¿Una de las razones más comunes por las que los productos de IA fallan? Malos datos
Cuando Salesforce Recientemente lanzó un agente de IA en su sitio web, el agente comenzó a alucinar y no daba resultados consistentes.
Salesforce terminó apagándolo temporalmente, dijo Shibani Ahuja, vicepresidenta senior de estrategia de TI empresarial, durante una mesa redonda en FortunaLa Conferencia de Tecnología de Brainstorm en Park City, Utah.
Pero resultó que el agente no era el problema. “Lo que habíamos notado era que había un problema subyacente con nuestros datos”, dijo Ahuja. Cuando su equipo investigó lo que había sucedido, descubrieron que Salesforce había publicado “artículos de conocimiento” contradictorios en su sitio web.
“En realidad no fue el agente. Fue el agente el que nos ayudó a identificar un problema que siempre existió”, dijo Ahuja. “Lo convertimos en un agente de auditor que realmente verificó nuestro contenido en nuestro sitio público para anomalías. Una vez que limpiamos nuestros datos subyacentes, lo señalamos, y ha sido funcional”.
Los nuevos productos de IA solo serán tan buenos como los datos subyacentes, según Ahuja y otros oradores que participaron en la discusión. Ashok Srivastava, vicepresidente senior y director de IA en Intuitivodijo que no estaba sorprendido por los resultados de un reciente Estudio del MIT Eso encontró que el 95% de los pilotos de IA en las grandes corporaciones habían fallado, debido a los sistemas arcaicos en las grandes empresas.
“El hecho es que la base de la IA, que son datos, las personas no invierten en él”, dijo Srivastava. “Así que tienes datos de la década de 1990 en una base de datos súper costosa y sin nombre aquí, tienes AI aquí, tienes que el CEO te diga que hagas algo, y simplemente no va a funcionar”.
Sean Bruich, vicepresidente senior de inteligencia artificial y datos en Amgenagregó que también es difícil para las corporaciones más grandes mudarse de un piloto a la adopción de toda la empresa.
“Los pilotos en grandes empresas nunca entregan ROI”, dijo. “Podrían entregar aprendizajes, pueden entregar puntos de prueba, podrían entregar inspiración. Pero el camino hacia la escala, es donde obtienes el retorno de la inversión en cualquier gran programa de tecnología”.
Para que las empresas vean un retorno de la inversión de nuevas herramientas de IA, tendrán que clasificar tanto los datos como el problema de escala.
