Si bien la validación de un modelo de Machine Learning es una tarea relativamente sencilla, la construcción de un modelo de Machine Learning requiere un proceso riguroso de exploración, diseño y construcción que conlleva varios retos e importantes requerimientos humanos, estratégicos, operativos y tecnológicos.
Consideraciones Machine Learning
¿Puedo Confiar En Los Resultados De Un Modelo De Machine Learning?
Machine Learning puede ser considerado como una caja negra: se ingresan datos a un modelo y como salida se obtienen resultados orientados a la toma de decisiones. Dada la compleja interacción entre miles de parámetros y reglas que pueden conformar un modelo, los procesos intermedios pueden ser totalmente confusos para un ser humano, lo que nos hace preguntarnos:
¿Puedo confiar en algo que no comprendo cómo funciona?
Si bien no podemos entender del todo un modelo de Machine Learning, sí podemos validar sus resultados, por lo que las incógnitas a responder son:
¿El algoritmo es capaz de predecir eventos futuros con precisión?
¿Se pueden tomar acciones concretas con base en los resultados del modelo?
Cualquier modelo capaz de pasar estas validaciones brinda valor a través de insights confiables y precisos. La conclusión aquí es que resulta más valioso lograr interpretar y determinar si el resultado de un modelo de Machine Learning es útil y confiable en lugar de tratar de comprender cómo el modelo llegó a ese resultado.
Si tienen tanto potencial de impacto,
¿por qué no todos implementan modelos de Machine Learning?
La construcción de Modelos de Machine Learning es tanto un arte como
una ciencia
Principales Retos: Recursos Humanos y Apoyo Directivo
Dado que la implementación de proyectos de Machine Learning requiere de un equipo especializado, esta capa técnica representa un reto para la gran mayoría de compañías que no cuentan con estos recursos. Por otro lado, la ausencia de apoyo a nivel ejecutivo es comúnmente otro obstáculo para el impulso de proyectos de transformación digital. Si bien los conceptos de “Inteligencia Artificial” y “Machine Learning” están de moda y han penetrado varios ámbitos de nuestra vida cotidiana, en realidad existe poca claridad sobre el beneficio que pueden ofrecer a una organización - se requiere una convicción de su dirección para transcender un enfoque estrictamente operacional y emprender el camino hacia la optimización e innovación.
¿Un Modelo de Machine Learning Puede Reemplazarme?
Existe mucha especulación sobre si una fuerza laboral basada en seres humanos será pronto reemplazada por máquinas. No podemos negarlo… Las máquinas actualmente son capaces de ejecutar cientos de tareas de una manera más precisa y segura de lo que lo haríamos nosotros. Una máquina puede contar con mayor capacidad para procesar, analizar y retener información, y pueden realizar tareas repetitivas por horas sin aburrirse ni cansarse.
Pero, ¿pueden sustituirnos completamente?
Si bien a través de Machine Learning se están incrementando las capacidades para que una máquina pueda aprender de manera autónoma, se sigue requiriendo de una abstracción inicial del problema de negocio en cuestión. El rol del ser humano ya no es llegar a la solución de un problema apoyado de la máquina si no ahora es definir el problema para que la máquina lo resuelva. En lugar ser reemplazados como se creía que pasaría, vivimos un futuro en el que los humanos y las máquinas trabajamos y mejoramos nuestras habilidades conjuntamente.