Comprender mejor la inteligencia artificial y la incertidumbre

La inteligencia artificial (IA) y el aprendizaje automático (ML) se han convertido en dos de los temas de debate principales en varios sectores. Para responder a esta creciente necesidad, IBM y Red Hat anunciaron la disponibilidad de productos innovadores, como IBM watsonx y Red Hat OpenShift AI, respectivamente. En este artículo, se describe una estrategia simple para ayudar a gestionar los cambios asociados con la implementación de productos de inteligencia artificial/Machine Learning que están en camino de cambiar el funcionamiento del mundo.

Este artículo está escrito desde la perspectiva de un Red Hat Technical Account Manager (TAM). La función única de un TAM como el principal punto de contacto para un cliente en temas técnicos de Red Hat, combinada con nuestra defensa de las mejores prácticas, nos permite comprender en profundidad las necesidades de los clientes y alinearlas con las estrategias de Red Hat. Sin embargo, esto no resuelve la incertidumbre predominante con la inteligencia artificial/Machine Learning.

Red Hat, IBM y el ecosistema de inteligencia artificial

Tanto IBM watsonx como OpenShift AI admiten flujos de trabajo de inteligencia artificial/Machine Learning. Watsonx de IBM mejora el desarrollo y la implementación de la inteligencia artificial, mientras que la inteligencia artificial de OpenShift utiliza tecnologías de nube para implementar y gestionar las cargas de trabajo de inteligencia artificial/Machine Learning.

La inteligencia artificial y el Machine Learning, al igual que otras innovaciones revolucionarias anteriores, es la tecnología más reciente que promete y genera ansiedad. Hace una generación, Internet ponía los datos al alcance de la mano en cualquier momento y lugar, pero generaba preocupación en muchos sectores. En la actualidad, el temor subyacente es que la inteligencia artificial y el Machine Learning eliminen los puestos de trabajo al automatizar miles de tareas manuales.

Cambio revolucionario o transformador

Es posible que la inteligencia artificial y el Machine Learning dejen obsoletos muchos trabajos, pero si sigue las tendencias establecidas por las tecnologías disruptivas anteriores, también creará muchos empleos nuevos y generará cambios globales fundamentales. En términos generales, estos cambios se dividen en dos categorías: Revolucionarios/Transformadores y Evolutivos/Adaptables.

Transformacional se refiere a un cambio fundamental o radical; un cambio fundamental en el que la nueva tecnología reemplaza drásticamente una tecnología, sistema o proceso existente. Por ejemplo, las plataformas de transmisión, como Netflix, reemplazaron a los medios físicos, como los discos compactos (CD) y los DVD, lo que eliminó a muchas empresas del sector de alquiler de videos físicos, como Blockbuster. Otro ejemplo son los servicios de reserva en línea que reemplazan a los agentes de viajes para las aerolíneas, los alquileres de automóviles y los hoteles.

Mientras que el cambio transformacional es rápido y generalizado, el cambio evolutivo es más iterativo y gradual, pero no menos disruptivo en la forma en que hacemos negocios.

Cambio evolutivo o adaptativo

El cambio evolutivo o adaptativo aprovecha la tecnología de moda para mejorar los procesos o los sistemas actuales, lo que aumenta la eficiencia y la productividad, sin dejar de mantener la estructura y los objetivos generales. Por ejemplo, las empresas de telecomunicaciones comenzaron a ofrecer Voz sobre Protocolo de Internet (VoIP) a principios del siglo 21, lo que les permite ofrecer estos servicios a una fracción del costo de las tecnologías más antiguas. Del mismo modo, la banca digital revolucionó la forma en que las personas gestionan sus finanzas. Las aplicaciones como Venmo, Zelle y los sistemas bancarios en línea y móviles reemplazaron las tareas rutinarias, como las transferencias de efectivo y los depósitos de cheques, lo que redujo las visitas en persona a los bancos y las instituciones financieras para prestar servicios principalmente especializados.

Como TAM que brinda soporte al sector de las telecomunicaciones y las empresas, a menudo considero cómo las empresas de telecomunicaciones implementarán los productos y las soluciones de inteligencia artificial de Red Hat. ¿El sector experimentará el cambio a través de una transformación, una adaptación o una combinación de ambas?

