Centros de excelencia de Inteligencia Artificial

Un nuevo motor para impulsar la transformación de los negocios

0
14

Cuando Shell lanzó por primera vez su Centro de Excelencia (CdE) de Inteligencia Artificial en el 2013, ni siquiera se conocía como inteligencia artificial, sino como analítica predictiva, y era diminuta.

«Solo era yo”, comenta Dan Jeavons, quien ahora dirige lo que se conoce como el Centro de Excelencia de Ciencia de Datos de Shell, que incluye 180 científicos e ingenieros de datos a tiempo completo.

«Lo ampliaron un poco”, anota.

Originalmente, el propósito del CdE era apoyar a las unidades de negocio que trabajaban en proyectos relacionados con la analítica.

«Teníamos muchos proyectos de las líneas de negocio generándose por todas partes”, comenta. «Y teníamos algunos líderes que reconocieron que necesitábamos coordinar lo que estábamos haciendo. La intención original era facilitar lo que estaba pasando, pero permitir que las empresas hicieran el trabajo por sí mismas”.

Pero la inteligencia artificial requiere conocimientos técnicos profundos, y el científico generalista de datos de una unidad de negocios puede no tener suficiente experiencia en temas especializados como el aprendizaje profundo o la visión artificial o el procesamiento de lenguaje natural para hacer el mejor uso de ella. Además, el hecho de permitir que las unidades de negocio hagan lo suyo, dio lugar a que las personas adoptaran diferentes enfoques para los mismos problemas.

«Es muy necesario crear normas comunes, crear plataformas comunes para acceder a los datos, desarrollar procesos de garantía”, señala Jeavons.

Como resultado, el papel del CdE de Shell se amplió, agregó más personas con conocimientos profundos y especializados, y para establecer normas y políticas.

Hoy en día, Shell utiliza Microsoft Azure para la mayoría de sus proyectos de inteligencia artificial, y realiza algunos trabajos en AWS de Amazon, indica Jeavons. La compañía también tiene estrechas alianzas con las empresas de analítica de datos Databricks y C3, además de otros varios socios que proporcionan capacidades tecnológicas más especializadas. Eso ha ayudado a acelerar el desarrollo de las soluciones de inteligencia artificial de la compañía, indica Jeavons.

Para las organizaciones que buscan lograr el éxito en la inteligencia artificial a escala, establecer un enfoque tan centralizado puede ser clave. Según la última encuesta de Deloitte sobre el estado de la inteligencia artificial en la empresa, publicada en julio, es mucho más probable que los adoptadores experimentados de la inteligencia artificial adopten un enfoque centralizado de la tecnología y en la selección de proveedores.

«Sin un centro de excelencia, se tienen inversiones a la medida en ocho o diez líneas de negocio, cada una acudiendo a TI desde diferentes áreas, una inversión menos eficiente”, señala Dave Kuder, director de Deloitte Consulting, añadiendo que los CdE de inteligencia artificial pueden ayudar a las empresas a pasar de los prototipos de proyectos individuales y pruebas de concepto, a desplegar la inteligencia artificial a escala.

«Las actividades dispares que han tenido lugar en los últimos años deben ahora industrializarse, endurecerse y ponerse en funcionamiento”, anota. «El centro de excelencia de inteligencia artificial juega un gran papel, y es un buen paso para coordinar algunas de estas actividades”.

Como muestra la experiencia de Shell, el desarrollo de la experiencia interna y de plataformas y normas comunes, es la primera fase en el establecimiento del ciclo de vida del CdE de inteligencia artificial. Aquí vemos cómo estos CdE están impactando en los negocios hoy en día.

La inteligencia artificial a escala
QTS Data Centers estableció su QTS Innovation Lab hace dos años para acelerar el journey hacia la inteligencia artificial de este proveedor para centros de datos.

«Nuestro negocio estaba creciendo y teníamos algunas ineficiencias en nuestros procesos analógicos”, comenta Brent Bensten, CTO de productos en QTS, que opera 26 centros de datos a nivel mundial.

