PRODUCIDO POR EN ASOCIACIÓN CON
Aprendizaje automático:
La nueva base de prueba para
la ventaja competitiva
Una encuesta reciente realizada por MIT Technology Review Custom y Google
Cloud revela que si bien la mayoría de las empresas están teniendo dificultades para
aplicar el aprendizaje automático, otras están trabajando arduamente para desarrollar
estrategias para la tecnología, y ya están obteniendo una rentabilidad genuina sobre
la inversión.
Resumen ejecutivo
El enfoque del mundo empresarial en
el Aprendizaje automático (Machine
Learning, ML) puede parecer un
desarrollo de la noche a la mañana,
pero el entusiasmo en torno a esta
tecnología ha ido creciendo de manera
constante desde los primeros días de
los datos masivos.
El Aprendizaje automático está
empezando a proporcionar el potencial
creado por la analítica y los datos
masivos al convertir los datos sin
procesar en herramientas predictivas
útiles para el negocio. Los líderes
empresariales con una mentalidad
de innovación están abordando al
Aprendizaje automático como “el
próximo gran éxito” y ya han elaborado
estrategias e iniciativas sobre el
Aprendizaje automático
que prometen beneficios reales y
retorno de la inversión (ROI).
© agsandrew – stock.adobe.com
La encuesta intentó revelar dónde
se encuentran las organizaciones en
términos de adoptar las estrategias
sobre Aprendizaje automático. Entre los
encuestados se encontraban estrategas
actuales sobre Aprendizaje automático,
representantes de compañías que
planean ejecutar iniciativas de
Aprendizaje automático en los próximos
meses o años, y aquellas con ningún
plan de Aprendizaje automático en un
futuro previsible.
Varios temas clave surgieron de un análisis de los resultados de
la encuesta:
•E
 l Aprendizaje automático está sucediendo ya. La mayoría de los encuestados (60%)
ya ha implementado estrategias de Aprendizaje automático, y casi un tercio consideran
que se encuentran en una etapa madura con sus iniciativas.
•E
 l Aprendizaje automático brinda ventaja en el mercado. Según los encuestados,
un beneficio clave del Aprendizaje automático es la capacidad de obtener una ventaja
competitiva, y el 26% de los que implementan el Aprendizaje automático actualmente
sentían que ya habían alcanzado ese objetivo.
• Las organizaciones están invirtiendo en el Aprendizaje automático. Entre los que
implementan el Aprendizaje automático actualmente, el 26% reportó que más del 15% de
sus presupuestos de TI lo dedicaron a iniciativas sobre Aprendizaje automático.
• Aquellos que adoptaron el Aprendizaje automático de manera temprana, están
obteniendo los mayores beneficios potenciales de esta tecnología. El beneficio
principal que esperan obtener los implementadores y planificadores del Aprendizaje
automático es la capacidad de ampliar los esfuerzos de análisis de datos y aumentar la
comprensión de los datos. Aproximadamente el 45% de los encuestados informan que
han tenido éxito en alcanzar ese objetivo. Además, más de la mitad de los usuarios en la
etapa temprana y usuarios en la etapa madura indican que sus esfuerzos de Aprendizaje
automático han originado un retorno de la inversión (ROI) demostrable.
• Los implementadores de Aprendizaje automático están llevando a cabo una amplia
variedad de proyectos. Los proyectos más comunes entre los implementadores de
Aprendizaje automático incluyen el reconocimiento por imágenes, la clasificación y el
etiquetado (47%); el análisis de emociones/comportamientos (47%); la clasificación y
minería de texto (47%); y el procesamiento del lenguaje natural, o NLP (45%).
La velocidad con la que los encuestados pueden demostrar el ROI con sus iniciativas de
Aprendizaje automático también es notable, lo cual, como se mencionó anteriormente,
no ocurrió con los análisis de datos masivos (big data). Dentro del grupo de la etapa
temprana, más de la mitad reportó que están comenzando a ver un ROI demostrable, y
dentro del grupo de la etapa madura, más de la mitad tenía un ROI demostrado.
1
 Metodología y datos demográficos de la encuesta
La encuesta se realizó en línea a finales de 2016. Los 375 encuestados calificados
representaron una variedad de sectores, con la preponderancia procedente del
sector de tecnología (43%), pero también de otros segmentos, incluyendo los
servicios de negocios (13%) y servicios financieros (10%). Los tamaños de las
empresas van desde empresas muy pequeñas (de una persona) hasta empresas
grandes (más de 3.000 empleados). Casi la mitad (48%) de los encuestados
proviene de organizaciones con menos de 50 empleados; casi una cuarta
parte (22%) proviene de empresas de 50 a 1.000 empleados. Poco menos de
un tercio (32%) proviene de empresas con más de 1.000 empleados; de estas
organizaciones más grandes, casi las tres cuartas partes son de empresas que
emplean a más de 3.000 personas.

