L’opinió de Solver IA

Unir Big Data i Intel·ligència Artificial, la clau per a una transformació digital d’alt nivell

Unir Big Data i Intel·ligència Artificial, la clau per a una transformació digital d’alt nivell
4
Es llegeix en minuts
Jon Ander Gómez
Jon Ander Gómez

Cofundador i CDO de Solver IA

ver +

Quan parlem de Big Data, podem fer-ho des de diferents perspectives, la que aquí ens interessa destacar és aquella que el defineix com el compendi de grans volums de dades generats per qualsevol activitat humana més els generats per dispositius IoT instal·lats en entorns domèstics, industrials i Smart Cities. La capacitat d’aprenentatge automàtic, coneguda per la seva expressió anglosaxona Machine Learning (ML), és una àrea de la Intel·ligència Artificial (IA) les tècniques de la qual aprenen a partir de dades. Big Data i ML es complementen mútuament. Big Data proporciona grans volums de dades; les tècniques de ML, en concret Deep Learning, són capaces d’aprendre a partir de les dades. 

Basant-nos en les tècniques d’ML podem dissenyar i entrenar models descriptius, predictius i prescriptius. Els primers ens permeten obtenir una explicació a fenòmens observats i activar alarmes de manera primerenca. Els segons ens permeten anticipar situacions predefinides o predir valors de certs. Finalment, els models prescriptius avaluen la relació risc-benefici associada a cada una de les possibles accions a realitzar.

Durant els últims anys, s’observa una forta i accelerada convergència entre Big Data i Intel·ligència Artificial gràcies als avenços de la tecnologia. Avenços que podem resumir en més capacitats de còmput, d’emmagatzemament i de transferència de dades a menor cost. Això està forçant, tant les companyies de base tecnològica com qualsevol empresa o institució que prengui decisions estratègiques basant-se en l’anàlisi intel·ligent de dades, a un procés continu d’adaptació a les tecnologies digitals. Conscient de la necessitat que té el teixit productiu europeu d’estar contínuament innovant, la Comissió Europea ha realitzat una important aposta de futur mitjançant el nou programa marc Horizon Europe, el pressupost inicial del qual per a projectes de R+D+i és al voltant dels 100 mil milions d’euros a executar durant el període 2021-2027, i on la inversió directa o indirecta en Intel·ligència Artificial és prioritària.

En aquest escenari traçat per la Comissió Europea tan orientat cap a l’anàlisi intel·ligent de les dades, i basant-nos en els ràpids avenços i sobtats canvis en l’àmbit de les tecnologies digitals que venim observant des de principis de segle, podem afirmar que el procés de transformació digital és un continu. A més, el moment present en l’àmbit tecnològic es caracteritza perquè la Intel·ligència Artificial, i la seva aplicació a la presa de decisions estratègiques, és la transformació digital d’alt nivell que moltes empreses esperaven. Transformació que té realment la capacitat d’aportar valor afegit a tota la cadena de valor de qualsevol empresa, i que es materialitza redissenyant el cicle de vida de les dades en totes les seves etapes des de la perspectiva de l’aprenentatge automàtic.

Les empreses espanyoles ja no poden permetre’s el luxe de quedar per darrere, i retardar la decisió si inverteixen, o no, en solucions basades en Intel·ligència Artificial per prendre decisions estratègiques que els permetin ser més competitives mentre estalvien costos. La qüestió que s’han de plantejar és com portar a terme l’esmentada inversió. En el cas de les empreses no tecnològiques, a més, han d’elegir quina empresa especialitzada en Intel·ligència Artificial les acompanya en el procés d’integració en la seva cadena de valor de solucions basades en IA.

Els experts en Intel·ligència Artificial sabem de primera mà que el principal repte a què ens enfrontarem en molts projectes és la falta de planificació en el disseny de la captura i l’emmagatzemament de la dada. Aquesta falta de previsió es tradueix, majoritàriament, en tres importants contratemps: falta de dades perquè no es recullen amb regularitat; canvis de format i de tipus de dades, perquè a partir de cert dia algú va decidir que ara les dades es recullen d’una altra manera diferent a l’anterior; i falta de la variable de sortida, és a dir, que els valors dels indicadors a predir no s’han registrat. Per exemple, si es vol detectar fallades en maquinària, és important registrar quan s’han produït fallades i quin va ser el motiu. És curiós com aquests tres problemes encara persisteixen avui dia a moltes empreses que encara es qüestionen si han d’invertir seriosament en transformació digital. Transformació que ha de liderar el CEO de la companyia amb recolzament del CDO (Chief Data Officer). 

Notícies relacionades

Les tècniques de Machine Learning ja han assolit un nivell de maduresa molt alt, són capaces de superar els millors resultats obtinguts per sistemes experts en pràcticament qualsevol domini d’aplicació. Com hem comentat anteriorment, l’ús de models descriptius, predictius i prescriptius basats en Machine Learning per resoldre problemes en qualsevol àmbit és indiscutible i de màxima prioritat per a la Comissió Europea.

És necessari que les empreses espanyoles de qualsevol sector decideixin avui com invertir en transformació digital, incorporant l’esmentada inversió en l’estratègia de l’empresa a llarg termini. Sumant-nos com a país en un model d’economia digital aprofitant l’aposta per la innovació de la Unió Europea.