May’ 2021 Pablo Rodríguez Bocca Version 20210513
Ciencia y Datos: la “nueva” transformación de las organizacionesInteligencia Artificial en la Empresa
AGENDAFUNDAMENTOSCiencia de datos, Inteligencia
artificial, optimización
01
02
03 IMPLANTACIÓN EN LA EMPRESAEstrategía, roles y recursos
MOTIVACIÓNGeneralidades
Basado en ideas y curso de:
de Andrew Ng
disponible en Courserahttps://www.coursera.org/learn/ai-for-everyonehttps://landing.ai/ai-transformations/
Sept, 2019
Pablo Rodríguez Bocca● Investigador, Científico
○ Modelado Predictivo○ Optimización e investigación operativa○ Análisis de datos en redes
● PhD en Computación (France+Uruguay). Msc (Uruguay). Ingeniero Eléctrico y en Computación (Uruguay)
● Profesor agregado (grado 4, InCo, UDELAR, Uruguay)● Asesor en ANTEL (mayor empresa de comunicaciones de Uruguay)
y Eidos.ai (computer vision)● Co-fundador de GoalBit (video streaming) y Agronóstico (agritech)
MOTIVACIÓN01Generalidades
Creación de valor de AI: 13 billones de USD
174.000MM USD en todo el mundo
Fuente: McKinsey Global Institute
Ciencia y Datos en las Empresas
1 Optimizar los procesos internos y su operación
2 Mejorar la experiencia de usuario
3 Mejorar las ventas y el marketing
4 Otros:● Fraude y ciberseguridad● Monetizar datos del cliente● Permitir nuevos servicios
Agronóstico Inteligencia Artificial aplicada al agro
● Predecir rendimiento
● Optimizar decisiones
○ siembra, fertilizantes
● Monitorear
○ suelo y cultivo
Fuente: http://agronostico.com
Primer cliente de prueba
● gran productor de granos en Uruguay (>20k has. de soja)
● campaña 2015/2016 de soja
● 12k hectáreas, 24 establecimientos, 168 lotes
● 18% error en predicción de rendimiento al comienzo de la zafra
Recomendaciones principales
● Siembracambiar fechaen promedio adelantar 12 días+150 kg/havalidación estadística
● Fertilizaciónmejor aplicación de potasioen promedio +18 kg/ha30% de aumento en rentabilidadvalidación estadística y en campo
FUNDAMENTOS01Ciencia de datos, Inteligencia artificial
CIENCIA DE DATOSEl análisis de los datos en la empresa
Ciencia de Datos (data science - DS)
Disciplina que busca extraer conocimiento de forma sistemática y computacionalmente eficiente a partir de los datos
Fuente: Maestría en Ciencia de Datos y Aprendizaje Automático, Fing, UDELAR
Método científico aplicado a datos
1. preguntarse2. formular hipótesis3. experimentar4. evaluar y mejorar5. comunicar
Fuentes: CRISP-DM, 2006
Ciencia de datos aplicada a productos y servicios
Crear productos más valiosos:
1. Usarla para crear una ventaja competitiva importante
2. Agregar muchas características, que hagan difícil a un competidor generar un producto igual
3. Alinear el esfuerzo con ciclo de retroalimentación positiva - círculo virtuoso de la AI
4. Alinear el esfuerzo con la estrategia del negocio (reducir costos, maximizar valor, aumentar efecto de red)Fuente: https://landing.ai
Tipos de Análisis y Resultados
1. Descriptivo○ explorar, entender○ documentos
2. Predictivo○ futuro y datos faltantes○ automatizar○ documentos + software
3. Prescriptivo○ optimizar○ software
esfuerzobe
nefic
io
descriptivo
predictivo
prescriptivo
Ejemplo de tipos de Análisis - Agronóstico● Entender el proceso agrícola
○ cuantificar, conocer su distribución y variables más relevantes○ descriptivo
● Estimar el rendimiento de la zafra actual○ predictivo
● Planificar actividades de próxima zafra para maximizar rendimiento○ prescriptivo
Pasos en un proyecto de DS-AI 1/2
● Ejemplo: prescripción en producción de soja
1. recolectar datos2. analizar datos
○ iterar hasta obtener buen modelo predictivopráctica agronómica → rendimiento
3. sugerir acciones○ mejorar planificación de zafra con optimización
Pasos en un proyecto de DS-AI 2/2
● Son los mismos pasos en todos los proyectos de DS o AI○ recordar el ciclo del método científico ○ para todos los resultados
■ descriptivo■ predictivo■ prescritivo
○ compatible con el ciclo virtuoso de AI
INTELIGENCIA ARTIFICIALAprendizaje automático, algoritmos y herramientas
Inteligencia Artificial
Inteligencia Artificial General : imitar todas las capacidades de los humanos
Inteligencia Artificial Estrecha : aplicado a una sola tarea
Fuente: -
Aprendizaje Automático (machine learning - ML)
Disciplina que da a las computadoras la habilidad de aprender sin ser programados explícitamente
Fuente: Arthur Samuel, 1959
Aprendizaje supervisado
● aprender una función de mapeoentrada (X) salida (Y) aplicación
email ¿spam? filtro spam
audio transcripción a texto reconocimiento de voz
Inglés Español traducción
imagen de un teléfono ¿defecto? inspección visual
imagen, radar, gps posición de otros autos manejo autónomo
banner, dato usuario ¿click? publicidad online
Lo que puede hacer...