Por un lado, la inteligencia artificial de Red Hat OpenShift y la inteligencia artificial de Red Hat Enterprise Linux (RHEL) están cobrando impulso rápidamente y ofrecen funciones avanzadas que podrían mejorar considerablemente la eficiencia operativa y la prestación de servicios. Por otro lado, algunas empresas de telecomunicaciones prefieren un enfoque más cauteloso para continuar con su tecnología actual.

Para respaldar este enfoque más cauteloso, Red Hat está ampliando la fase Extended Life Cycle Support (ELS) en muchos productos de TI tradicionales, incluidos RHEL y OpenStack. Las empresas de telecomunicaciones más cautelosas parecen mantener sus implementaciones actuales, basadas en estos productos de ELS, mientras observan de cerca cómo sus competidores implementan la tecnología habilitada para la inteligencia artificial antes de tomar decisiones estratégicas.

Al igual que las revoluciones tecnológicas anteriores, para transitar con éxito la era de la inteligencia artificial es necesario que gestionemos estos nuevos cambios.

En la siguiente sección, se presenta una técnica para gestionar los cambios transformadores y adaptables a medida que crece la implementación y la adopción de la inteligencia artificial, y se ofrecen pasos prácticos para abordar las complejidades y las oportunidades de la era de la inteligencia artificial.

Gestión del cambio a través de ADKAR

ADKAR es un modelo popular de gestión de cambios que se puede usar para guiar el cambio individual y organizacional. Es un enfoque estructurado y orientado a los objetivos que enfatiza la importancia de facilitar las transiciones individuales y reconoce que el éxito empresarial depende de la capacidad de cada persona para adaptarse al cambio. Desarrollado por Jeff Hiatt, el fundador de Prosci, ADKAR significa:

• A - Conciencia
• D - Deseo
• K - Conocimiento
• A - Habilidad
• R - Refuerzo

Cada componente del modelo representa una etapa o un hito que las personas deben alcanzar para implementar el cambio con éxito. La fortaleza de ADKAR radica en su proceso secuencial, que permite una transición sin problemas de una fase a la siguiente. Por ejemplo, "Deseo" no puede aumentar sin aumentar primero "Conciencia". De manera similar, "Conocimiento" no puede crecer sin "Deseo", y "Habilidad" se desarrolla solo después de que se adquiere "Conocimiento", y así sucesivamente.

A continuación, presentamos un desglose completo de cada componente del modelo ADKAR, con recomendaciones sobre cómo las personas y las empresas pueden gestionar el cambio a medida que adoptan la inteligencia artificial.

1. Conciencia

Objetivo: El objetivo de aumentar la conciencia es comprender los cambios necesarios para tener éxito en la era de la inteligencia artificial al reconocer los cambios en la tecnología y la dinámica del mercado e identificar cómo estos cambios pueden afectar su función y la empresa.

Acciones:

• Responda las siguientes preguntas clave para comprender la importancia de la inteligencia artificial y el Machine Learning:
  • ¿Cuál es la implementación actual de los productos de Red Hat y cómo encajan los productos habilitados para la inteligencia artificial y el Machine Learning en ese flujo de trabajo?
  • ¿La implementación de la inteligencia artificial mejorará la eficiencia operativa?
  • ¿Los productos actuales de inteligencia artificial cumplen con los objetivos empresariales, los desafíos técnicos y las necesidades de los clientes? Si no es así, ¿cuáles son las brechas que deben abordarse?
• Para mantenerse informado, revise los comunicados de gestión, mantenga la curiosidad sobre Red Hat OpenShift AI y Red Hat Enterprise Linux (RHEL) AI y explore las funciones y las aplicaciones nuevas.
• Participe en webinars y conferencias. Lea los whitepapers y los artículos para mantenerse actualizado sobre las tendencias y los avances en materia de inteligencia artificial/Machine Learning en el cloud computing. Puede ser especialmente útil revisar publicaciones acreditadas como Institute of Electrical and Electronics Engineers y sitios web del sector como TechCrunch
• Investigue las tendencias del sector, como el impacto de la inteligencia artificial/Machine Learning en las telecomunicaciones y otros sectores, y evalúe las implicaciones empresariales vinculando los casos prácticos con las mejoras en las operaciones, como la automatización y la gestión de recursos.

