Desde que creo contenido sobre datos -hace más de 6 años-, he visto muy a menudo muchos artículos hablando de cómo y por qué fallan los proyectos de Inteligencia Artificial (IA) o datos. Paralelamente a eso, también veo mucho contenido técnico sobre cómo hacer proyectos de datos exitosos. La mayoría del primer tipo de contenido se centra principalmente en una audiencia de perfil gerencial o ejecutivos, y el segundo se centra en audiencias de Ingenieros / Desarrolladores, creando una brecha en el medio.
Dada esta situación, decidí hacer una serie de artículos enfocados en Gerentes y Ejecutivos, brindando la mayor cantidad de consejos posibles sobre cómo iniciar, ejecutar y administrar proyectos de IA o Datos con éxito. La atención se centra en los elementos centrales de cada aspecto de cualquier proyecto de IA o datos.
Aquí está el plan de contenido para esta serie de artículos:
Parte 1: Tratar el producto de IA como un activo (usted está aquí)
Parte 2: Formar el equipo adecuado
Parte 3: ¿Dónde están los datos?
Parte 4: Entrega del producto
Parte 5: Mantenimiento y Operación
Fundamentos: el POR QUÉ
Diferenciemos en este punto 2 aspectos básicos de la gestión de proyectos: entregable y exitoso. Cualquier proyecto puede entregar algo después de la planificación, ejecución o cierre -ya sea una solución, un nuevo producto o servicio, mejora de procesos, etc-. No todos los entregables o productos finales son exitosos desde un punto de vista operativo.
Lo que hace que un producto final sea “exitoso” es si el producto final agrega valor a la organización. En otras palabras, si el producto final puede aumentar la productividad, incrementar la eficiencia o generar más oportunidades de negocio, entonces el producto desarrollado y entregado es exitoso.
Los proyectos de datos no son una excepción a esto. Lo que implica que al desarrollar un proyecto de datos de cualquier tipo, el objetivo final es lo que debe definirse por adelantado, y todo lo demás estará determinado por ese objetivo final. Sobra decir que el objetivo final de un proyecto de datos debe agregar valor a la organización: incrementar la productividad, y/o incrementar la eficiencia -mediante la reducción de costos operativos o financieros-; y/o aumentar las oportunidades, maximizando los ingresos o descubriendo nuevas oportunidades comerciales.
Esta fase se llama el ‘POR QUÉ’. Debemos respondernos a nosotros mismos POR QUÉ necesitamos un proyecto de datos o inteligencia artificial.
Proceso: el CÓMO
Ahora que hemos definido el POR QUÉ, es hora de procesar la ejecución de alto nivel. Para hacerlo, aquí hay un consejo clave: trate un proyecto de datos como un activo que debe adquirir.
Esto tiene muchas implicaciones ya que el proyecto debe ser tratado como un nuevo activo que debe ser adquirido por una entidad, de la misma forma que compramos una computadora, una licencia de software, un automóvil o un inmueble. Y como cualquier otro activo, se deben reunir los recursos, se debe incurrir en la amortización del mismo, así como calcular el retorno de la inversión (ROI).
Para hacerlo aquí hay una lista de recomendaciones:
• Definir el propósito y la meta final del proyecto de datos
No sea demasiado amplio, no sea extremadamente específico. En los proyectos de datos, nadie sabe lo que es posible hasta que vemos los datos y comprendemos el entorno dentro del propósito final del proyecto. Ser flexible con el alcance, pero no demasiado flexible para incurrir en desviar el alcance -algo muy habitual en los proyectos de datos-. Debe ser factible.
• Asignar un plazo para la ejecución del proyecto
Esto es tan importante como el punto anterior. En mi experiencia cualquier proyecto de datos -con un propósito factible definido- no debe durar más de 13 semanas -un trimestre-. De lo contrario, es fácil entrar en el “proceso de iteración sin fin” para mejorar lo que se hizo antes y perder la perspectiva y ampliar el alcance.
• Definir un presupuesto y asignar recursos
De la misma manera que se deben organizar las finanzas para adquirir un producto o servicio de un tercero, incluso si su organización tiene un equipo de datos interno, asegúrese de que se contabilice y registre cada tiempo y costo de recursos humanos involucrados en el proyecto. Esto definirá un monto a contabilizar que será capitalizado posteriormente. En otras palabras, trate a su equipo de datos como una unidad comercial a la que le va a comprar un producto.
Como cualquier inversión, debe ser aprobada y patrocinada por alguien. De esta manera el proyecto será respaldado formalmente por un tomador de decisiones.
• Equipo humano adecuado
Cubriremos este tema en la siguiente parte de esta serie, pero tener el equipo correcto no significa solo tener Gerentes de Proyecto, Scrum Masters, Ingenieros de Datos, Científicos de Datos, Analistas de Datos, etc. también significa tener el Punto de Contacto de los diferentes departamentos o unidades de negocio sobre los que impactará el proyecto.
Conclusiones
Piense como un empresario al hacer un proyecto, cualquier proyecto, y los proyectos de datos o IA no son una excepción. Un equipo de datos debe entregar algo específico que debe agregar valor a la organización, y todo eso debe acordarse por adelantado. Siga los consejos del equipo técnico y asegúrese de que el equipo técnico comprenda el impacto en la organización y asegúrese de que se ciña a él; por tanto, no tenga miedo de exigir tal nivel de calidad y retorno de la inversión.
