación práctica. La teoría y la capacitación pueden acelerar la adquisición de habilidades, pero no se pueden tener habilidades (y, por lo tanto, no se tiene experiencia) sin experiencia práctica. Suponiendo que su organización ya cuenta con expertos, estos son los cinco pasos prácticos que puede seguir para introducir la disciplina de la ingeniería de inteligencia, y cómo se desvía del enfoque tradicional para aprovechar la IA: El enfoque tradicional para introducir la IA (que representa la tasa de fracaso del 87 %) es: Crear una lista de problemas. O Examinar sus datos; Elegir un conjunto de posibles casos de uso; Analizar los casos de uso para el retorno de la inversión (ROI), la viabilidad, el costo y el cronograma; Elegir un subconjunto de casos de uso e invertir en la ejecución. El enfoque de la ingeniería de inteligencia para introducir la inteligencia artificial es: Crear un mapa de calor de la experiencia en sus procesos existentes; Evaluar qué experiencia es más valiosa para la organización y calificar la abundancia o escasez de esa experiencia; Elegir las cinco áreas de experiencia más valiosas y escasas en su organización; Analizar el ROI, la viabilidad, el costo y el cronograma para diseñar soluciones inteligentes; Elegir un subconjunto de casos de valor e invertir en la ejecución. Ingeniería de una nueva ola de valor con IA Una vez que se ha introducido la ingeniería de inteligencia en su organización y se han desarrollado y puesto en producción las aplicaciones intuitivas, esta nueva capacidad se puede aprovechar para extenderse más allá de la experiencia existente a nuevas oportunidades para diseñar valor seguro y práctico en toda la organización y el ecosistema. A medida que las organizaciones, las industrias y las instituciones educativas desarrollen programas para la inteligencia diseñada, las organizaciones, los individuos y nuestra sociedad cosecharán los beneficios del potencial económico y social de la IA que de otro modo no se habría realizado, creando una nueva clase de empleos y marcando el comienzo de una nueva ola de creación de valor. Brian Evergreen es autor de “Autonomous Transformation: Creating a More Human Future in the Era of Artificial Intelligence”. Kence Anderson es autor de “Designing Autonomous AI”. DataDecisionMakers ¡Bienvenido a la comunidad VentureBeat! DataDecisionMakers es donde los expertos, incluido el personal técnico que realiza trabajos de datos, pueden compartir conocimientos e innovación relacionados con los datos. Si desea leer sobre ideas de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers. ¡Incluso podría considerar contribuir con un artículo propio! Leer más de DataDecisionMakers