Tecnología

Aera integra AI Platform con Microsoft Digital Twin Service

Aera Technology lo anunció esta semana ha integrado El servicio Microsoft Azure Digital Twins con su plataforma Cognitive Operating System que utiliza tecnología de rastreo para alimentar modelos de inteligencia artificial (IA) con datos en tiempo real.

Al integrarse con el servicio Microsoft Azure Digital Twins, las empresas que utilizan la plataforma Cognitive Operating System tendrán acceso a una fuente de datos que muchas empresas utilizan actualmente para reflejar entornos físicos, dijo Frederic Laluyaux, CEO de Aera Technology.

En lugar de recopilar datos de sistemas, por ejemplo, es más fácil recopilar esos datos del gemelo digital que está sincronizado con este entorno, señala Laluyaux. Luego, esos datos, junto con otros datos, se pueden incorporar a un modelo de inteligencia artificial para ayudar a las empresas a tomar mejores decisiones comerciales más rápido, agrega Laluyaux.

La plataforma del sistema operativo cognitivo permite a los científicos de datos utilizar herramientas de bajo código para construir modelos de IA para automatizar una amplia variedad de procesos comerciales utilizando un conjunto de reglas comerciales que pueden definir y ajustar a medida que cambian las necesidades. Esta plataforma proporcionará recomendaciones a lo largo del tiempo para optimizar estos procesos a medida que continúa recibiendo orientación de los usuarios finales.

A más largo plazo, estas recomendaciones también tendrán en cuenta el impacto que una decisión podría tener en el estado de resultados de una empresa, añade Laluyaux.

“Estamos pasando de un mundo en el que las personas son dirigidas por máquinas a un mundo en el que las máquinas son dirigidas por personas”, dice Laluyaux.

El mayor desafío para lograr ese objetivo ahora tiene menos que ver con la tecnología en sí que con la cultura, señala Laluyaux. Un modelo de IA no es muy diferente de un nuevo empleado que necesita capacitación, dice. Las decisiones tomadas por el nuevo empleado deben revisarse hasta que la organización gane confianza en la experiencia de este nuevo empleado, dijo Laluyaux.

En el caso de la plataforma del sistema operativo cognitivo, este proceso de revisión se facilita al proporcionar una transparencia total sobre cómo se construyó el modelo de IA para permitir la explicabilidad, agregó.

Lea también: Tendencias y beneficios de AIOps para 2021

Preocupaciones sobre la gestión de datos

En última instancia, un modelo de IA solo será tan confiable como los datos que se utilizaron para entrenarlo. Sin embargo, la mayoría de las organizaciones encuentran que la calidad de los datos que tienen es sospechosa. Hoy en día, muchos científicos de datos todavía dedican una cantidad excesiva de tiempo a limpiar sus datos antes de comenzar a entrenar un modelo de IA. Por lo tanto, la velocidad a la que se implementan los modelos de IA en entornos de producción es relativamente lenta dado el tiempo y el esfuerzo involucrados. No es raro que muchos modelos de IA nunca lleguen a un entorno de producción porque durante la fase de prueba se descubrió que había un problema con los datos utilizados para entrenar el modelo de IA.

Sin embargo, a medida que más empresas dominan las mejores prácticas de ingeniería y ciencia de datos, es solo cuestión de tiempo antes de que se implementen miles de modelos de IA en un entorno de TI empresarial. El próximo gran desafío será encontrar una manera de administrar y reentrenar todos estos modelos de IA, ya que las suposiciones hechas al implementarlos resultan menos precisas a medida que las circunstancias continúan cambiando y desarrollándose.

Sigue leyendo: Google defiende la gestión de modelos de IA