¿Está su infraestructura de datos lista para la IA?
Por Seth Earley y Josh Bernoff
IT
Harvard Business Review
Cada gran empresa ahora maneja una proliferación de sitios, aplicaciones y sistemas tecnológicos para interactuar con los compradores y administrar todo en el negocio, desde clientes y clientes hasta inventarios y productos. Estos sistemas están escupiendo datos continuamente. Pero incluso después de múltiples generaciones de inversiones y miles de millones de dólares en transformaciones digitales, las organizaciones luchan por usar esos datos para mejorar el servicio al cliente, reducir costos y acelerar los procesos centrales que proporcionan una ventaja competitiva.
Se suponía que AI ayudaría con eso. Pero como un ejecutivo de una importante compañía de seguros de vida me dijo recientemente (Seth): "Todos nuestros competidores y la mayoría de las organizaciones de nuestro tamaño en otras industrias han gastado al menos unos pocos millones de dólares en iniciativas fallidas de IA". ¿Por qué?
Mis 20 años de experiencia trabajando con empresas en su tecnología de la información me han demostrado la razón: porque las promesas de los proveedores de IA no dan resultado a menos que los sistemas de datos de una compañía estén preparados adecuadamente para la IA. Los datos están bloqueados en silos, son inaccesibles, están mal estructurados y, lo que es más importante, no están organizados de tal manera que se utilicen como combustible que hace funcionar la IA. En cambio, para cosechar los beneficios de la IA, las empresas necesitan crear algo llamado ontología, una caracterización integral de la arquitectura de todos sus datos.
Es posible que haya leído consejos de que debe comenzar con las iniciativas de IA. (Lo sugerí hace unos años). Y es cierto: el enfoque "AI Lite" puede generar algunas ganancias rápidas. Pero a medida que las iniciativas de IA se multiplican inevitablemente en toda la organización, los límites de los experimentos dispersos se vuelven más evidentes. Cuando alimentas dichos programas de IA con diferentes tipos de fuentes de datos (a veces incompatibles), el resultado te enredará en la complejidad. Pronto tendrá una gran cantidad de pilotos de IA únicos conectados a sus sistemas de datos existentes de una manera que no ofrece beneficios más amplios y estratégicos para su negocio.
La IA ahora es lo suficientemente avanzada como para que se necesite un enfoque más coherente, una clave que reúne todos los datos de su empresa. Ahí es donde entra la ontología.
Una ontología es una representación consistente de datos y relaciones de datos dentro de su negocio, un modelo de todos los elementos que entran y conectan sus diversos sistemas de información: los productos y servicios, soluciones y procesos, estructuras organizacionales, protocolos, características del cliente, métodos de fabricación. , conocimiento, contenido y datos de todo tipo. Es el andamiaje de conocimiento maestro de la organización. Sin un enfoque coherente y reflexivo para desarrollar, aplicar y desarrollar una ontología, los sistemas de inteligencia artificial solo pueden desarrollarse de manera fragmentaria y fragmentada; les faltará la base que les permita ser lo suficientemente inteligentes como para causar un impacto. La ontología está en el corazón del diseño de la información de la empresa impulsada por IA, una inversión que continuará dando frutos a medida que la IA se generalice.
Construyendo una ontología en materiales aplicados
Veamos una empresa de servicios B2B, Materiales Aplicados, y cómo desarrollaron una ontología que muestra estos beneficios. (Les aconsejé sobre este proyecto).
Applied Materials trabaja con los fabricantes de semiconductores para solucionar problemas que ralentizan o detienen la producción en las plantas de semiconductores, problemas que pueden costar millones de dólares por día hasta que se solucionen. Debido a que hasta hace poco el conocimiento necesario para mantener una planta en funcionamiento se distribuía entre 14 sistemas diferentes dentro de Materiales Aplicados, los técnicos dedicaron hasta el 40% de su tiempo a buscar respuestas. Cada planta es única, por lo que encontrar la respuesta correcta para el problema de una planta en particular es esencial y desafiante. Los técnicos tienden a cubrir sus apuestas al abastecer sus vehículos de servicio con una variedad de componentes costosos, inmovilizando decenas de millones de dólares en inventario.
Los técnicos necesitaban una experiencia consistente y eficiente. Pero para construirlo, los materiales aplicados necesitaban una forma de organizar las diversas fuentes de información disponibles para los técnicos y una forma de integrarlos en una sola interfaz.
