Tres claves para trabajar de forma eficaz en proyectos de Inteligencia Artificial
En muchas ocasiones, los mayores impedimentos a la hora de crear soluciones de Inteligencia Artificial no residen en la capacidad de los equipos, que están altamente cualificados, sino en establecer una forma de trabajo eficaz entre los diferentes perfiles profesionales que intervienen en el ciclo de creación de modelos analíticos. Esta es una de las principales tareas que abordamos actualmente en la Factoría de Inteligencia Artificial de BBVA. Una tarea guiada por tres conceptos: simplificar, acelerar y reutilizar.
Mi primer contacto directo con la AI Factory se produjo en abril de 2020, en pleno confinamiento. Me encontré con un equipo de científicos de datos extremadamente competente en la creación de modelos de IA, pero que demandaba seguir impulsando unas pautas comunes de trabajo para poder lidiar con la complejidad -tanto organizativa como técnica- que existe en el ámbito de Ingeniería. Al final, los modelos y data engines (motores de datos) se tienen que integrar en los diferentes canales del Banco para ser puestos a disposición de nuestros clientes, por lo que resulta fundamental trabajar conjuntamente como un solo equipo. Los mejores modelos son aquellos que llegan al usuario final.
Uno de los principales capítulos en los que empezamos a trabajar es, precisamente, en simplificar el modelo de colaboración entre los mundos de la ciencia de datos y la ingeniería, reduciendo complejidad organizativa y haciendo que los equipos puedan ganar en autonomía. Es importante conocer el ciclo de desarrollo completo (preparación de datos, desarrollo del motor e integración) y el papel de cada equipo en cada fase, tratando de eliminar bloqueos producidos, en muchas ocasiones, por una gestión incorrecta de las dependencias entre los distintos grupos de trabajo.
Anticipar las dependencias nos permite acelerar la entrega de modelos y motores de datos (data engines) consiguiendo también paralelizar el trabajo de todos los equipos. Sin duda, poder recoger cuanto antes el feedback de cómo se comportan nuestros modelos, es un aspecto fundamental para nosotros. Nuestra aspiración es reducir el tiempo total que empleamos en construir modelos analíticos, desde la fase de definición de la solución para una necesidad de negocio concreta hasta la puesta en producción. En este sentido, resulta clave medir estos tiempos en detalle y utilizar esta métrica como palanca para la mejora continua de todo el ciclo de desarrollo. En definitiva, se trata de reducir tiempos muertos, ser más eficaces y responder de mejor manera a las expectativas de los equipos.
El tercer gran reto de cara a hacer más eficaz el trabajo en Inteligencia Artificial es poder reutilizar los desarrollos al máximo. Partimos de un modo de trabajo en el que los científicos de datos y los ingenieros especializados en aprendizaje automático (Machine Learning) trabajan en proyectos específicos en los que se tiene una visión parcial del problema a resolver. Tenemos que integrar todas estas visiones y construir productos de datos globales que puedan ser reutilizados en las diferentes áreas y países en los que opera BBVA, de modo que cuando diseñemos un nuevo producto basado en datos podamos exportarlo y adaptarlo de una forma mucho más sencilla. Ahora mismo se detectan sinergias, pero en ocasiones los equipos se enfrentan a retos parecidos sin tener en cuenta el trabajo y la experiencia previa de otras áreas.
Con estas ideas en mente me uno como COO (Chief Operations Officer) a este gran equipo humano que es la AI Factory, recientemente constituida como compañía del Grupo BBVA, ejerciendo mi función como puente entre los mundos de Data e Ingeniería. Y tengo la suerte de hacerlo junto a Francisco Maturana (CEO de la compañía) y Ricardo Oliver (responsable de Data Engineering de BBVA), de quienes recibo un apoyo fundamental y con quienes sintonizo plenamente en la implantación de estas pautas de trabajo. Estos últimos años he estado trabajando en el equipo de Architecture & Global Deployment, después de desarrollar la mayor parte de mi carrera en BBVA en el ámbito de las arquitecturas técnicas y bancarias, tanto en España como en distintos países de América (México, Perú, Colombia, Venezuela o Estados Unidos). Ahora estoy deseando poder encontrarme con mis compañeros de la AI Factory en persona, cuando la situación sanitaria lo permita, y aprovechar para agradecerles la gran acogida que he recibido.
Para terminar, quiero mencionar la razón por la que queremos seguir avanzando en las líneas de trabajo que he comentado anteriormente. Al final, nuestro propósito no es otro que exprimir todo el potencial que ofrece la Inteligencia Artificial, ya sea en la toma de decisiones, en la optimización de procesos o en la creación de productos que ofrezcan un valor añadido a nuestros clientes. Por eso trabajamos aspectos como la interpretabilidad o la equidad en los modelos analíticos. Estamos convencidos de que la IA va a aportar importantes beneficios a la sociedad en general y a nuestros clientes en particular, creando una banca más cercana y que acompañe en las mejores decisiones financieras. Y ahí es donde queremos estar.