Ralf Haller es el vicepresidente ejecutivo de ventas y marketing de NNAISENSE.
SaaS, PaaS, y ahora AIaaS: las empresas emprendedoras y con visión de futuro intentarán proporcionar a los clientes de todo tipo soluciones plug-and-play impulsadas por inteligencia artificial para una miríada de problemas comerciales.
Industrias de todo tipo están adoptando soluciones de IA listas para usar. De acuerdo a expertos de la industria, los ingresos globales del software de inteligencia artificial, la mayoría de los cuales son software de inteligencia artificial como servicio en línea (AIaaS), crecerán a una asombrosa tasa anual del 34,9%, y el mercado alcanzará más de $ 100 mil millones para 2025. Parece una gran idea, pero hay una salvedad: el síndrome de “talla única”.
Las empresas que buscan utilizar la IA como una tecnología diferenciadora para obtener ventajas comerciales, y no simplemente hacerlo porque eso es lo que hacen todos los demás, requieren planificación y estrategia, y eso casi siempre significa una solución personalizada.
En palabras de Sepp Hochreiter (inventor de LSTM, uno de los algoritmos de IA más famosos y exitosos del mundo), “la combinación ideal para obtener el mejor tiempo de comercialización y el menor riesgo para sus proyectos de IA es construir lentamente un equipo y utilizar también expertos externos probados. Nadie puede contratar a los mejores talentos rápidamente y, lo que es peor, ni siquiera se puede juzgar la calidad durante la contratación, pero solo lo descubrirás años después “.
Eso está muy lejos de lo que ofrecen la mayoría de los servicios de inteligencia artificial en línea disponibles en la actualidad. La tecnología de inteligencia artificial que ofrece AIaaS viene en dos variantes, y la predominante es un sistema de inteligencia artificial muy básico que pretende proporcionar una solución de “talla única” para todas las empresas. Los módulos que ofrecen los proveedores de servicios de inteligencia artificial están pensados para ser aplicados, tal cual, a cualquier cosa, desde organizar un almacén hasta optimizar una base de datos de clientes y prevenir anomalías en la producción de una multitud de productos.
Hay varias empresas que afirman proporcionar AIaaS para la producción industrial automatizada. La mayoría de los datos exitosos presentados por estos proveedores se basan en estudios de casos individuales, con problemas que involucran conjuntos de datos limitados y objetivos genéricos limitados. Pero las soluciones genéricas de IA producirán resultados genéricos.
Por ejemplo, el proceso para entrenar algoritmos para detectar el desgaste sería diferente para las fábricas que producen diferentes productos; después de todo, un zapato no es un teléfono inteligente no es una bicicleta. Por lo tanto, para el trabajo de IA “real”, donde los módulos inteligentes realmente gestionó y cambió la producción en respuesta a factores ambientales y de otro tipo, las empresas desarrollaron soluciones personalizadas para sus clientes.
Muchos clientes que se sintieron “quemados” por una mala experiencia con AIaaS dudarán más en volver a intentarlo, ya que sienten que es una pérdida de tiempo. Y casos de uso que requirieron un procesamiento de IA más pesado no dio los resultados esperado o prometido. Algunos incluso han acusado a las empresas de la nube de engañar deliberadamente a los clientes, dándoles la impresión de que la IA estándar es una solución viable, cuando saben muy bien que no lo es. Y si una tecnologia no funciona suficientes veces, es probable que aquellos que podrían beneficiarse potencialmente de las soluciones de IA reales darse por vencido incluso antes de que empiecen.
El objetivo es estandarizar una solución que funcione bien casi de inmediato y no requiera un amplio conocimiento. El éxito de AIaaS hasta ahora ha sido permitir a los investigadores ejecutar experimentos complejos sin requerir los servicios de todo un equipo de TI para descubrir cómo administrar la infraestructura necesaria.
En el futuro, se espera que AIaaS permita a las personas que no son expertos en inteligencia artificial utilizar el sistema para obtener los resultados deseados. Dicho esto, los servicios de IA automatizados en línea, incluso en sus niveles actuales, pueden beneficiar enormemente a la producción industrial, si se hacen correctamente.
La IA realizada correctamente podría proporcionar grandes beneficios para la industria. En lugar de renunciar a la IA, las empresas deberían profundizar en los servicios de IA que están pensando en utilizar. ¿La solución prevé la personalización? ¿Qué tipo de soporte brinda el servicio? ¿Cómo se entrena el algoritmo para manejar datos específicos de su caso de uso? Estas son las preguntas que las empresas deben hacerse cuando compran servicios de IA. Los proveedores que pueden proporcionar respuestas sustanciales, y respaldar sus afirmaciones con datos reales sobre las tasas de éxito, son con los que las empresas deberían trabajar.
Como todos los nuevos desarrollos que mejoran la actividad empresarial, las aplicaciones de IA requieren un alto nivel de experiencia. Los ingenieros que trabajan para las grandes empresas de la nube tienen esa experiencia, lo que significa que podrían proporcionar mucho más valor a los clientes ayudándoles a desarrollar soluciones personalizadas. Es necesario examinar si eso se puede hacer “como un servicio”, pero el sistema que se ha implementado en este momento no es la respuesta.
Source link