¿Qué es la comprensión de datos ia?
La comprensión de datos IA, es una fase cuyo propósito es validar que los datos que alimentan la solución de IA estén disponibles, sean de calidad, cuenten con la cantidad suficiente, representen condiciones reales y actuales, y contribuyan efectivamente a resolver la necesidad del negocio mediante la adecuada preparación de los datos para ser utilizados por el sistema de IA.
Beneficios que ofrece la comprensión de datos ia.
✔ Asegurar que las características de los datos y su volumen conectan con la necesidad del usuario que desean resolver con el sistema IA.
✔ Asegurar que los datos cumplen todas las regulaciones técnicas y legales para su uso dentro del sistema IA.
✔ Identificar riesgos para ser evaluados y soportados con un plan antes de iniciar la preparación de datos y el desarrollo del modelo IA.
✔ Articular la data con cada patrón IA seleccionado para la creación del sistema IA.
Buenas prácticas para la implementación.
✔ Construir el inventario de datos estructurados y no estructurados que alimentan el sistema IA.
✔ Evaluar que las características de los datos cumplen los lineamientos de los patrones IA seleccionados para preparar los datos y alimentar el sistema IA.
✔ Evaluar que los datos en su totalidad ayudan a resolver la necesidad del usuario una vez son preparados y utilizados en el sistema IA.
✔ Evaluar que los datos cumplen todas las regulaciones técnicas y legales para ser usados por el sistema IA.
✔ Evaluar que los datos están alineados con el alcance, plan y modelo de negocio definido en la fase 1: Comprensión empresarial IA.
✔ Definir los datos que serán utilizados en cada iteración durante la preparación de datos y construcción del modelo IA.
Errores comunes durante la implementación.
Cuando las buenas prácticas, las pre-condiciones y post-condiciones no han sido implementadas correctamente, se aumenta la probabilidad de generarse los siguientes errores:
✔ No tener los datos disponibles para la ejecución de una iteración de preparación de datos para alimentar el modelo IA.
✔ No disponibilidad de acceso para que el modelo IA se conecte con los datos.
✔ Trabajar con datos de baja calidad y que no están alineados con la necesidad del usuario.
✔ Demandas por incumplir regulaciones legales y técnicas en el uso de los datos.
✔ Desarticulación entre los datos y el patrón IA.
✔ Desarticulación entre los datos, la necesidad y el modelo de negocio.
Pre-Condiciones y Post-Condiciones.
Este cuadro expone los pasos previos y posteriores que se deben ejecutar para asegurar la entrega de valor, garantizando que cada actividad esté alineada con los objetivos del negocio, las necesidades del usuario y los resultados esperados del proyecto.
| Paso | Acción clave | Condición |
|---|---|---|
| 1. La comprensión empresarial IA. | Generación del plan para desarrollar el sistema IA. | Pre. |
| 2. La comprensión de datos IA. | Ver el contenido de la presente guía. | N/A. |
| 3. La preparación de datos IA. | Estandarización de datos para que el modelo IA aprenda con facilidad. | Post. |
| 4. El desarrollo del modelo IA. | Construcción y entrenamiento del modelo IA para que haga uso del conjunto de datos, aprenda, genere nueva información y los resultados se mantengan alineados con las metas de negocio definidas en la fase de comprensión empresarial. | Post. |
| 5. La evaluación del modelo IA. | Verificar junto con el equipo, los usuarios y demás interesados que el modelo de IA garantiza el retorno de la inversión (ROI), promueve una adopción efectiva, ofrece una experiencia de usuario satisfactoria, opera dentro de los costos previstos, cumple los requisitos legales y de seguridad, y cuenta con una hoja de ruta clara para su evolución y mejora continua. | Post. |
| 6. La operación del modelo IA. | Monitorear el sistema de IA en ambiente productivo para identificar oportunidades de mejora en los modelos, gestionar incidentes operativos, prevenir la obsolescencia de los datos, garantizar la calidad de los resultados generados, optimizar los costos de operación y asegurar el cumplimiento de las métricas y objetivos de negocio. | Post. |
¿Quiénes son responsables?
El responsable de la comprensión de datos ia es el equipo del proyecto, quien hace parte de la oficina de administración de proyectos.
Ejemplo.
La(s) siguiente(s) imagen(es) interactivas te permitirán navegar por los diferentes elementos de nivel superior y sus pares, facilitando el acceso a los conceptos y al flujo de navegación entre los contenidos.
Si visualizas dos imágenes interactivas, la primera presenta los elementos de nivel superior y la segunda los elementos pares. Si únicamente visualizas una imagen, esta corresponde a los elementos pares.
Imagen interactiva: Dirección de proyectos IA.
Conclusión.
Comprender la relación entre los datos, la necesidad del usuario, el alcance del proyecto, el plan de trabajo y los patrones IA, constituyen el segundo paso para convertir una iniciativa de IA en un proyecto exitoso y orientado a la generación de valor.