Por ejemplo, un ingeniero solía pasear por las instalaciones de QTS, que incluyen edificios de millones de pies cuadrados, para visitar personalmente todos los equipos, señala Bensten. «Un ingeniero iba a nuestros paneles de aire acondicionado, por ejemplo, tomaba las lecturas, las escribía manualmente en un portapapeles, y luego volvía y comprobaba que todo estuviera bien. No tenía los datos subyacentes, solo el ‘todo está bien’”.

Así que el primer objetivo del laboratorio era digitalizar este proceso para aumentar la eficiencia del negocio. Hoy en día, todas esas mediciones se recogen automáticamente, en detalle, proporcionando a la empresa una huella digital completa de sus operaciones. Estos datos ahora pueden ser utilizados para predecir los requerimientos de energía, optimizar el mantenimiento y reducir la huella de carbono de la compañía.

«Todo eso es ahora una experiencia completamente digital, gestionada y operada por la inteligencia artificial”, sostiene. El laboratorio, que dedica alrededor del 90% de su tiempo a proyectos de inteligencia artificial, también ha configurado sus sistemas para integrarlos con plataformas de terceros, como ServiceNow y Salesforce. «Centralizamos la gestión y eso nos permitió desplegar la experiencia digital a través de toda la cartera de QTS”.

Y los beneficios no han sido solo internos. Las mismas herramientas de predicción ayudan a beneficiar a los clientes de la compañía.

«Al usar la inteligencia artificial, el aprendizaje automático y los conceptos neuronales, podemos predecir cosas que van a suceder, caídas, fallas, consumo de energía”, indica Bensten, incluyendo la capacidad de predecir la utilización de energía de los clientes hasta 60 días. Como resultado, los clientes de QTS pueden ser más fluidos con su entorno, reducir los costos de energía y adelantarse a los problemas, agrega.

«Y pueden reducir su huella de sostenibilidad”, añade. «Pueden presentarse para créditos de sostenibilidad porque les proporcionamos los datos”.

Para Ernst & Young, el lanzamiento de su CdE de inteligencia artificial en el 2016 ayudó a acelerar la adopción de la inteligencia artificial a escala, comenta Jonathan DeGange, director asociado de Ernst & Young de aprendizaje automático en su CdE de inteligencia artificial.

«Sentimos que había un pequeño problema con el efecto de silo, en el que tienes diferentes grupos que no se hablan entre sí”, anota. Además, Ernst & Young buscaba abordar grandes proyectos –como detener el lavado de dinero– que requerían coordinación entre diferentes unidades de negocio y geografías.

«Hay un efecto multiplicador al reunir la experiencia de un campo en particular”, comenta Carl Case, director de la oficina de servicios financieros de Ernst & Young, que busca en el CdE de inteligencia artificial ayuda para los proyectos de inteligencia artificial. «Y estamos tratando de hacer frente a algunos problemas muy sustanciosos y de gran envergadura: los delitos financieros mundiales, la compleja legislación y reglamentación fiscal, el futuro del trabajo y el impacto de la transformación digital”.

Antes de la formación de un CdE de inteligencia, afirma, su equipo interactuaba con un equipo de Inteligencia Artificial más pequeño de los Estados Unidos. Pero una vez que el centro global se abrió, el equipo de Case pudo empezar a pensar en grande. «Hemos visto redes de drogas, redes de tráfico de personas y las hemos detenido”, señala DeGange.

Por ejemplo, usando enfoques de redes basadas en gráficos y detección de anomalías, el sistema de inteligencia artificial puede identificar patrones de comportamiento sospechosos, y no solo transacciones individuales.

«Ahora está viendo cómo se comporta la red en su conjunto”, señala. «¿Se están creando nuevas relaciones de manera anómala? Por ejemplo, la forma en que una red criminal abre cuentas y realiza transacciones se ve muy diferente a la de una persona que inicia un negocio legítimo. Hay una clara diferencia en los patrones que pueden ser detectados con la inteligencia artificial”.

Transferencia de aprendizaje
Una vez que un CdE de inteligencia artificial ha establecido una experiencia interna y plataformas comunes, su siguiente etapa es compartir las mejores prácticas en toda la empresa.

