Hoy día, uno de los temas -¿o retos?- más importantes para las empresas que quieren escalar inteligencia artificial es cómo gobernar sin frenar la innovación, TechTarget publicó recientemente un análisis sobre cómo los equipos de datos y de gobierno de Inteligencia Artificial están teniendo que trabajar juntos para controlar (si, ¡controlar!) agentes autónomos y moviéndose hacia modelos de revisión basados en el riesgo, agilizando los modelos de bajo riesgo y revisiones más rigurosas para iniciativas de alto impacto.
De cara al gobierno de la IA, InfoWorld por su parte, publicó un análisis muy revelador sobre la inclusión de la semántica empresarial en la era en que vivimos. La idea central es clara, los modelos no pueden interpretar de manera correcta una organización, pero tampoco entender qué significan sus datos, cuáles son las definiciones oficiales y cómo se relacionan los conceptos del negocio entre sí.
El artículo plantea tres capas críticas para que la IA funcione mejor usando los datos empresariales: contexto de datos, contexto semántico y memoria organizacional, explicando porqué muchos agentes de IA pueden generar soluciones y respuestas muy interesantes pero difíciles de confiar.
A lo largo de mi carrera profesional he visto como muchas empresas documentan glosarios, catálogos, reglas y definiciones pensando en los usuarios, ahora todo esto debe pensarse para sistemas inteligentes que eventualmente interpretarán el negocio para tomar decisiones más rápidas. ¿El reto que identifico? La velocidad a lo que todo esto avanza que muchas veces nos pone en jaque al momento de identificar oportunidades de adoptar soluciones basadas en IA.