La ontología que creamos para la compañía incluía todos los vocabularios, relaciones y jerarquías múltiples en todos los sistemas que usaban los técnicos. Definió relaciones para los nombres cortos que un sistema usó para referirse a una parte y el número de inventario que otro sistema usó para referirse a la misma parte. Analizamos y clasificamos los documentos de solución de problemas con "análisis de texto", un método que aprende de un documento modelo, luego extrae información de documentos similares y hace que todo el conocimiento sea accesible con un lenguaje común. Cuando terminamos, creamos un lenguaje común con un conjunto maestro de relaciones que conectaba la información en los sistemas de gestión de clientes de la empresa, los sistemas de seguimiento de tickets de servicio, las bases de datos de soluciones, los catálogos de piezas y todos los demás sistemas.
Luego, una vez que creamos la ontología, necesitábamos aplicarla a todos los datos subyacentes y conectarla a la experiencia de los técnicos y hacerla accesible desde una interfaz común. Una vez que todo fue etiquetado, Applied Materials incorporó la ontología en múltiples sistemas y procesos, la aplicó a los documentos existentes, la incorporó a los flujos de trabajo para nuevos documentos y soluciones, y la conectó con ERP y sistemas de gestión de activos digitales. Esto nos permitió crear el nuevo sistema con el que habíamos soñado que los técnicos de campo capacitados para obtener exactamente la información que necesitaban, de manera eficiente, de las fuentes más apropiadas para la tarea en cuestión. Los grupos lógicos de contenido, organizados de manera alineada con su forma de pensar acerca de los problemas que estaban resolviendo, sus "modelos mentales", los ayudaron a localizar exactamente la información que sería más útil en un contexto dado, como las guías de solución de problemas.
El sistema resultante redujo a la mitad el tiempo que los técnicos dedicaron a buscar información. Applied Materials estimó el valor de esos ahorros en decenas de millones de dólares por año. Incluso permitió a los técnicos reducir sus inventarios de partes componentes. La IA era parte de la solución, pero dependía de la ontología subyacente para obtener el acceso adecuado a los datos que necesitaba.
Cómo construir una ontología
Como puede imaginar, crear una ontología que tenga sentido para todos los datos de su empresa no es una tarea fácil. En base a las muchas compañías que he recorrido en el proceso, estos son los pasos clave:
Una vez que haya creado una ontología de esta manera (y un sistema para mantenerla), los beneficios se multiplican. Se convierte en una parte esencial no solo de la solución al problema de información actual, sino también del siguiente problema que surge y el siguiente. Tenga en cuenta que la ontología es una entidad en constante evolución: a medida que cambian las necesidades de los productos, servicios, mercados, competidores y clientes, un proceso intencional para cambiar la ontología la mantendrá fresca y relevante.
Cada vez está más claro que la IA resolverá muchos de esos problemas en el futuro, ya sea por medio de un chatbot de servicio al cliente, un sistema que muestre señales sobre eficiencias y fallas comerciales, o cualquiera de las miles de otras aplicaciones. La ontología, como representación de lo que importa dentro de la empresa y la hace única, es lo que unifica esas soluciones y las convierte en algo más que una solución rápida que se volverá obsoleta rápidamente. Si sospecha que la IA es el futuro de los negocios, una conclusión de la que estoy seguro, crear una ontología es una inversión esencial para preparar a su empresa para obtener los beneficios de ese futuro. Es un concepto que, administrado y aplicado de manera adecuada, marca la diferencia entre la promesa de IA y el cumplimiento sostenible de esa promesa.
Seth Earley es el fundador y CEO de Earley Information Science y el autor del nuevo libro The AI-Powered Enterprise: Aproveche el poder de las ontologías para hacer que su negocio sea más inteligente, más rápido y más rentable.
Josh Bernoff es el autor o coautor de seis libros de estrategia empresarial, incluyendo Writing Without Bullshit: Impulsa tu carrera diciendo lo que quieres decir. Su blog está en bernoff.com.
IT
Harvard Business Review
Cada gran empresa ahora maneja una proliferación de sitios, aplicaciones y sistemas tecnológicos para interactuar con los compradores y administrar todo en el negocio, desde clientes y clientes hasta inventarios y productos. Estos sistemas están escupiendo datos continuamente. Pero incluso después de múltiples generaciones de inversiones y miles de millones de dólares en transformaciones digitales, las organizaciones luchan por usar esos datos para mejorar el servicio al cliente, reducir costos y acelerar los procesos centrales que proporcionan una ventaja competitiva.
Se suponía que AI ayudaría con eso. Pero como un ejecutivo de una importante compañía de seguros de vida me dijo recientemente (Seth): "Todos nuestros competidores y la mayoría de las organizaciones de nuestro tamaño en otras industrias han gastado al menos unos pocos millones de dólares en iniciativas fallidas de IA". ¿Por qué?
