Al planificar cómo abordar estrategias de digitalización de tu empresa y particularmente en #InteligenciaArtificial, ¿qué es mejor: capacitar talento interno o externalizar servicios?

Las empresas están buscando nuevas formas de avanzar en las tecnologías, pero se encuentran con límites al no encontrar personas con experiencia en análisis de datos, machine learning e inteligencia artificial #IA.

En #Fastco tenemos un área de #Innovación y habitualmente debatimos sobre estas perspectivas. Compartimos con ustedes algunas ideas que han aparecido en el diálogo.

Los Pro de externalizar servicios en #IA

• Una persona en quien no influyen los sesgos propios de cualquier organización, es capaz de generar espacios de creatividad propios, trayendo puntos de vista innovadores para la empresa.
• Si el enfoque es el desarrollo de un proyecto en particular, es posible que sea una alternativa más rápida para reducir tu tiempo de salida al mercado.
• Puedes ahorrar en costos de infraestructura propia.

Los Contra de externalizar servicios en #IA

• Posiblemente, en la jerarquía de tareas tu empresa o proyecto puede no ser el Nº1.
• Realizar proyectos en forma externa, le resta a tus equipos la posibilidad de incorporar una mirada estratégica sobre la transformación digital como parte de su cultura organizacional.
• La distancia que genera un desarrollador con tu core business es una distancia también en la generación de valor en el desarrollo mismo.

Los Pro del desarrollo de talento interno

• Reconocer rápidamente si la generación y análisis de datos aportan valor o no (Data Science) a tu propuesta comercial.
• Enseñar a los internos a construir sus propios modelos de aprendizaje automatizado es una de las mejores formas de evitar las trampas y los problemas éticos en torno a la implementación de la #IA.
• Aumentar la probabilidad de olfatear inferencias sin sentido que pueden ser detectadas por tu área comercial.

Los Contra del desarrollo de talento interno

• Desde una mirada estratégica, requiere de más tiempo.
• Inicialmente implicaría mayores costos operativos (humanos y de infraestructura).
• La falta de expertise puede generar problemas con modelos de machine learning cuando los equipos no puedan encontrar correlaciones falsas en los datos.

Nuestro consejo: lee tu escenario particular y proyecta tu desarrollo

En una época de grandes cambios y nuevos aprendizajes, debemos ser dinámicos (estar dispuestos al dinamismo no es fácil). Podemos potenciar áreas internas al mismo tiempo que contratamos expertos externos que nos permitan aprender, avanzar y no quedarnos estancados.

En conclusión, es importante que las empresas pierdan el miedo a capacitar al personal interno en análisis de datos, para que puedan construir mejores modelos de machine learning e IA. Según Alan Jacobson, director de análisis y datos de Alteryx,  “todos pueden convertirse en científicos de datos”.