Aunque la encuesta fue a nivel mundial, el mayor porcentaje de encuestados

procedió de los Estados Unidos y Canadá (40%), Europa (13%), India (6%) y el
Reino Unido (5%), y el resto se divide entre más de 25 países. La mayoría de
los encuestados calificados eran ejecutivos de alto nivel (39%) o desarrolladores
empresariales (37%), completados por ejecutivos a nivel de vicepresidente (23%).
De los participantes ejecutivos de alto nivel, la mayoría eran directores ejecutivos
(CEO), directivos o presidentes de sus empresas (17%), mientras que otros
lideraban organizaciones de tecnología o TI (11%), la función de analítica (9%), o
el equipo de seguridad (2%). Los vicepresidentes eran de funciones empresariales
(8%), TI (7%), o analítica/datos (8%).

En términos de adopción de tecnología, casi la mitad de los encuestados consideró

que las culturas de sus empresas están impulsadas por la innovación, con culturas
“ágiles, colaborativas e innovadoras” (49%). El 24% describió a sus organizaciones
como “creyentes”, es decir, que son rápidas para adaptarse a las nuevas
tecnologías, pero siguen en espera de la transformación general. Otro 18% ve sus
empresas como “agnósticas”, es decir, interesadas en aprender acerca de nuevas
tecnologías, pero cautelosas al realizar los cambios, y el restante 11% se considera
“tradicionalistas”, generalmente con aversión al riesgo y con tendencia a usar las
tecnologías estándar bien establecidas.

Los beneficios
esperados por los planificadores de Aprendizaje automático difi-
eren de los implementadores actuales de Aprendizaje automático
en un aspecto: los implementadores creen firmemente que tam-
bién obtendrán una mejor comprensión de los comportamientos,
necesidades y deseos de los clientes actuales y potenciales, con
50% de los planificadores de Aprendizaje automático que indican
esta expectativa, en comparación con sólo el 35%
de los implementadores actuales de Aprendizaje automático.

2
 P9: Si su organización está utilizando el Aprendizaje automático actualmente, ¿qué
busca obtener?*

50%
Análisis de datos más amplios; más información
50%
Ventaja competitiva
46%
Los usuarios de
Análisis de datos más rápido, mayor velocidad para obtener conocimientos
Aprendizaje automático 45%
dicen que están buscando Mejora de las capacidades de investigación y desarrollos (productos de próxima generación)
más análisis de datos y 44%
conocimientos Mejora de la eficiencia de los procesos internos (operaciones)
39%
Una mejor comprensión de los clientes actuales y potenciales
35%
Reducción de costos
31%
Mejora de la eficiencia de los procesos externos (cadena de valor)
26 %
*Se permiten múltiples respuestas. Todos los porcentajes se han redondeado.

Estrategias de analítica y datos masivos

El estudio inició al preguntar sobre el uso actual de la Inteligencia empresarial
de procesamiento (APBI) de analítica tradicional en línea,las herramientas de
visualización, y las tecnologías tradicionales de datos masivos, tales como
Hadoop y análisis basado en la nube. En la inmensa mayoría de los casos (95%),
los encuestados tienen planificado implementar un programa BI de procesamiento
de análisis en línea o ya lo han hecho. El mismo porcentaje de los participantes
también planea implementar tecnologías de datos masivos, como Hadoop, o ya
han ejecutado sus planes. Mientras tanto, casi todos los participantes (96%) habían
implementado análisis basado en la nube o tienen previsto hacerlo.

Sin embargo, algunos de los encuestados han medido el ROI sobre cualquiera de
estas iniciativas de analítica. Solo el 18% informó que mide el ROI como parte de
sus iniciativas de APBI, y menos de ese porcentaje lo hizo para sus tecnologías
de datos masivos (14%) y los programas de análisis basado en la nube (14%).
Eso no es de extrañar, según Philippe Poutonnet, director de marketing global de
productos para Google Cloud Platform.