● En aprendizaje supervisado○ lo que puedes hacer en
≤ 1 segundo…○ evaluar prefactibilidad con
un ante-proyecto
email ¿spam?
audio transcripción a texto
Inglés Español
imagen de un teléfono ¿defecto?
imagen, radar, gps posición de otros autos
banner, dato usuario ¿click?
● Es más sencillo cuando○ concepto simple para aprender○ muchos datos disponibles (X → Y)
Error frecuente
El ML es mágico, resuelve todos los problemas, y encuentra patrones de comportamiento donde no los hay…
Error frecuente
Esperar 100% de precisión en DS-AI…
● Limitaciones de los modelos● Datos insuficientes● Datos incorrectos o ambiguos
INVESTIGACIÓN OPERATIVAOptimización, Toma de decisiones
Investigación Operativa
Investigación Operativa : empleo del método científico en la búsqueda de soluciones óptimas y como apoyo a la toma de decisiones a nivel operativo y gerencial
Optimización : matemática aplicada que busca los valores que minimizan una función objetivo contemplando el precio computacional
Fuente: -
¿Por qué nombrar la optimización hoy?
● En Investigación Operativa,○ la optimización es el mecanismo principal
● En DS, ○ habitualmente es parte del análisis predictivo○ siempre usada en análisis prescriptivo
● En AI,○ en realidad aprender es optimizar○ y las otras técnicas también
Intentemos poner estos conceptos juntos...
● dibujo controversial● hay muchos más términos relevantes...
AIDS
ML
DL
IO
Opt
Los datos son lo más importante...
● Tipos de datos○ estructurados - en hoja de cálculo…○ no estructurados - imágenes, sonido,…
● Adquisición de datos○ etiquetar manualmente○ observar comportamientos○ descargar de Internet o socios
Calidad de los datos
● Basura entra, basura sale
● Importante: corregir, imputar, eliminar errores en entrada y/o salida
● 70% del tiempo preparando los dataset
IMPLANTACIÓN EN LA EMPRESA
03Estrategía, roles y recursos
Transformación digital, luego transformación DS-AI
Tranformación digital
○ La mejor tecnología sustenta los procesos, productos,...
○ A/B testing○ Ciclo de vida de productos muy
cortos○ Grandes decisiones tomadas
por cargos técnicos especializados
Transformación DS-AI
○ Adquisición estratégica de datos○ Repositorio único de datos○ Automatización generalizada○ Nuevos roles y distribución de
tareas
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
Ejecutar proyectos pilotos para ganar impulso
● Más importante que sean exitosos a que tengan alto impacto
● Mostrar resultados en 6-12 meses● Pueden ser desarrollados internamente o
tercerizados
¿Cómo elegir los proyectos de AI?
● equipo multidisciplinario● tormenta de ideas ante-proyecto
Tareas realizables
con AI
Tareas valiosas para
el negocio
expertos de dominio expertos de AI
Error frecuente
Contratar 1-2 expertos en DS-AI y esperar que aisladamente elijan los mejores casos de uso…
¿Cuándo empezar?
● Lo antes posible…● Se puede avanzar con los RRHH disponibles● Se puede avanzar con pocos datos. Ayuda en:
○ elegir mejores datos○ elegir tecnología, modelos○ cuantificar impacto○ medir esfuerzo
(si se tienen muchos datos por lo general ayuda)
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
¿Crear o tercerizar el equipo?