«La inteligencia artificial no respeta los límites de la organización”, comenta Jeavons de Shell. El mantenimiento predictivo, por ejemplo, es aplicable a casi todos los negocios de Shell, y una vez establecido un CdE de inteligencia artificial, la tecnología desarrollada en un área puede luego desplegarse en muchos lugares diferentes.

«La visión artificial es otro ejemplo”, indica Jeavons. «Hemos desarrollado casos de uso en el comercio minorista, pero las capacidades de habilitación detrás de esos casos de uso son aplicables a la inspección en nuestros sitios de fabricación y para observar problemas de corrosión”.

General Electric también ha lanzado un CdE de inteligencia artificial para ayudar a impulsar esta tecnología en diferentes unidades de negocio. Conocida por su uso de metodologías Six Sigma y Lean para mejorar la eficiencia de la fabricación, GE está utilizando ahora la inteligencia artificial para llevar los mismos tipos de mejoras de procesos a otras áreas de la organización. La empresa, que ya tenía un centro de excelencia de inteligencia artificial en su centro de investigación global –enfocado en la creación de gemelos digitales para la maquinaria que GE construye–, ahora tiene un nuevo CdE enfocado en el uso de la inteligencia artificial para impulsar la transformación digital en toda la empresa, con sede en GE Digital, comenta Colin Parris, vicepresidente sénior y CTO de GE Digital.

Debido a que las unidades de negocio se centran típicamente en las necesidades inmediatas, no suelen tener el tipo de experiencia profunda en inteligencia artificial que se requiere para los grandes proyectos de transformación, añade Parris.

«Hacemos la investigación de la hipótesis para asegurarnos de que funciona, reunimos a los mejores talentos y luego la llevamos a través de múltiples partes del negocio de GE”, señala.

En este momento, el centro está trabajando en encontrar qué está causando que aumenten los costos de las garantías.

«Están aumentando porque tenemos ciertas piezas que se están dañando y no las estamos reemplazando lo suficientemente rápido”, anota. «Si podemos descubrir antes que las piezas tenían daños y reemplazarlas cuando todavía son de categoría tres, podría costarnos cinco mil dólares y nos tomaría una semana. Pero si esperamos a que sea de categoría cinco, podría costarnos 500 mil dólares y nos tomaría un mes”.

Se está utilizando el reconocimiento de imágenes basado en inteligencia artificial para acelerar las inspecciones, ayudando así a los expertos humanos a centrarse en las áreas más problemáticas, como los daños en las cuchillas. Y la inteligencia artificial se está utilizando para programar las reparaciones para hacer un uso óptimo del personal; además, se hace el mantenimiento antes, cuando es menos costoso.

«Ahora hemos desplegado esto como un experimento en el campo en América del Sur”, señala. «Veremos los resultados a finales de año, y si los costos de las garantías bajan y el experimento tiene sentido, lo desplegaremos en otras áreas”.

La transformación de la compañía
Al establecer un CdE de inteligencia artificial e infundir las mejores prácticas en toda la empresa, las organizaciones están mejor posicionadas para descubrir nuevos conocimientos a partir de los pilotos y proyectos de inteligencia artificial que pueden transformar drásticamente el funcionamiento de la empresa.

En Shell, comenzó con los sensores.

«Proporcionamos servicios de monitoreo, en forma de sensores de IoT, y somos capaces de monitorear lo que está pasando en tiempo real y dar al cliente servicios adicionales”, comenta Jeavons.

Por ejemplo, Shell sabe que el agua entra en un motor antes que el cliente. Como resultado de estos conocimientos, Shell se está convirtiendo en algo más que un simple proveedor de sus clientes, sino en un socio, un cambio que está creando nuevos modelos de negocio impulsados por la transformación que permite la inteligencia artificial, incluyendo nuevos negocios de energía, como la gestión de los cargadores digitales.

De hecho, Shell en su conjunto está en camino de convertirse en una empresa basada en la inteligencia artificial, indica Jeavons. «Tenemos un programa, Shell to AI, un programa de cambio integrado, que está diseñado para integrar la inteligencia artificial en cada parte de nuestro negocio”.

