El gasto mundial en sistemas de Inteligencia Artificial llegará a $35.8 billones de dólares en este 2019, según IDC. El aumento no es ninguna sorpresa, pues la importancia de las iniciativas de transformación digital es demasiada, tanto que las compañías están haciendo cada vez más inversiones en tecnologías avanzadas.

De cualquier manera, cerca de ocho de diez organizaciones involucradas con la Inteligencia Artificial y el aprendizaje automático han confesado que sus proyectos están estancados, esto de acuerdo a un reporte de Dimensional Research. El 96 por ciento de estas empresas asegura que se han metido en problemas con la calidad de los datos, los necesarios para entrenar a una Inteligencia Artificial, y construir un modelo de confianza.

En esta encuesta participaron 227 profesionales de la tecnología involucrados en proyectos activos de Inteligencia Artificial y aprendizaje automático. Al procesar grandes cantidades de información, estos sistemas están teniendo dificultades para estar al día.

Natahniel Gates, CEO de Alegion, habló al respecto:

Los más grandes obstáculos para implementar los modelos de aprendizaje automático es el volumen y la calidad de los datos de entrenamiento. Esta investigación respalda nuestra propia experiencia de que los equipos nuevos de «data science» construyendo sistemas conducidos por el Retorno de la Inversión intentan llevar a cabo la preparación del entrenamiento de datos de forma interna, lo que resulta abrumador.

Lee también: Inteligencia Artificial y ciberseguridad serán los temas más importantes para los CIOs en 2019

Los sistemas pueden tener problemas para procesar grandes cantidades de información, pero para levantar los de Inteligencia Artificial, estos paradójicamente necesitan muchos datos. Los equipos de data science entonces se ven en la necesidad de caminar por la cuerda floja para entregar proyectos exitosos usando demasiada información, asegurándose al mismo tiempo de que los sistemas puedan procesar las cantidades específicas de datos.

Para afrontar estos retos, el 76 por ciento de los encuestados dijo que a veces tratan de etiquetar y anotar la información de entrenamiento por sí mismos. De igual forma, el 63 por ciento mencionó que están construyendo su propia tecnología automatizada de etiquetado y anotaciones. Por último, el 71 por ciento de los equipos reveló que externalizan los datos de entrenamiento y otras actividades de aprendizaje automático.

Fuente: Tech Republic