La integración de los sistemas ML en la producción sigue siendo una tarea difícil (para la mayoría de las empresas)
¿Alguna vez ha oído hablar de una empresa que integró con éxito el aprendizaje automático en sus procesos comerciales de la noche a la mañana, transformando por completo la forma en que operaba la organización de la noche a la mañana?
¡Sí, yo tampoco!
¿Y sabías que la mayoría ¿Los modelos ML nunca llegan a producción?
La implementación de sistemas de nivel de producción en los procesos de negocio es extremadamente difícil. Por nivel de producción me refiero a sistemas que tienen un cierto nivel de confiabilidad y que agregan valor al resultado final de la empresa. La integración de sistemas de aprendizaje automático en las organizaciones no ocurre de la noche a la mañana y, sinceramente, la ciencia de datos y el aprendizaje automático tienen mala reputación simplemente porque los líderes se pierden en el proceso. En particular, veo dos tipos de errores al intentar experimentar con ML en primer lugar:
- Expectativas equivocadas: Este caso es extremadamente común y la culpa es de los proveedores de ML. Las altas expectativas sobre los sistemas de aprendizaje automático e inteligencia artificial suelen deberse a personas que quieren vender estos sistemas (o a la exageración). Pero escúchame: todo sistema de aprendizaje automático tiene errores y no hay otra forma de evitarlos.