2. Deseo

Un gran conocimiento de la inteligencia artificial generará naturalmente una mayor motivación para aprender y aplicar las tecnologías de inteligencia artificial/Machine Learning.

El aumento del deseo de respaldar el cambio ayuda a alinear los objetivos individuales o de equipo con las estrategias empresariales, lo que mejora la eficiencia en los procesos y los flujos de trabajo, y puede contribuir al aumento de los ingresos y al avance profesional personal.

Acciones:

• Definir objetivos claros para aprender inteligencia artificial/Machine Learning, como convertirse en un experto en la materia (SME) o aprovechar la inteligencia artificial/Machine Learning para optimizar las implementaciones de OpenStack/OpenShift.
• Identifique los puntos claves de motivación, como la promoción profesional, la curiosidad técnica o la satisfacción del cliente
• Interactuar con colegas y expertos del sector apasionados por la inteligencia artificial y el Machine Learning para mantener la motivación
• Alinee el aprendizaje con los objetivos profesionales a largo plazo, como especializarse en inteligencia artificial/Machine Learning o liderar futuros proyectos de inteligencia artificial/Machine Learning
• Redes a través de grupos de usuarios y comunidades de inteligencia artificial/Machine Learning
• Busque la tutoría de especialistas que lo guíen en su proceso

3. Conocimiento

El conocimiento en el proceso de ADKAR implica adquirir información y educación para adaptarse, con un fuerte deseo de cambio que impulsa el proceso.

Acciones:

• Estudie la documentación técnica sobre los aspectos básicos y avanzados de la inteligencia artificial y el Machine Learning, específicamente adaptada a OpenStack/OpenShift y al cloud computing.
• Inscríbase en las clases de capacitación, los webinars y los eventos educativos relevantes
• Realice cursos (como RHOAI / AI267) para comprender mejor la inteligencia artificial y el Machine Learning
• Evalúe la información de los ejecutivos y los equipos de capacitación y aprendizaje para identificar la falta de conocimiento
• Participe en talleres y bootcamps centrados en el desarrollo de aplicaciones prácticas de inteligencia artificial/Machine Learning con los productos de Red Hat

4. Habilidad

La habilidad se refiere a la aplicación práctica del conocimiento adquirido para realizar tareas asociadas con el cambio y la implementación de nuevos requisitos.

Acciones:

• Aplicar técnicas de inteligencia artificial/Machine Learning para resolver problemas específicos u optimizar procesos dentro de OpenShift/OpenStack
• Colaborar con equipos interdisciplinarios en proyectos de inteligencia artificial y Machine Learning para adquirir experiencia práctica
• Liderar o participar en proyectos de prueba de concepto (POC) para inteligencia artificial/Machine Learning en OpenStack/OpenShift

5. Refuerzo

El refuerzo implica incorporar estos cambios en la cultura del equipo o de la empresa para que se convierta en una parte permanente de las operaciones.

Acciones:

• Fomentar una cultura de aprendizaje continuo en inteligencia artificial/Machine Learning entre sus colegas
• Documente y comparta los éxitos y las lecciones aprendidas
• Medir el impacto de la inteligencia artificial y el Machine Learning con métricas
• Establezca sistemas de soporte, como un repositorio de conocimiento compartido, y manténgase actualizado sobre los recursos de capacitación.
• Recompense y reconozca el progreso y los hitos

Conclusión

Use el modelo ADKAR para evaluar de manera sistemática la relevancia de la inteligencia artificial y el Machine Learning para su caso práctico específico. Este marco lo ayuda a aplicar estratégicamente las metodologías y las herramientas de inteligencia artificial/Machine Learning. Desarrolle un enfoque integral para dominar las tecnologías de inteligencia artificial/Machine Learning e impulsar un cambio impactante en el equipo y el ecosistema mediante el progreso secuencial a través de las etapas de Conciencia, Deseo, Conocimiento, Habilidad y Refuerzo.

Obtenga más información sobre la inteligencia artificial de Red Hat

Blogs

• Elevating AI Journey with TAM Services: Contacte con un Technical Account Manager de Red Hat y obtenga más información sobre la estrategia de inteligencia artificial de Red Hat
• Descripción general de Red Hat OpenShift AI
• Actividades actuales de inteligencia artificial