Y no es solo la fabricación, o el mantenimiento, o la investigación y el desarrollo. «Fundamentalmente, creo que la forma en que se va a desarrollar el software, basado en la computación en nube y la inteligencia artificial, va a transformar cada parte de nuestro negocio en los próximos años. Al igual que Internet, esta tecnología se va a generalizar, y tenemos que prepararnos para esto”, señala.

Como parte de este proceso, el CdE ayuda a coordinar un proyecto de base de personas de la empresa interesadas en la inteligencia artificial, que ha crecido de 30 personas en el 2013 a cuatro mil en la actualidad.

«Estamos compartiendo lo que está sucediendo en Shell con la inteligencia artificial y cómo puede ser aplicada”, señala Jeavons. «También nos asociamos con Udacity para desarrollar la formación de los ciudadanos científicos de datos para ayudarles a mejorar sus habilidades, y estamos invirtiendo en plataformas comunes para que la gente pueda desplegar cosas a escala”.

Shell no es el único que ve el potencial transformador de la inteligencia artificial. Según una encuesta del MIT Sloan y el Boston Consulting Group realizada a finales del año pasado, el 90% de las empresas consideran que la inteligencia artificial representa una oportunidad de negocio para su empresa.

Pero la mayoría de las empresas están todavía en las primeras etapas, ya que menos del 40% informa de alguna ganancia en sus negocios gracias a la inteligencia artificial en los últimos tres años, según la encuesta. Aquellas que tienen éxito, según el informe, son capaces de unificar sus iniciativas de inteligencia artificial con esfuerzos de transformación empresarial más grandes.

Una forma en que esto puede suceder es que una empresa tenga un proyecto de inteligencia artificial que dé como resultado insights que conduzcan a nuevas líneas de productos, o incluso a un completo replanteamiento del modelo de negocio de la empresa. Eso puede ocurrir relativamente pronto, señala Ken Seier, arquitecto jefe de datos y de inteligencia artificial en Insight, una empresa consultora de tecnología con sede en Tempe.

El hecho de contar con un CdE de inteligencia artificial puede ayudar a garantizar que el aprendizaje se comunique al resto de la empresa y a los altos ejecutivos, aumentando así las posibilidades de impulsar un cambio real.

Por ejemplo, señala Seier, él ha trabajado con una gran empresa aeroespacial que utilizaba la inteligencia artificial para mejorar el mantenimiento. Su modelo de negocio era vender equipos y contratos de mantenimiento. Pero con una mejor comprensión de la salud del equipo, pudieron pasar a un servicio por suscripción.

«Ahora se están apropiando más del éxito de los clientes porque tienen una mejor visión del negocio de los clientes que la que tienen los clientes”, indica. «La satisfacción del cliente aumenta, el modelo de ingresos se vuelve más predecible y parejo, y sus costos generales disminuyen”.

Sin embargo, con los grandes cambios vienen grandes riesgos y con la inteligencia artificial eso significa más que solo riesgos de negocios menores.

«Si cambiamos drásticamente la forma de hacer negocios, tenemos que asegurarnos de que lo hacemos de forma responsable ante nuestra fuerza de trabajo, nuestros clientes, nuestros grupos de interés y la población en general”, indica.

«La inteligencia artificial tiene un potencial nivel de interrupción igual o mayor al de la energía nuclear”, comenta Sounil Yu, CISO residente en YL Ventures, y ex jefe científico de seguridad del Bank of America.

Las ramificaciones negativas tienen que ser entendidas en toda la organización, y los centros de excelencia de inteligencia artificial tienen un papel que jugar aquí también, señala. Cuando los riesgos de la inteligencia artificial se evalúan por separado, en silos, se crea el potencial de dejar fuera a las partes interesadas críticas.

«Y corremos el peligro de aprovechar la inteligencia artificial para actividades para las que no es adecuada”, añade. «Esto crea pasivos potenciales”.

Maria Korolov, CIO.com