Mis 20 años de experiencia trabajando con empresas en su tecnología de la información me han demostrado la razón: porque las promesas de los proveedores de IA no dan resultado a menos que los sistemas de datos de una compañía estén preparados adecuadamente para la IA. Los datos están bloqueados en silos, son inaccesibles, están mal estructurados y, lo que es más importante, no están organizados de tal manera que se utilicen como combustible que hace funcionar la IA. En cambio, para cosechar los beneficios de la IA, las empresas necesitan crear algo llamado ontología, una caracterización integral de la arquitectura de todos sus datos.
Es posible que haya leído consejos de que debe comenzar con las iniciativas de IA. (Lo sugerí hace unos años). Y es cierto: el enfoque "AI Lite" puede generar algunas ganancias rápidas. Pero a medida que las iniciativas de IA se multiplican inevitablemente en toda la organización, los límites de los experimentos dispersos se vuelven más evidentes. Cuando alimentas dichos programas de IA con diferentes tipos de fuentes de datos (a veces incompatibles), el resultado te enredará en la complejidad. Pronto tendrá una gran cantidad de pilotos de IA únicos conectados a sus sistemas de datos existentes de una manera que no ofrece beneficios más amplios y estratégicos para su negocio.
La IA ahora es lo suficientemente avanzada como para que se necesite un enfoque más coherente, una clave que reúne todos los datos de su empresa. Ahí es donde entra la ontología.
Una ontología es una representación consistente de datos y relaciones de datos dentro de su negocio, un modelo de todos los elementos que entran y conectan sus diversos sistemas de información: los productos y servicios, soluciones y procesos, estructuras organizacionales, protocolos, características del cliente, métodos de fabricación. , conocimiento, contenido y datos de todo tipo. Es el andamiaje de conocimiento maestro de la organización. Sin un enfoque coherente y reflexivo para desarrollar, aplicar y desarrollar una ontología, los sistemas de inteligencia artificial solo pueden desarrollarse de manera fragmentaria y fragmentada; les faltará la base que les permita ser lo suficientemente inteligentes como para causar un impacto. La ontología está en el corazón del diseño de la información de la empresa impulsada por IA, una inversión que continuará dando frutos a medida que la IA se generalice.
Construyendo una ontología en materiales aplicados
Veamos una empresa de servicios B2B, Materiales Aplicados, y cómo desarrollaron una ontología que muestra estos beneficios. (Les aconsejé sobre este proyecto).
Applied Materials trabaja con los fabricantes de semiconductores para solucionar problemas que ralentizan o detienen la producción en las plantas de semiconductores, problemas que pueden costar millones de dólares por día hasta que se solucionen. Debido a que hasta hace poco el conocimiento necesario para mantener una planta en funcionamiento se distribuía entre 14 sistemas diferentes dentro de Materiales Aplicados, los técnicos dedicaron hasta el 40% de su tiempo a buscar respuestas. Cada planta es única, por lo que encontrar la respuesta correcta para el problema de una planta en particular es esencial y desafiante. Los técnicos tienden a cubrir sus apuestas al abastecer sus vehículos de servicio con una variedad de componentes costosos, inmovilizando decenas de millones de dólares en inventario.
Los técnicos necesitaban una experiencia consistente y eficiente. Pero para construirlo, los materiales aplicados necesitaban una forma de organizar las diversas fuentes de información disponibles para los técnicos y una forma de integrarlos en una sola interfaz.
La ontología que creamos para la compañía incluía todos los vocabularios, relaciones y jerarquías múltiples en todos los sistemas que usaban los técnicos. Definió relaciones para los nombres cortos que un sistema usó para referirse a una parte y el número de inventario que otro sistema usó para referirse a la misma parte. Analizamos y clasificamos los documentos de solución de problemas con "análisis de texto", un método que aprende de un documento modelo, luego extrae información de documentos similares y hace que todo el conocimiento sea accesible con un lenguaje común. Cuando terminamos, creamos un lenguaje común con un conjunto maestro de relaciones que conectaba la información en los sistemas de gestión de clientes de la empresa, los sistemas de seguimiento de tickets de servicio, las bases de datos de soluciones, los catálogos de piezas y todos los demás sistemas.
