Cerrando la brecha entre el aprendizaje automático y los negocios | de Stephanie Kirmer | enero, 2024

¿Qué estás haciendo aquí?

Ahora que muchos de nosotros hemos vuelto a la oficina y nos hemos puesto en marcha después de unas vacaciones de invierno, he estado pensando un poco en la relación entre las funciones de aprendizaje automático y el resto del negocio. Me he estado adaptando a mi nuevo rol en DataGrail desde noviembre y me recordó lo importante que es para los roles de aprendizaje automático saber qué hace realmente la empresa y qué necesita.

Mis pensamientos aquí no son necesariamente relevantes para todos los expertos en aprendizaje automático: los investigadores puros entre nosotros probablemente puedan manejarlo. Pero para cualquiera cuyo papel sea el aprendizaje automático al servicio de una empresa u organización, en lugar de desarrollar el aprendizaje automático por sí mismo, creo que vale la pena pensar en cómo interactuar con la organización de la que formamos parte.

Con esto quiero decir, ¿por qué alguien decidió usar tus habilidades aquí? ¿Por qué se solicitó un nuevo censo? Las nuevas contrataciones no son baratas, especialmente cuando se trata de puestos técnicos como el nuestro. Incluso si recuperas un papel para alguien que está fuera, no está garantizado que suceda en estos días y probablemente hubo una necesidad especial. ¿Qué pasó con el dueño de la bolsa que requería contratar a alguien con habilidades de aprendizaje automático?

Puede aprender varias cosas útiles al mirar esta pregunta. Por un lado, ¿cuáles son los resultados ideales que la gente espera ver de su presencia a su alrededor? Quieren que se genere algo de ciencia de datos o aprendizaje automático, y si no se sabe cuáles son, es difícil cumplir esas expectativas. También puede aprender algo sobre la cultura de la empresa con esta pregunta. Cuando se sabe cuál creen que sería el costo de crear un nuevo censo de ML, ¿es realista pensar en la contribución que puede hacer ML?

Más allá de estas expectativas con las que se encuentra, debe crear sus propios puntos de vista independientes sobre lo que el aprendizaje automático puede hacer en su organización. Para hacer esto, es necesario observar el negocio y hablar con muchas personas en diferentes áreas funcionales. (En realidad, esto es algo a lo que dedico mucho tiempo en este momento, mientras respondo esta pregunta en mi función). ¿Qué está tratando de hacer la empresa? ¿Cuál es la ecuación que creen que conducirá al éxito? ¿Quién es el cliente y cuál es el producto?

Junto a esto, también debes preguntar por los datos. Qué son los datos empresariales, dónde están, cómo se gestionan, etc. Es muy importante que evalúes adecuadamente en qué iniciativas debes centrarte en esta organización. Todos sabemos que sus datos son un requisito previo para hacer ciencia de datos, y si los datos están desorganizados o (Dios le ayude) inexistentes, entonces debe ser usted quien pregunte a sus partes interesadas sobre cuáles son las expectativas razonables. a la luz de ello para fines de aprendizaje automático. Esto es parte de cerrar la brecha entre la visión empresarial y la realidad del aprendizaje automático y, a veces, se pasa por alto cuando todos quieren adelantarse en el desarrollo de nuevos proyectos.

Una vez que tenga una idea de estas respuestas, deberá aportar perspectivas sobre cómo los elementos de la ciencia de datos pueden ayudar. No crea que todo el mundo ya sabe lo que puede hacer el aprendizaje automático, porque es casi seguro que no sea así. Otros roles tienen sus propias áreas de especialización y no es justo suponer que también conocerán las complejidades del aprendizaje automático. ¡Esta puede ser una parte realmente divertida del trabajo, porque puedes explorar posibilidades creativas! ¿Hay algún indicio de un problema de clasificación en alguna parte o una tarea predictiva que realmente ayude a algunos departamentos a tener éxito? ¿Hay una gran cantidad de información disponible que probablemente tenga el potencial de proporcionar información útil, pero nadie ha tenido tiempo de buscarla? Es posible que un proyecto de PNL esté esperando un conjunto de documentos que no se han limpiado.

