Según Gartner, el 85 % de los proyectos de Machine Learning (ML) fallan. ¿Estarán? ¿Por qué?
¿Quizás porque muchas iniciativas de ML están impulsadas más por la curiosidad tecnológica ("hype") que por la necesidad empresarial?
Antes de sumergirse en proyectos de ML (y vale para otros), recomendamos encarecidamente que un equipo multidisciplinario realice un estudio de viabilidad, que involucre a alguien que conozca el negocio, que tenga los detalles de la situación a resolver, alguien que entienda de modelado y, que es fundamental, un “ML Product Owner” (PO), que será la interfaz entre los más “nerds” y los responsables del negocio.
Si la conclusión es para el uso de ML, se debe considerar cómo desarrollará el modelo, en los procesos que se verán afectados por él, qué interfaces se necesitarán, qué recursos computacionales se demandarán para la "sand box" y luego, cuándo, entrará en operación?
También, obviamente, analizar la tecnología. ¿Utilizará modelos y proveedores preexistentes como AWS, Microsoft e IBM? ¿Construirá su propio modelo, utilizando "frameworks"? ¿Cuál es el nivel de formación y experiencia para ello?
¿Habrá necesidad de apoyo de expertos externos? ¡Ciertamente!
Esta es una de las principales causas de las dificultades. Hay muchos factores específicos que rodean a ML y diferencias sutiles entre IA, "deep learning" y otras características. Intentar hacer todo internamente o tomar cursos rápidos y superficiales para usar estas tecnologías es una receta para complicaciones y costos mucho más altos que contratar especialistas con experiencias diversas.
Pero antes de comenzar, identifique también quién es el patrocinador del proyecto.
Si no hay compromiso y apoyo de nivel C, olvídalo. Este tipo de proyectos, especialmente si no tienen conexiones operativas profundas y requisitos legales, seguramente fracasarán. Debe haber gente con poder y consciente del valor mensurable e inmensurable del proyecto para poder garantizar los recursos necesarios.
Nada mejor que reunir a profesionales cualificados (internos y externos), con múltiples experiencias para establecer objetivos y encontrar la mejor solución posible.
Recuerda que todo proyecto es un proyecto empresarial y no solo tecnológico, por muy atractivo que sea. Para tener este entendimiento, es necesario saber mucho más allá de las tecnologías y también mucho sobre ellas. Y sobre la gente, siempre.
- basado en un artículo de Cezar Taurion y adaptado por Hermes Freitas