Luego, una vez que creamos la ontología, necesitábamos aplicarla a todos los datos subyacentes y conectarla a la experiencia de los técnicos y hacerla accesible desde una interfaz común. Una vez que todo fue etiquetado, Applied Materials incorporó la ontología en múltiples sistemas y procesos, la aplicó a los documentos existentes, la incorporó a los flujos de trabajo para nuevos documentos y soluciones, y la conectó con ERP y sistemas de gestión de activos digitales. Esto nos permitió crear el nuevo sistema con el que habíamos soñado que los técnicos de campo capacitados para obtener exactamente la información que necesitaban, de manera eficiente, de las fuentes más apropiadas para la tarea en cuestión. Los grupos lógicos de contenido, organizados de manera alineada con su forma de pensar acerca de los problemas que estaban resolviendo, sus "modelos mentales", los ayudaron a localizar exactamente la información que sería más útil en un contexto dado, como las guías de solución de problemas.
El sistema resultante redujo a la mitad el tiempo que los técnicos dedicaron a buscar información. Applied Materials estimó el valor de esos ahorros en decenas de millones de dólares por año. Incluso permitió a los técnicos reducir sus inventarios de partes componentes. La IA era parte de la solución, pero dependía de la ontología subyacente para obtener el acceso adecuado a los datos que necesitaba.
Cómo construir una ontología
Como puede imaginar, crear una ontología que tenga sentido para todos los datos de su empresa no es una tarea fácil. En base a las muchas compañías que he recorrido en el proceso, estos son los pasos clave:
- Identificar puntos de dolor de datos. Audite dónde los problemas de información y los cuellos de botella afectan la función de la empresa, como las frustrantes búsquedas de soluciones de los técnicos de Materiales Aplicados. Busque las causas raíz que están generando múltiples problemas. Esto ayuda a las personas a comprender cómo resolver el problema de la arquitectura de datos más grande puede generar beneficios generalizados en la empresa.
- Generar soluciones basadas en las causas raíz. Comience a imaginar cómo podría ser una posible solución, como el sistema de búsqueda más eficiente que Materiales Aplicados necesita tan urgentemente. Comience con las tareas que tendrán el mayor impacto en el negocio si se hacen más eficientes.
- Comprender los casos de uso. Considere quién se beneficiará de cada solución (personal de servicio al cliente, desarrolladores de productos o quizás clientes en un sitio de comercio electrónico) y exactamente qué tareas la solución les ayudará a realizar de manera más eficiente. Desarrolle un modelo de lo que debe hacer el individuo para lograr el resultado deseado, luego valídelo probándolo con trabajadores reales que realizan su trabajo. Aprenda cómo describen la respuesta ideal, luego combine la forma en que la describen con las formas en que otros trabajadores en otros roles describen los mismos tipos de problemas o los relacionados.
- Establece los principios de organización de la ontología. Esta es la clave de la ontología. Con el conocimiento de cómo las personas usan la información, puede comenzar a diseñar los detalles de cómo organizar y clasificar los datos que tiene para que formen parte de las soluciones que está creando. Por ejemplo, en Materiales aplicados, los conceptos maestros tenían nombres como "Cuenta", "Usuario", "Unidad de negocios" y "Solución" que coincidían con una variedad de términos dentro de los sistemas heredados de la compañía, y con los modelos mentales que el Los técnicos tenían lo que estaba pasando en cualquier parte de la planta.
Una vez que haya creado una ontología de esta manera (y un sistema para mantenerla), los beneficios se multiplican. Se convierte en una parte esencial no solo de la solución al problema de información actual, sino también del siguiente problema que surge y el siguiente. Tenga en cuenta que la ontología es una entidad en constante evolución: a medida que cambian las necesidades de los productos, servicios, mercados, competidores y clientes, un proceso intencional para cambiar la ontología la mantendrá fresca y relevante.
Cada vez está más claro que la IA resolverá muchos de esos problemas en el futuro, ya sea por medio de un chatbot de servicio al cliente, un sistema que muestre señales sobre eficiencias y fallas comerciales, o cualquiera de las miles de otras aplicaciones. La ontología, como representación de lo que importa dentro de la empresa y la hace única, es lo que unifica esas soluciones y las convierte en algo más que una solución rápida que se volverá obsoleta rápidamente. Si sospecha que la IA es el futuro de los negocios, una conclusión de la que estoy seguro, crear una ontología es una inversión esencial para preparar a su empresa para obtener los beneficios de ese futuro. Es un concepto que, administrado y aplicado de manera adecuada, marca la diferencia entre la promesa de IA y el cumplimiento sostenible de esa promesa.
Seth Earley es el fundador y CEO de Earley Information Science y el autor del nuevo libro The AI-Powered Enterprise: Aproveche el poder de las ontologías para hacer que su negocio sea más inteligente, más rápido y más rentable.
Josh Bernoff es el autor o coautor de seis libros de estrategia empresarial, incluyendo Writing Without Bullshit: Impulsa tu carrera diciendo lo que quieres decir. Su blog está en bernoff.com.
No hay comentarios:
Publicar un comentario