Inteligencia Artificial y Datos, ¿cómo están relacionados? (Parte 2)

Bienvenidos a un nuevo capítulo de apasionado por la tecnología el podcast de paradigma digital sobre tecnología estrategia metodología y productos digitales arrancamos hola a todos bienvenidos a uno episodio de apasionado por la tecnología hoy vamos a continuar con esa gran charlas que hemos tenido con alberto serrano que es nuestro líder desarrollo de negocio de datos y moisés martínez que nuestro líder de día y en el que empezamos hablando esa inter relación que hay entre el inteligencia artificial y los datos y como uno depende el otro y viceversa comenzamos en el capítulo anterior hablando de como la y a necesita los datos y vamos a continuar hoy con la misión contraria bueno mas que contraria es vista del otro lado como los datos necesita una inteligencia artificial y por retomar desde el capítulo anterior bueno perdón primero digo hola chicos qué tal estáis si no mal educados los días que tal los tiempos meros muy bien muy bien bueno pero poquito en esta época pero espero que dentro de poco así como decía vamos a retomar del último la la última pregunta y el último tema que tratamos más allá de lo de así modo fue el tema de la calidad de los datos y si tenemos que esperar para empezar a entrenar modelos a que estos datos estén perfectos o no y a mí me hace recordar un poco a los sistemas y al modelo imperativo incremental que usamos en paradigma para hacer si para ser producto se puede equiparar esto sea nosotros hicimos no esperes a tener el producto perfecto vez sacando pequeñas interacciones aprendiendo de esas para ir mejorando de forma operativa es algo parecido en este en esta situación totalmente acuerdo yo creo que se puede que que se deben o no podemos al fin y al cabo esperar a tener un contexto perfecto para poder arrancar con un desarrollo por qué tipo de desarrollo de ella o de o de de mi tradicional si que es verdad que hay que establecer reglas del juego y que cuando se desarrollo proporcionan personalizados pues tiene contar con con un dato de la mayor calidad o lo mayor confiable posible está un poco es el el clásico dilema de gobierno versus agilidad y que ahora se está también estamos viendo continuamente en grandes implantación de de gobierno de del dato de arquitectura donde no queremos explotar datos que no tienen calidad datos de ese nivel que han sido adquiridos y no ha sido no ha sido procesado ni validados y se plantea no vamos a esperar a que apliquemos relax de calidad que debemos una vuelta estructuralmente a esos modelos de datos a que estén perfectamente preparados y entonces ya los procesamos cuando vas a procesar los has perdido la oportunidad de negocio has demorado tu proyecto y la clave está en en permitieron un modelo dual en poder explotar el dato en una etapa temprana y siempre teniendo en cuenta una vez hayas terminado el puesto de desarrollo de datos tu tu tu tu modelo de aprendizaje automático cualquier tipo desarrollo antes de utilizarlo esa pronunciación se realice ya sobre unos datos que así que hayan pasado en paralelo por esos procesos de calidad y que tienen una estructura gobernada y conocida mantener ese equilibrio es uno de los puntos clave un contexto totalmente gobernado no ha funcionado nunca no va a funcionar y te va a llevar cosa que todo el mundo pues intente buscar caminos alternativos ágiles analítica departamental o haití montarse su chiringuito un contexto actualmente ágil te lleva al caos y la destrucción como el coche te regalamos en el último capítulo no se porque la cabeza pero eso si te fijas la inteligencia artificial no nos razona como un humano como la inteligencia humana es diferente y es capaz de generar soluciones alternativas si al final nosotros manipular los datos aplicamos una calidad y un montón de transformaciones que nosotros decidimos creemos que son las correctas puede que no sea capaz de hacer cosas que los humanos no somos capaces de hacer muchas veces es mucho más interesante o más sutil utilizar los datos sin haber aplicado base de protocolos básicos de calidad pero no le transformación de ordenación de definición para ver que es capaz de hacer nuestra inteligencia artificial porque muchas veces cuando aplicamos diferentes técnicas de ella no aprendemos lo que nosotros no somos capaces de hacer con un conjunto de datos la y así lo hace y lo que nosotros sí que somos capaces de con un conjunto de datos y obtener un resultado la idea no es capaz de hacerlo ahora mismo osea que si no pasamos en ese procesamiento en ese tratamiento de la información realmente lo que estamos haciendo es llevándola a que sea las conclusiones que nosotros queremos que llegue y no realmente que nos aportes a esa creatividad que nos puede dar no