NOTICIAS / AI TECNOLOGÍA
ArtefactConsejos para crear un laboratorio AI
¿Por qué crear un laboratorio AI ?
¿Qué es un laboratorio AI ?
AI Los laboratorios impulsan la creación de valor mediante la definición de casos de uso en AI . Un laboratorio de AI reúne:
- Competencias multidisciplinares: expertos con mentalidad tanto empresarial (propietario del producto, propietario de la empresa, etc.) como técnica (científico dedata , ingeniero de data , arquitecto de data , etc.) y que trabajan juntos para lograr casos de uso.
- Metodologías: Design Thinking y Agile. Esto permite pasar rápidamente de la idea al concepto, del concepto al prototipo, del prototipo a la producción y de la producción al despliegue a escala.
- Tecnologías: herramientas que permiten crear soluciones técnicas eficaces y escalables
Los principales problemas
Inteligencia Artificial suelen estar dispersas por toda la organización. La mayoría se quedan en la fase de prueba de concepto (PdC) y, en última instancia, no aportan ningún valor.
Estas PdC rara vez forman parte de una estrategia más amplia, lo que significa que el valor potencial queda sin explotar.
AI Los laboratorios tienen dos grandes retos:
- Creación de valor a escala priorizando los casos de uso de forma inteligente, acelerando su industrialización y su escala.
- Fomentar el intercambio de conocimientos y aumentar las competencias de los empleados.
ArtefactConsejos para crear un laboratorio AI
#1 Elegir los casos de uso adecuados
Equilibrar las distintas áreas de negocio y los distintos niveles de valor.
Apueste por victorias rápidas, tanto para garantizar un verdadero valor incremental como para facilitar la implantación. Es más importante que los primeros casos de uso tengan éxito a que aporten el mayor valor.
Sea pragmático: elija la opción más sencilla tanto a nivel técnico como organizativo (elija los casos de uso con menos fricciones).
#2 Organizar equipos de trabajo
Crear equipos ágiles, cada uno a cargo de un problema empresarial importante, impulsado por un KPI. Por ejemplo, un minorista podría crear un equipo de rendimiento ágil para la tienda y otro para la cadena de suministro.
Divida estos equipos ágiles en equipos de características, cada uno encargado de un subproblema. Por ejemplo, el equipo ágil de la cadena de suministro puede subdividirse en un equipo de predicción de ventas, un equipo centrado en la automatización del trabajo de almacén, etc.
#3 Descomponer la complejidad
Segmente cada subproblema en subunidades básicas.
Por ejemplo, el equipo de características encargado de la predicción de ventas está inicialmente interesado en la predicción de ventas de frutas y verduras y, más concretamente, en la predicción de ventas de tomates.
#4 Desarrollar habilidades
Establecer procesos que fomenten el intercambio de conocimientos y competencias, por ejemplo:
- Charlas técnicas: organizar eventos semanales para que un equipo dé su opinión sobre un punto concreto (una herramienta, un reto, etc.)
- Programación en parejas: Establecer parejas dentro de los equipos de características, trabajando juntos en el mismo código.
Crear una academia de laboratorio para llevar a cabo un programa de formación dentro del laboratorio.
#5 Que sea escalable
Ser capaz de aumentar rápidamente la capacidad de los equipos de laboratorio añadiendo equipos de funciones o creando nuevos equipos de funciones.
