Decálogo de recomendaciones para sacarle partido al aprendizaje automático

El aprendizaje automático es una de las tecnologías que está creciendo con más fuerza durante los últimos años. Su combinación de algoritmos informáticos permite realizar predicciones y mejorar de forma automática, lo que conlleva notables beneficios para las empresas.

Con un uso adecuado, genera ahorro de tiempo y dinero a los negocios. Pero ¿cómo conseguir una correcta implementación?

Cloudera ha publicado un decálogo de recomendaciones para explicar cómo se puede volver más eficiente la aplicación del aprendizaje automático.

El primer consejo es apostar por la “adopción de un enfoque holístico”. Esto es, considerar esta tecnología una parte fundamental de la estrategia corporativa y ejecutarla junto a entornos, procesos, aplicaciones y flujos de trabajo ya existentes.

También es importante adoptar un enfoque de “ensayo y error”, ya que puede ser necesario realizar unas cuantas pruebas antes de tener éxito. Del mismo modo, Cloudera recomienda “iterar rápidamente, optimizar más tarde”. No pasa nada si el modelo no es impecable desde el principio.

La “construcción de un equipo multidisciplinario”, con habilidades y conocimientos diversos, permitirá innovar y obtener mejores resultados. Y para ello, entre otras cosas, habrá que “adaptar la estructura de la organización al ML” (siglas de machine learning o aprendizaje automático). La flexibilidad debe guiar el proceso. Las empresas tienen que derribar el muro que separa la experimentación de la producción a escala.

“Cerrar la brecha de habilidades” será imprescindible. El aprendizaje automático requiere candidatos con competencias en ingeniería y cienta de datos y desarrollo de software. Pero lo mejor es fomentar la interacción entre distintos profesionales para que aprendan unos de otros.

Además, “elegir la tecnología adecuada para mejorar el ciclo de vida” es un punto básico. La plataforma elegida debe priorizar la colaboración holística.

Cloudera recuerda que hay que “proteger la integridad de los modelos” a medida que los datos cambian y se mueven. Y anima a realizar un “tratamiento de los modelos de producción como software vivo”, manteniendo el control sobre quién accede a la información y realiza modificaciones.

El décimo y último consejo habla de “comprensión y cumplimiento de las obligaciones éticas”. Esto pasa por obtener el consentimiento de los clientes, y demás partes interesadas para trabajar con los datos.