Planificación y estructura de un proyecto de inteligencia artificial

Planificación y Estructura de Proyectos de Inteligencia Artificial

Planificación y estructura de un proyecto de inteligencia artificial. Caso práctico LookStudio (CC BY-SA)

La empresa Pick&Deliver se dedica a almacenaje, logística y entregas de pedidos de empresas de comercio electrónico. En solo un año, han pasado de ser una empresa muy analógica a ser pioneros en Transformación Digital y uso de Inteligencia Artificial para sus procesos internos.

El equipo de innovación tecnológica de la empresa es bastante joven y con ganas de probar, equivocarse todo lo que haga falta y aprender todo lo posible en el proceso. Gracias a esto, han logrado implementar un gran número de mejoras y la empresa está entre las 10 primeras del sector en reputación y facturación.

Lorena es de las más entusiastas del equipo, y siempre está proponiendo ideas. Esta vez, llega con una idea inesperada: "¿Qué os parece si nos apuntamos a esta iniciativa?" y les muestra una web de una ONG que organiza un hackathon para equipos profesionales con el objetivo de ayudar a una región que ha sufrido una fuerte crisis económica a recuperar su tejido comercial y de negocios. "Con todo lo que hemos aprendido y probado nosotros aquí, seguro que les podemos ayudar"

Todos se contagian de la motivación de Lorena. Ayudar y crear impacto real en la sociedad es un desafío importante, pero es de las cosas que más sentido dan al desarrollo de la tecnología.

"¿Cuándo empezamos?" Dice Miguel sonriendo.En esta unidad vamos a seguir el proceso que se recorre cuando se lanza un nuevo proyecto de inteligencia artificial en una organización. Trabajaremos sobre los elementos implicados en la planificación de un proyecto y en las características de cada fase de su desarrollo. En concreto, revisaremos:

• Identificación de necesidades y diseño de la solución.
• Búsqueda de los recursos necesarios.
• Proceso de diseño, entrenamiento y evaluación del modelo de aprendizaje automático.
• Despliegue y puesta en marcha de la solución.
• Seguimiento del proyecto y propuesta de nuevas actualizaciones.

Para ello, vamos a apoyarnos en conceptos generales que afectan a todo tipo de proyectos, pero también particularizaremos muchos condicionantes al ámbito concreto del desarrollo e implantación de soluciones de inteligencia artificial.

GOBIERNO DE ESPANA MINISTERIO DE EDUCACIÓN Y FORMACIÓN PROFESIONAL Ministerio de Educación y Formación Profesional (Dominio público) Materiales formativos de FP Online propiedad del Ministerio de Educación y Formación Profesional.

Aviso Legal

Planteamiento y Diseño de la Solución

1 .- Planteamiento y diseño de la solución. Caso práctico LookStudio (CC BY-SA)

Lorena y Miguel revisan a fondo la información sobre los retos planteados para el hackathon solidario al que se han apuntado. Todos parecen muy interesantes, y cuesta decidirse por uno de ellos. "¿Qué te parece éste de ayudar a automatizar una planta de tratamiento y envasado de frutas y hortalizas? Parece que tienen varios problemas con los que podemos ayudar a la propia cooperativa y a la comunidad que vive de ello" Dice Miguel fijándose en un proyecto que ve bastante inspirador.

"Sí, yo también me estaba fijando en ese. ¿ Seremos capaces de ayudarles desde aquí?" Contesta Lorena.

En los días siguientes, van cumpliendo con los requisitos de inscripción y entran en contacto con varios voluntarios de la ONG que les van dando indicaciones. Finalmente, se ponen en contacto con el representante de la cooperativa y revisan con él los problemas que tienen que resolver.Existen muchas metodologías que ayudan a plantear la planificación de un proyecto de forma efectiva. En todos ellos, se parte de un análisis previo de la situación y de la identificación de una serie de necesidades o problemas. Hay distintas formas de aproximarse a esta cuestión, dependiendo de la metodología.

Una de esas metodologías es el "Design Thinking", o Pensamiento de Diseño, y traslada al ámbito general de proyectos el proceso que se sigue en el diseño de productos comerciales en la industria.

Proceso de Design Thinking de Stanford d.school

Stanford d.school Design Thinking Process · Share ideas · Interviews . All ideas worthy · Shadowing · Diverge/Converge · Seek to understand . "Yes and" thinking · Non-judgmental . Prioritize . Mockups . Storyboards . Keep it simple EMPATHIZE IDEATE . Fail fast . Iterate quickly DEFINE PROTOYPE · Personas · Role objectives . Decisions . Challenges TEST . Pain Points . Understand impediments . What works? . Role play https://dschool.stanford.edu · Iterate quickly dschool.stanford.edu (CC BY)

Metodología Design Sprint de Google

Google también cuenta con varias metodologías entre las que, para proyectos, destaca la de Design Sprint:

Phase 1 Phase 2 Phase 3 Phase 4 Phase 5 Phase 6 UNDERSTAND DEFINE SKETCH DECIDE PROTOTYPE VALIDATE Google (CC BY-SA)

Estas dos metodologías ponen especial foco en la detección del problema y en identificar muy bien su anatomía para aportar ideas de solución que realmente se ajusten a lasnecesidades reales. La ideación de la solución a partir de lluvia de ideas, procesos divergentes-convergentes y consolidación de ideas, nos conduce a la creación de un prototipo. En este punto, podemos aplicar metodologías más enfocadas en la creación de ese prototipo.

