Buenas noticias para los humanos, y en particular, para los científicos de datos: hay cosas que la inteligencia artificial no hace del todo bien. Como clasificar Big Data que no es específico, ni clasificable en términos binarios.
Por Lara Olmo
Ciudad de México, 8 de agosto (SinEmbargo/TICbeat).- ¿Y si la máquina necesitara al hombre? Llevamos meses oyendo que la Inteligencia Artificial (IA) y el Big Data acabarán sustituyéndonos en cualquier empleo, pero la realidad está demostrando otra cosa. Sus limitaciones para analizar ciertos datos e información ambigua hacen necesario al científico de datos, que se está convirtiendo en la figura que aquéllas necesitan para realizar un análisis completo.
Se ha escrito mucho sobre el Big Data, la información como el oro negro de nuestra era e incluso de la próxima burbuja en que podría convertirse. Tenemos ejemplos evidentes de lo que una compañía puede alcanzar si almacena información y además la interpreta bien para convertirla en una ventaja competitiva: ahí tenemos a Facebook, Amazon o Google, por citar algunos ejemplos.
Pero trabajar con grandes volúmenes de información en bruto no es nada fácil. Ello explica que casi el 80 por ciento de las empresas tengan datos almacenados sin sacarles ningún provecho. Para manejarlos es preciso conocer nuevas tecnologías y algoritmos de tratamiento de datos. Sin embargo, este no es lo que más preocupa a la mayoría de corporaciones que trabajan con Big Data.
El reto sobre todo está en la falta de tiempo y los recursos necesarios para preparar los datos, diferenciar la información útil de la que no lo es, detectar la duplicada y clasificarla. Todo ello forma parte de un largo proceso que los científicos de datos encaran a diario.
De acuerdo con una encuesta de Xplenty, el tiempo medio que dedican estos profesionales sólo en depurar los datos (para después analizarlos), es de entre el 50 y el 90 por ciento de su horario de trabajo. Por esta razón muchas compañías están optando por servicios y herramientas de Inteligencia Artificial para gestionar esta tarea.
Pero esta tampoco es la solución a todos los problemas con el Big Data. Resulta efectiva cuando el objetivo es concreto y específico, por ejemplo, clasificar cierto volumen de datos en dos categorías diferenciadas, como centros de datos y cloud computing. Sin embargo, su exactitud se reduce considerablemente cuando queremos que sepa diferenciar entre la nube como espacio de almacenamiento y la nube atmosférica.
En resumen, los algoritmos que emplea la IA responden bien en términos binarios o de clasificación entre “blanco-negro”, pero necesitan del trabajador humano, esto es, del científico de datos, para trabajar con elementos que se mueven en “grises” o no son tan evidentes. Por eso cada vez más empresas están apostando por proyectos de Big Data en los que máquinas y humanos trabajan estrechamente.
Al final la Inteligencia Artificial no va a ser problemática como parecía en términos laborales. Al menos en profesiones de mayor cualifiación.
