Cloudera ha presentado un informe sobre el estado de la adopción del machine learning en España, Francia, Alemania y Reino Unido. El informe indica que el 35% de las grandes compañías ha desarrollado totalmente esta tecnología, mientras que otro 31% lo ha hecho en algunos departamentos concretos para funciones específicas. En él se concluye que un tercio de las compañías que ha implementado el machine learning en sus procesos, afirma que ya ha visto un retorno a la inversión. Sin embargo, las empresas están de acuerdo en que existe una barrera principal: faltan recursos y talento. De hecho, el 51% dudan en implementar el machine learning, ya que no tienen la habilidad de implementarlo.
La mitad de las grandes empresas han indicado que los datos están completamente embebidos en su organización, y que ya no serían capaces de trabajar sin ellos, mientras otro 36% indica que sí utiliza los datos, pero no de un modo transversal a la compañía. Además, el 49% de los negocios afirma que el departamento de tecnologías de la información es el responsable de maximizar el valor de los datos, y en el resto de los casos la responsabilidad descansa en los científicos de datos o en los propios usuarios.
Romain Picard, vicepresidente de Cloudera en el Sur de EMEA, ha resaltado que “el machine learning debe ser el próximo paso para las organizaciones basadas en datos. En Cloudera, planeamos acelerar nuestra hoja de ruta para ayudar a los clientes a capitalizar más rápido el valor de sus datos con machine learning”. Además, ha añadido que “esta clase de soluciones tienen el coste del desarrollo de habilidades internas y en diferenciación, además de concienciar a los líderes en cómo el machine learning es capaz de impulsar a las compañías”.
Las barreras del desarrollo del machine learning
Picard ha indicado que “el primer problema es la falta de conocimiento entre los líderes, y es que la causa principal que hace al machine learning resistirse es un aspecto de percepciones, ya que los negocios aun no confían que en la capacidad de las máquinas de reemplazar al ser humano en las tomas de decisiones”. En este sentido, el 79% cree que las personas toman mejores decisiones.
Por otra parte, no hay una visión clara de en qué consiste y qué beneficios ofrece el machine learning. Los tomadores de decisiones asocian el machine learning con elementos de inteligencia artificial y automatización: el 44% ha indicado que tiene que ver con algoritmos computacionales, otros que es el proceso de crear sistemas independientes de la intervención humana, y un tercer bloque lo asocia a la inteligencia artificial.
Finalmente, hay una falta esencial de talento. Menos de una de cada tres compañías cuenta con un equipo estable de científicos de datos con habilidades en machine learning. Además, tan solo un 52% de ellos se mantienen actualizados con noticias relevantes y específicas del sector de las tecnologías de la información.
Adopción y uso del machine learning
La adopción del machine learning se encuentra en plena expansión, ya que un 47% de las empresas ya está invirtiendo y otro 40% espera hacerlo en los próximos dos años. De hecho, la única tecnología más extendida que el machine learning es el análisis de datos, con una inversión actual en el 54% de las grandes empresas.
El 69% de los directores de tecnologías de la información espera que el machine learning tenga una influencia relevante en sus departamentos, y un 31% espera que sea un fenómeno transformacional. Sin embargo, solo un 20% de los gerentes piensa que tendrá un impacto significativo en las divisiones de ventas, menos aun en el departamento de recursos humanos: 17%.
El portavoz de Cloudera ha indicado que “el uso de algoritmos permite extraer conocimiento útil de los datos. De este modo, el machine learning permite a los equipos trabajar de un modo más inteligente, hacer las cosas más rápido y convertir en rutina tareas que previamente eran imposibles”. Sin embargo, el 65% encuentra problemas en priorizar donde tendrá un mayor impacto, aunque aparentemente será en las divisiones de tecnologías de la información y en I+D.
Romain Picard concluye que “en el momento de implementar el machine learning en la compañía, surgen nuevos problemas como la falta de talento capaz de desarrollarlo, lo cual es una de las principales barreras que impide que esta tecnología se extienda a una mayor velocidad”.