● Proyectos DS○ habitualmente se desarrollan internamente
● Proyectos ML○ pueden desarrollarse internamente o por terceros
● Con el paso del tiempo será necesario ○ crear proyectos de mayor duración y mayor impacto
● Evitar rehacer la rueda○ evolución rápida y soluciones líderes
Organigrama del equipo de DS-AI 1/4
Equipo central que da servicio a las áreas de negocio
vs
Pequeños equipos en cada área de negocio
Fuente: Isaac González Díaz. BigData para CEOs y Directores de Marketing, 2017
Organigrama del equipo de DS-AI 2/4
Dirección General
Equipo DS-AI Marketing Tecnología Informática Operación Ventas ...
Fuente: https://landing.ai/ai-transformations/
recursos humanos, hw, sw, políticas,...
Organigrama del equipo de DS-AI 3/4
CAIO / CDO / CTO / CIO
NegocioAnalítica DatosTecnología
informática
Fuente: Isaac González Díaz. BigData para CEOs y Directores de Marketing, 2017https://landing.ai/ai-transformations/
áreas de negocio
Organigrama del equipo de DS-AI 4/4
CAIO / CDO / CTO / CIO
NegocioAnalítica DatosTecnología
ingenierios de datos gerentes de productoingenieros de swIngenieros de ML
científicos de datosanalistas de datosinvestigadores de ML
Nuevos roles● Gerente de producto
○ manejar ciclo de vida de productos y proyectos, qué es posible y valioso● Ingeniero de software
○ desarrollar productos de software● Ingeniero/arquitecto de datos
○ organizar datos: accesibles, seguros, bajo costo● Ingeniero de aprendizaje automático
○ aplicar AI● Científico de datos
○ aplicar y extender conocimiento AI● Analista de datos
○ aplicar análisis descriptivo ● Investigador de aprendizaje automático
○ extender el conocimiento de ML● ...
Error frecuente
Pensar que se necesita contratar expertos en DS-AI antes de comenzar a trabajar en estos temas…
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
Agrónomo
● Ciencia de datos○ prescribir las mejores prácticas
agronómicas para maximizar rentabilidad
○ brinda mayor eficiencia al agrónomo● Aprendizaje automático
○ eliminar malezas localizadas○ mayor eficacia y menos contaminantes
Amplia capacitación en DS-AI
4 horas
Gerentes y líderes de negocio
● ¿cómo puede ayudar DS-AI a la empresa?
● ¿qué debe incluirse en la estrategia de desarrollo de DS-AI?
● ¿qué recursos se necesitan?
12 horas ≥100 horas
● desarrollar y desplegar software DS-AI
● ejecutar un proyecto DS-AI
● manipular datos
Jefes y gestores de proyectos
Ingenieros y personal técnico
● priorizar proyectos más valiosos y más factibles
● ¿cómo evaluar los resultados de un proyecto DS-AI?
● ¿cómo se hacer su seguimiento?
● ¿qué recursos se necesitan?
Programas disponibles en la Academia
● Ciencia de Datos para Negocios (grado). UM● Especialización en Ciencia de Datos. FING, UDELAR● Especialización en Analítica de Big Data. ORT● Especialización en Inteligencia Artificial. ORT● Especialización en Analítica de Negocios. ORT● Maestría en Ciencia de Datos Aplicada. FING, UDELAR● Maestría en Ciencia de Datos y Aprendizaje Automático. FING, UDELAR● Master en Big Data. ORT● Maestría Profesional en Ciencia de Datos. UTEC● … y muchos otros relacionados...
Programas disponibles en la Academia
● Ciencia de Datos para Negocios (grado). UM● Especialización en Ciencia de Datos. FING, UDELAR● Especialización en Analítica de Big Data. ORT● Especialización en Inteligencia Artificial. ORT● Especialización en Analítica de Negocios. ORT● Maestría en Ciencia de Datos Aplicada. FING, UDELAR● Maestría en Ciencia de Datos y Aprendizaje Automático. FING, UDELAR● Master en Big Data. ORT● Maestría Profesional en Ciencia de Datos. UTEC● … y muchos otros relacionados...
Y muchos cursos de actualización !...
