Cómo liderar proyectos de inteligencia artificial — Dan Rose AI

La inteligencia artificial se está convirtiendo en la corriente principal y muchas organizaciones, nuevas empresas y grandes corporaciones por igual, ahora están iniciando proyectos internos de IA o están cooperando con la IA en otra TI existente. Solo hay un problema. Liderar proyectos de IA es muy diferente de liderar en TI tradicional.

Como resultado, muchos proyectos de IA fallan o generan frustración entre los participantes del proyecto, los usuarios de la IA y la administración involucrada. No son conscientes de que ahora se encuentran en un nuevo paradigma y deben tener expectativas diferentes a las que normalmente tienen con TI. Incluso la implementación de componentes o sistemas de IA listos para usar puede causar problemas que no son habituales en la organización.

Esto es muy comprensible. Hace unos años, la IA todavía era algo con lo que algunas grandes tecnologías y las universidades estaban comprometidas, pero para las masas era un futuro lejano. Muy pocos líderes y gerentes de proyecto tienen experiencia en el campo de la IA, que de repente se ven envueltos en

Entonces, ¿qué tienen de diferente los proyectos de IA?

La palabra clave aquí es incertidumbre. La gran diferencia entre la TI tradicional y la IA es la certeza disponible. La baja certeza se debe a la naturaleza experimental de la IA. El paradigma de la IA es experimental en el sentido de que no se puede predecir el camino hacia el producto terminado. No puede planificar el funcionamiento interno de los modelos de IA antes de haberlos creado y no sabe exactamente qué datos necesitará o cuántos datos. Por último, no sabe qué tan bien funcionará la IA. Por lo tanto, establecer expectativas para la solución final puede ser muy difícil. En muchos sentidos, el desarrollo de IA es muy comparable con el desarrollo de vacunas. Es imposible saber de antemano si su proyecto tendrá éxito y la mayoría de los conocimientos que necesita se obtendrán durante el desarrollo. Esto contrasta mucho con el paradigma de TI que conocemos. El consenso de los proyectos de TI tradicionales es precisar la planificación, la estimación y lograr una lista preestablecida de objetivos comerciales de la manera más oportuna y precisa posible. Por esa razón, hemos desarrollado una experiencia en, por ejemplo, herramientas de planificación y técnicas de estimación. Pero de repente, con la entrada de la IA, muchas de estas habilidades ya no son útiles. De hecho, pueden ser francamente perjudiciales en un paradigma experimental. Si la gerencia exige plazos y estimaciones precisas, el proyecto está condenado al fracaso, ya que nunca podrá cumplir.

El primer paso es admitir

Para liderar en el dominio de la IA, en primer lugar, debe reconocer que se trata de un nuevo paradigma y debe hablar de ello abiertamente. Cuando se trabaja en un nuevo paradigma, la herramienta más importante es expresar las nuevas reglas de compromiso. Con muy poca certeza en la IA, la gestión de expectativas ya se está acercando a un arte. Entonces, si ni siquiera está en un diálogo con las partes interesadas del proyecto sobre cómo es la nueva forma de trabajar, las expectativas nunca se alinearán. Así que sea muy claro sobre esto desde el principio. Incluso mientras presenta el caso comercial, debe tener claro que no puede saber ni los costos ni los ingresos generados por un proyecto de IA. No le gustará a todo el mundo y verás resistencia, pero es mucho mejor que abordes los conflictos antes de que comience el proyecto.

es una cosa de cultura

El habilitador para obtener la aceptación de las partes interesadas para trabajar en este tipo de incertidumbre es la cultura organizacional adecuada. Como líder, es su responsabilidad masajear y tratar de cambiar la cultura en una dirección que funcione con proyectos experimentales de IA. Si hay una discrepancia entre el paradigma en el que trabaja y la cultura, se encontrará en problemas en poco tiempo.

Una de las características importantes de una cultura experimental es la voluntad de aceptar resultados nulos exactamente como lo hace la comunidad científica. Esta no es solo la prédica habitual sobre aceptar el fracaso y los errores. Esta es una cultura que ve mucho trabajo duro que no es más que el conocimiento de que una solución específica no es viable.

La cultura experimental que se adapta al desarrollo de la IA está muy en línea con la cultura de aprendizaje, un estilo cultural que se encuentra en los ocho estilos culturales distintos de la cultura corporativa. Otros estilos culturales como Cultura de resultados y Cultura de seguridad puede estar en marcado contraste con el estilo de aprendizaje en puntos cruciales cuando se trabaja con IA. Los estilos están muy interesados ​​en los resultados logrados y la planificación precisa, respectivamente. Con la IA que no ofrece certeza ni en los resultados ni en la previsibilidad, esto puede entrar en conflicto rápidamente.

ser visionario

Cuando se lidera bajo incertidumbre, es muy efectivo liderar a través de una visión sólida. Liderar a través de una visión fuerte está muy en línea con la Objetivo estilo de cultura. Me gusta compararlo con el viaje de Colón a América. Sin saber qué esperar en el camino o si el viaje tendría algún tipo de éxito, Columbus aún logró obtener fondos y una tripulación confiable. Colón era bien conocido por ser extremadamente fuerte en su visión y yo atribuiría al menos parte del éxito de su viaje a una visión fuerte. El truco aquí es ser específico sobre lo que imaginas al otro lado de la incertidumbre. ¿Cómo se verá y se sentirá todo cuando el proyecto esté terminado?

En conclusión, es muy efectivo usar activamente la cultura para apoyar el desarrollo de la IA, ya que la alternativa podría ser que eso funcione en su contra. Y la cultura organizacional es definitivamente una de las fuerzas más poderosas del universo.