Índice del artículo
Jorge Blanco, científico de datos y uno de nuestros líderes de Inteligencia Artificial en Gesta Labs, te presenta 10 empleos que genera un proyecto de Machine Learning. Hablamos de puestos de trabajo altamente especializados y que agregan valor a las empresas.
La última década ha sido un parteaguas para la inteligencia artificial y todos nos hemos relacionado con ella. Es un tema que ha pasado de la ciencia de ficción a ser parte de nuestra vida cotidiana. Desde los filtros para videos en redes sociales y recomendaciones de gestores de contenidos, hasta sofisticados sistemas que optimizan procesos en plantas industriales.
El término se utiliza desde 1956 y las primeras aplicaciones de redes neuronales datan de los años 70. No obstante, diversos factores han causado una fiebre por el oro que subyace en los patrones implícitos de los datos. Entre ellos, la creciente capacidad de los sistemas de cómputo, el continuo perfeccionamiento de procesos de almacenamiento de datos, la validación de sus capacidades por empresarios y directivos en sectores y empresas donde la labor analítica no era relevante o primordial y, finalmente, su democratización a partir de la divulgación de herramientas analíticas de software libre.
Machine Learning, los empleos y los temores
El avance de la inteligencia artificial trae consigo ahorros y beneficios de muchos tipos. Pero también genera temor entre la gente debido al supuesto riesgo que implica para el empleo. Trabajadores de diversas industrias suponen que pueden ser sustituidos por máquinas, como ha ocurrido en revoluciones industriales anteriores. Dicho temor orilla a desconfiar y rechazar iniciativas de mejoramiento de procesos mediante inteligencia artificial.
Para sobrevivir a un mundo globalizado, donde los negocios mexicanos de cualquier tamaño compiten contra gigantes mundiales que ya entendieron -y en consecuencia incorporaron- la ventaja competitiva del análisis de datos, es obligatorio cambiar de cultura. Hoy urge convertirnos en aliados de la tecnología y sumar nuevas capacidades tecnológicas.
El reporte ‘The future of jobs Report 2018’ de World Economic Forum 2018 establece que, en el periodo 2018-2022, la automatización sustituirá 75 millones de empleos. Sin embargo, también se abrirán 133 millones de nuevos puestos. Es decir, pronostica una ganancia neta, pero también hay una urgencia de actualización en el personal que desempeña tareas automatizables.
El talento que se demanda
A medida que el éxito y los beneficios de los proyectos basados en analítica de datos se da a conocer entre empresarios, su demanda crece. Por lo tanto, también aumenta la demanda del talento que se requiere para su desarrollo y despliegue. Dicho talento es difícil de encontrar debido a la escasa oferta de personal con capacidad y experiencia en ejecutar las tareas que se requieren para completar exitosamente proyectos de IA. Lo anterior representa una enorme oportunidad para cualquiera que adquiera conocimientos y práctica asociados al tema. A continuación listaré algunos perfiles de reciente creación que son necesarios para el desarrollo de proyectos de IA:
1. Arquitecto Big Data
Experto en modelos de datos, arquitecturas de hardware, sistemas de administración de bases de datos, conexiones a las fuentes de información del negocio y servicios de cómputo en la nube. Son ideales los candidatos con formación en sistemas.
2. Ingeniero de datos
Perfil que destaca por su dominio en el manejo de potentes gestores de grandes bases de datos y la relación entre operaciones y el poder computacional que se requiere. Su principal actividad es transformar los datos crudos en las tablas y archivos que necesitan los algoritmos de Inteligencia Artificial.
3. Analistas de negocio
Este perfil debe tener mayor conocimiento sobre los datos negocio, las relación entre las variables en las bases de datos y su comportamiento. Sus principales herramientas son la estadística descriptiva y la visualización de datos.
4. Científico de datos
Las tareas que desempeña son variadas. Van desde el análisis del problema a nivel de negocio y su abstracción a un problema de base de datos. También incluyen los análisis previos al modelo, desarrollo y entrenamiento del modelo, así como su implementación. Estos perfiles suelen ser egresados de carreras STEM, donde tuvieron un acercamiento a matemáticas formales y aplicadas (mayoritariamente estadística).
5. Product Manager
Se encarga de supervisar que el proyecto siga una estructura planeada y que el equipo logre las metas a tiempo. Es un facilitador del equipo cuando alguna tarea está detenida a falta de algún elemento. Funge como el principal contacto entre la empresa y el equipo desarrollador. En el reporte de empleos emergentes 2019, de Linkedin, aparece como el perfil con mayor tasa de crecimiento en contrataciones anuales entre 2015 y 2019.
6. Desarrolladores
Los modelos de inteligencia artificial requieren de un medio virtual para funcionar en producción. Los desarrolladores son responsables de la construcción del entorno de software donde operará, de la generación de API’s para la comunicación entre el modelo y los sistemas del negocio y, finalmente, la interfaz humana.
7. User Experience
Es el responsable de ser la voz del usuario final dentro del equipo de desarrollo. Sus tareas son muy diversas y pueden llegar a incluir la identificación de funciones y necesidades que tienen los clientes y qué funciones debería ofrecer la plataforma. También debe traducir estas funciones en un flujo de experiencia, recabar pruebas con el usuario para validar la solución, la comunicación verbal y visual que mantiene entre el equipo y el cliente ayuda a evitar retrabajos.
También puedes escuchar nuestro PODCAST: Los empleos que está creando la tecnología
Otros perfiles
Los perfiles anteriores tienen en común el dominio de conocimientos especializados para desarrollar proyectos de inteligencia artificial (ML o DL). Sin embargo, las oportunidades también se extienden hacia otros perfiles de diversas formaciones.
8. Product Owner
Son administradores del negocio. Además de las actividades propias de su puesto, supervisan que el modelo se desarrolle según lo prometido, vigilan que el negocio esté implementando correctamente la salida del modelo y que el modelo en productivo cumpla los objetivos para los cuales fue desarrollado y finalmente medir los beneficios obtenidos. Puede delegar tareas de testeo de funcionalidades del modelo.
9. Labeler
Su labor es enriquecer los conjuntos de datos con sus anotaciones. El mejor ejemplo es un proyecto de visión artificial, donde los etiquetadores son necesarios debido a que el etiquetado de imágenes requiere de mucho tiempo de trabajo. La formación de los labelers puede ir desde la educación básica hasta perfiles especializados en los objetos representados en los datos. Existen empresas dedicadas a esta labor.
10. Subject matter expert
Este perfil es un experto en la operación que se desea mejorar o fenómeno a modelar. Para incrementar las probabilidades de éxito de una aplicación de IA es necesario centrarse en aquellas variables operables o interpretables. Pueden mantener una postura antagónica ante la posibilidad de ser sustituidos por la máquina, pero lo más adecuado es que, a nivel productivo, sea este perfil quien supervise o apruebe las decisiones que tome el sistema, es quien usa a la IA como herramienta.
Las nuevas tecnologías brindan soluciones a problemas complejos y ganancias, pero también derivan en nuevas necesidades. Es ahí donde se encuentra la oportunidad para quien quiera actualizarse, capacitar al talento actual para satisfacer dichas necesidades. Se trata de una estrategia que ayudará a mantener el know how dentro de la empresa y mejorará la lealtad, además de evitar la búsqueda de nuevos perfiles difíciles de encontrar. Los mejores beneficios de la transformación digital se logran cuando hay una correcta combinación entre capacidades humanas altamente especializadas con analítica de datos y procesos altamente automatizados. Esta es la promesa que trae la inteligencia artificial.