Al comprender el objetivo comercial y cómo las personas esperan lograrlo, podrá establecer conexiones entre el aprendizaje automático y esos objetivos. No es necesario que tenga una solución milagrosa que resuelva todos los problemas de la noche a la mañana, pero tendrá mucho más éxito en integrar su trabajo con el resto de la empresa si puede trazar una línea de lo que quiere hacer. con el propósito en el que todos están trabajando.

Esto puede parecer una pregunta de izquierdas, pero en mi experiencia, es muy importante.

Si su trabajo no es relevante para el negocio ni comprendido por sus colegas, será mal utilizado o ignorado, y se perderá el valor que podría haber generado. Si lee mi columna con regularidad, sabrá que soy una gran fuerza para la alfabetización en ciencia de datos y que creo que los profesionales de DS/ML tienen la responsabilidad de mejorarla. Parte de tu trabajo es ayudar a las personas a comprender lo que estás creando y cómo les ayudará. No es responsabilidad de Finanzas o Ventas comprender el aprendizaje automático sin recibir capacitación (o «habilitarlo», como muchos dicen hoy en día), es su responsabilidad brindar la capacitación.

Esto puede ser más fácil si forma parte de una organización de aprendizaje automático relativamente madura dentro de la empresa; con suerte, esta lectura ha sido aportada por otras personas antes que usted. Sin embargo, no es una garantía, e incluso las funciones de aprendizaje automático grandes y costosas dentro de las empresas pueden quedar aisladas y descifradas del resto del negocio, una situación aterradora.

Que deberias hacer al respecto? Hay muchas opciones y depende mucho de la cultura de su organización. Habla sobre tu trabajo en cada oportunidad y asegúrate de hablar en un nivel inteligible. Explique las definiciones de términos técnicos no sólo una vez sino muchas veces, porque estas cosas son difíciles y tomará tiempo para que la gente las aprenda. Escriba documentación para que las personas puedan consultar cualquier wiki o sistema de documentación que utilice su empresa cuando se olviden de algo. Ofrézcase a responder preguntas y sea abierto y amigable al respecto, incluso cuando las preguntas parezcan simples o incorrectas; todo el mundo tiene que empezar por algún lado. Si tiene un nivel de interés básico para los becarios, puede configurar oportunidades de aprendizaje como almuerzos y aprendizajes o grupos de discusión sobre temas más amplios relacionados con el aprendizaje automático que solo su proyecto particular en ese momento.

Además, no basta con explicar todas las cosas interesantes sobre el aprendizaje automático. También debe explicar por qué sus colegas deberían estar interesados ​​y qué tiene esto que ver con el éxito de la empresa en su conjunto y de sus colegas. ¿Qué aporta el ML que facilitará su trabajo? Debería tener buenas respuestas para esta pregunta.

He cubierto esto de alguna manera sobre cómo comenzar en una nueva organización, pero incluso si ha estado trabajando en el aprendizaje automático en su empresa durante un tiempo, aún puede ser útil revisar y revisar estos temas. cómo van las cosas Hacer que su función sea efectiva no es un trato único, sino que requiere cuidado y mantenimiento constantes. Sin embargo, si se apega a ello, se vuelve más fácil, porque sus colegas aprenderán que el aprendizaje automático no da miedo, que puede ayudarlos en su trabajo y objetivos, y que su departamento, en lugar de ser vago y aislado, debe ser útil y esclavo.

Transferir:

• Descubra por qué su empresa ha adoptado el aprendizaje automático y cuestione las expectativas subyacentes a esa elección.
• Comprender lo que hace la empresa y sus objetivos es importante para que pueda realizar el trabajo que contribuirá a la empresa (y lo mantendrá relevante).
• Necesitas ayudar a las personas a comprender lo que estás haciendo y cómo les ayuda, porque no lo entenderán mágicamente y automáticamente.