¿Qué es el AI washing?
El "AI Washing" es la práctica de etiquetar productos con la palabra "IA" para inflar desmesuradamente su precio 💲 , explotando el hype alrededor de la inteligencia artificial. Pero, ¿es realmente tan fácil incluir IA en cualquier producto? Si el producto/servicio es una 💩, pues si, es muy sencillo, pero...
𝒍𝒂 𝒗𝒆𝒓𝒅𝒂𝒅 𝒆𝒔 𝒒𝒖𝒆 𝒏𝒐.
Un estudio reciente de MMC Ventures (lo podéis encontrar en elEconomista https://lnkd.in/gxBUjm2u) reveló que más del 40% de las startups europeas que se autoproclaman "empresas de IA" en realidad no utilizan ninguna tecnología de IA significativa en sus productos principales
La implementación de una IA funcional es compleja, requiere una planificación detallada y es extremadamente costosa, tanto a nivel económico como (costes asociados al uso de IA, bien sea por uso de la infraestructura de las nubes públicas, inversión en computación, o bien por licenciamiento), a nivel recursos humanos:
1️⃣El viejo conocido Data Scientist: es la persona encargada de “descubrir tesoros” en los datos.
2️⃣Machine Learning Engineer: si quieres entrenar tu modelo, lo necesitas, es el encargado de la optimización de modelos, creación de pipelines y la integración con sistemas de producción.
3️⃣MLOps Engineer: es el que está especializado en el despliegue y mantenimiento de modelos de IA en producción. Ayuda a automatizar, versionar y controlar la evolución de los modelos en el tiempo.
Además de los roles mencionados, se necesitan:
1️⃣Data Engineers para la ingesta y limpieza de datos.
2️⃣DevOps para automatizar y gestionar la infraestructura.
3️⃣Arquitectos de datos para diseñar y escalar la plataforma de datos.
4️⃣ PO para alinear la IA con los objetivos de negocio.
Hablando de número de personas, pues como todo en la vida, depende. Para desarrollar y mantener soluciones de IA de propósito general, se necesita un equipo significativo. Un equipo podría necesitar de 4 a 8 personas, y en algunos casos, hasta 20 o más, dependiendo de la escala y complejidad. Un informe de Deloitte habla de los elementos clave para una implementación exitosa de la IA https://lnkd.in/gdQGvbGp
⮑Generación de casos de uso.
⮑Gestión de riesgos.
⮑Garantía de la calidad de los datos.
⮑Control de costes.
Desde mi punto de vista cada vez hay más "expertos" en IA, más productos con "IA" (las comillas van con segundas), etc, etc ,etc. La realidad, es que se puede hacer IA made in Spain ahora, luego seremos puros consumidores de licencias y APIs.
¿Cómo lo veis vosotros?
#IA #InteligenciaArtificial #DataScience #MachineLearning #MLOps #AIWashing #Innovación #ÉticaTecnológica