Metodologías Ágiles en Desarrollo de Software

En el ámbito del desarrollo de software, las denominadas metodologías ágiles, constituyen el marco de trabajo elegido por las empresas más innovadoras y con mejor desempeño. Desde que se popularizó el "Manifesto for Agile Software Development" en 2001, las dos metodologías con más éxito has sido Scrum y Kanban.

"Agile", como tambien se conoce este conjunto de metodologías, es un proceso mediante el cual un equipo puede gestionar un proyecto dividiéndolo en varias etapas e involucrando la colaboración constante de las partes interesadas y una mejora e iteración continuas en cada etapa. La metodología Agile comienza con la descripción de los clientes sobre cómo se utilizará el producto final y qué problema resolverá. Esto aclara las expectativas del cliente al equipo del proyecto. Una vez que comienza el trabajo, los equipos realizan un ciclo de un proceso de planificación, ejecución y evaluación, que podría cambiar la entrega final para adaptarse mejor a las necesidades del cliente. La colaboración continua es clave, tanto entre los miembros del equipo como con las partes interesadas del proyecto, para tomar decisiones plenamente informadas.

katemangostar (CC BY-SA)

Scrum: Entregas Parciales y Regulares

En Scrum se realizan entregas parciales y regulares del producto final, priorizadas por el beneficio que aportan al receptor del proyecto. Por ello, Scrum está especialmente indicado para proyectos en entornos complejos, donde se necesita obtener resultados pronto, donde los requisitos son cambiantes o poco definidos, donde la innovación, la competitividad, la flexibilidad y la productividad son fundamentales. En Scrum un proyecto se ejecuta en ciclos temporales cortos y de duración fija (iteraciones que normalmente son de 2 semanas, aunque en algunos equipos son de 3 y hasta 4 semanas, limite máximo de feedback de producto real y reflexión). Cada iteración tiene que proporcionar un resultado completo, un incremento de producto final que sea susceptible de ser entregado con el mínimo esfuerzo al cliente cuando lo solicite.

Kanban: Gestión del Flujo de Trabajo

Kanban es un método de gestión del flujo de trabajo que ayuda a las organizaciones a gestionar y mejorar los sistemas de trabajo. El trabajo se representa en tableros Kanban, lo que te permite optimizar la entrega de trabajo a través de múltiples equipos y manejar, incluso los proyectos más complejos en un solo entorno. Fue desarrollado y aplicado por primera vez por Toyota como sistema de programación para la fabricación JIT ("Just In Time": "justo a tiempo"). Este enfoque representa un Sistema con un comportamiento "pull"; Esto significa que la producción se basa en la demanda de los clientes, en lugar de la práctica habitual de, producir bienes y llevarlos al mercado.

Elementos Clave para el Diseño de Soluciones

En casi todas las metodologías de proyectos necesitan identificar estos elementos para un correcto diseño de la solución:

Objetivos:

• Qué se necesita o qué problemas hay que resolver.
• Que otras cosas serían deseables y ayudan al objetivo principal.

Indicadores clave:

• Qué variables del problema nos dan una pista sobre si se está resolviendo según su valor.
• Qué métricas necesitamos para calcular cada indicador.

Tareas a realizar:

• Qué trabajo hay que hacer para alcanzar los objetivos.
• Qué división de trabajo es la que permite ejecutarlo de forma más eficaz.

De esta manera, al inicio de un proyecto, es conveniente tener una o más sesiones en las que pensar, idear y decidir. Si no, se puede dar la situación de trabajar duro desarrollando un sistema o modelo para darse cuenta demasiado tarde de que no sirve realmente para lo que se necesita.

Para Saber Más sobre Metodologías

Para saber más Las metodologías vistas en esta sección suelen requerir formación y práctica para poder ser aplicadas con éxito en las empresas y equipos. Si quieres trabajar en empresas de desarrollo de software o vas a ser técnico en una startup, es muy reocmendable hacer un curso de Scrum y documentarte todo lo que puedas de las metodologías que sepas que se utilizan en la empresa.

En todo caso, puedes saber más sobre Scrum en su propia web.

Adquisición y Tratamiento de Datos

Caso Práctico: Datos Fundamentales

2 .- Adquisición y tratamiento de los datos. Caso práctico #LIFE LookStudio (CC BY-SA)

Una vez el equipo se ha puesto de acuerdo con cuál va a ser la solución en la que van a trabajar, y empiezan a organizarse, se dan cuenta de que la parte fundamental del proyecto son los datos, pues, sin ellos, no van a ir a ninguna parte.

"Tenemos varias opciones a la hora de obtener suficientes datos, pero empecemos por la más obvia: pedírselos a los propios miembros de la cooperativa" Dice Lorena, que disfruta bastante con la parte de gestión de los datos.

- = - vectorsmarket15 (CC BY-SA)

En todo proyecto de inteligencia artificial o ciencia de datos, la parte de los datos suele representar el 80% de la carga de trabajo del proyecto. Y, análogamente, representa un ratio similar en cuanto a la calidad de la solución final. Es de vital importancia trabajar con datos completos, veraces y sin sesgos. Ya hemos visto en la unidad 6 que si queremos una solución suficientemente general y que tenga un buen comportamiento con nuevos datos de entrada, necesitaremos un conjunto de datos de partida lo suficientemente grande.

Fuentes Habituales de Datos

Fuentes habituales de datos 1 .- Informes de plataformas, empresas y consultoras

En casos de sectores muy concretos, es bastante común que alguna empresa del sector o una consultora haya realizado ya un estudio y publique datos al respecto. Estos estudios suelen presentar los datos ya procesados en estadísticas e indicadores finales, pero pueden utilizarse para completar un dataset en el que nos falte alguna de las variables o también se pueden solicitar.