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
Desarrollar una estrategia de DS-AI
● Aprovechar las capacidades DS-AI para crear un ventaja competitiva:○ mejores productos/servicio○ nuevos productos/servicios
● Alinear la estrategia con el “ciclo virtuoso de AI”● Alinear la estrategia con la estrategia de datos
○ adquisición estratégica de datos○ repositorio unificado: data-warehouse, data-lake
Primero la estrategia de datos…
Existen varios estándares de la industria
No es solo importante para DS-AI, no es un tema informático…● ubicuidad● volumen, velocidad,...● valor
Fuente: https://dama.org. The Global Data Management Community
Pasos para la transformación DS-AI
1 Ejecutar proyectos pilotos para ganar impulso
2 Crear un equipo propio de DS-AI
3 Brindar amplia capacitación en DS-AI
4 Desarrollar una estrategia de DS-AI
Fuente: https://landing.ai/ai-transformations/
5 Desarrollar comunicaciones internas y externas
Desarrollar comunicaciones internas y externas
● Visibilidad hacia el consumidor/usuario○ que nos vean “smart”
● Relaciones con los inversores○ que nos vean con más valor en el futuro
● Relaciones con el gobierno○ que nos vean prósperos, confiables y seguros
● Manejo del talento y los RRHH○ políticas específicas
● Comunicaciones internas○ cultura de adaptación y cooperación
Errores frecuentes
Google provee una lista de mejores prácticas (técnicas) en:
https://developers.google.com/machine-learning/guides/rules-of-ml/
Manos a la obra! El próximo paso es el más importante
● Hablar con colegas sobre cómo avanzar● Buscar capacitación● Charlar con los varios expertos del tema disponibles● Elegir y comenzar un proyecto sencillo● Discutir sobre el impacto de avanzar en esta transformación...
gracias
https://www.linkedin.com/in/pablo-rodriguez-bocca/
Pablo Rodríguez Bocca
LIMITANTES DE DS-AI, ÉTICA, Y SOCIEDAD...
AnexoLimitantes técnicas, éticas, e impacto en la sociedad
Limitaciones de DS-AI
● Explicabilidad de los modelos es difícil○ y causalidad en los datos un gran desafío
● Limitantes de performance○ altos costos de infraestructura y energía
● Prejuicios en modelos● Ataque adversario
Performance - Investigación costosa y exclusiva
● “Si no tienes la potencia computacional suficiente, no puedes innovar...” Ilya Sutskever, OpenAI○ concentración en grandes empresas informáticas○ Universidades y sociedad no pueden competir
● “Volumen de cálculos de los líderes en AI ha aumentado 300.000 veces en los últimos seis años...” Allen Institute for Artificial Intelligence
● Tendencia○ contemplar también el precio computacional (=energía=costo)
Prejuicios - Modelos sesgados debido a datos sesgados● Prejuicios al
○ contratar personal○ aprobar préstamos○ …
● Si no se actúa, se refuerzan los malos estereotipos ● Es costoso generar modelos equilibrados
○ soluciones técnicas: equalizar datos○ auditar procesos externamente
Fuente: https://landing.ai
Ataque adversario
Fuente: “Explaining and Harnessing Adversarial Examples”. I. Goodfellow, J., C. Szegedy, 2015. https://arxiv.org/abs/1412.6572
panda 57.7%
nematodo (gusano)8.2%
gibón (mono)99.3 %
Ataques físicos
Falla al identificar señalFalla al identificar persona(identifica a Milla Jovovich)
banana (identifica tostadora)
Fuente: https://landing.ai
Usos adversos de AI
● deepFakes○ videos falsos
● comentarios falsos○ bots
● vigilancia opresiva○ privacidad y democracia
● spam vs. anti-spam, fraude vs. anti-fraude
Fuente: https://www.patreon.com/ctrl_shift_facehttps://www.creativebloq.com/features/deepfake-examples
Impacto de AI en el trabajo global 1/3
Fuente: McKinsey Global Institute.
“La mitad de los trabajos son vulnerables a la automatización…”
para el 2030
○ trabajos desplazados: 400-800 millones○ trabajos creados: 555-890 millones
Impacto de AI en el trabajo global 2/3
Fuente: Nedelkoska, L. and Quintini, G. “Automation, skills use and training”. OECD Social, Employment and Migration. Working Papers, No. 202. 2018. Imagen: http//economist.com
Impacto de AI en el trabajo global 3/3
Fuente: Nedelkoska, L. and Quintini, G. “Automation, skills use and training”. OECD Social, Employment and Migration. Working Papers, No. 202. 2018. Imagen: http//economist.com
nuevamentegracias ;)
https://www.linkedin.com/in/pablo-rodriguez-bocca/
Pablo Rodríguez Bocca