Establecer un parámetro de ROI para esos programas es difícil, afirma. Algunas

compañías, especialmente aquellas cuyos modelos de negocio dependen
de la recolección y el análisis de grandes volúmenes de datos, “solo saben
que necesitan hacer análisis de datos masivos para proporcionar una mejor
experiencia al cliente y hacer crecer sus ingresos, y no tienen tiempo para
desarrollar un modelo de trabajo para el ROI”.
© agsandrew – stock.adobe.com

En muchos otros casos, dice, las compañías no obtienen ROI porque los
proyectos en sí mismos no tienen éxito. “Lo que el sector está viendo es que más
del 50% de los proyectos de datos masivos fracasan, y fallan miserablemente”,
dice Poutonnet. “Las empresas están invirtiendo mucho tiempo con la recolección
de datos y en las fases de preparación de los datos, así como tratando de
determinar la arquitectura de datos, y no tienen tiempo para jugar con los
datos en sí”.

3
P10: Si su organización está utilizando el Aprendizaje automático actualmente, ¿qué
ha obtenido realmente?*

45%
Análisis de datos más amplios; más información
45%
Análisis de datos más rápido, mayor velocidad para obtener conocimientos
35%
Los implementadores
Mejora de las capacidades de investigación y desarrollos (productos de próxima generación)
de Aprendizaje 35%
automático afirman Mejora de la eficiencia de los procesos internos (operaciones)
que la tecnología 30%
ha conducido Una mejor comprensión de los clientes actuales y potenciales
27%
a análisis de datos y
Ventaja competitiva
conocimientos
26 %
más amplios Reducción de costos
23%
Mejora de la eficiencia de los procesos externos (cadena de valor)
19%
*Se permiten múltiples respuestas. Todos los porcentajes se han redondeado.

Además, dice, que ejecutar cientos o miles de consultas para descubrir un patrón o
conocimiento puede ser muy laborioso. Incluso si se ejecuta una consulta única en
los sistemas tradicionales, puede tomarse 30 minutos o más para dar resultados,
lo cual constituye un proceso que requiere mucho tiempo, el cual el Aprendizaje
automático basado en la nube puede ayudar a eliminar.

Avanzar al Aprendizaje automático

Una clara mayoría de los encuestados, el 60%, afirmó que ya habían implementado
una estrategia de Aprendizaje automático y se habían comprometido con una
inversión continua en dicha tecnología. Otro 18% tenía previsto implementar una
estrategia de Aprendizaje automático en los próximos 12 a 24 meses.

“El Aprendizaje automático es básicamente una forma en que una computadora

busca los recursos de información que un ser humano no puede encontrar”, explica
Fausto Ibarra, director de gestión global de productos para Google Cloud Platform.
“Una vez que tiene los datos y la capacitación, e implementa sus modelos, la máquina
puede analizar terabytes de datos y hacerse más y más inteligente, básicamente la
máquina se entrena, y en última instancia hace predicciones para usted”.

Un ejemplo de esto es la aplicación de navegación Waze. Waze analiza los

datos para recomendar vías más rápidas para los conductores en milisegundos,
basándose en los datos de tráfico en tiempo real, una tarea imposible si se utilizan
los métodos manuales tradicionales.

Para un participante, un director de marketing en una empresa pequeña de

tecnología con sede en EE. UU., el Aprendizaje automático será un “principio
básico” de la empresa. Por otra parte, un ejecutivo de alto nivel en una empresa
pequeña de servicios y software orientada al sector de la salud en EE. UU., el
Aprendizaje automático será un “elemento fundamental de ahora en adelante”.

De hecho, solo el 5% reportó no tener interés en el Aprendizaje automático y no

tienen planes para implementar una estrategia de Aprendizaje automático en el
futuro previsible. De este último grupo, varios manifestaron
frustración que sus organizaciones carecen de conocimiento acerca del
Aprendizaje automático, así como de apoyo o financiación en esta área.
4
Principal beneficio “Nos falta comprender las posibles implicaciones positivas” del Aprendizaje automático,
alcanzado por los señaló un encuestado de una empresa de inversión grande del Reino Unido.
implementadores “Los gerentes solo ven los riesgos”. Otros participantes dijeron que simplemente
no entendían cómo podían aplicar el potencial del Aprendizaje automático a sus
actuales del
empresas. “Yo sé que existe, pero no sé cómo aprovecharlo", dijo un encuestado,
Aprendizaje automático: un ejecutivo de alto nivel de una empresa manufacturera pequeña en México.

45%
indica un aumento de los
conocimientos a través
de análisis de datos
más amplios
Sin embargo, es evidente que una mayoría de los encuestados ve el potencial del
Aprendizaje automático y están avanzando con sus planes en esta área. Del 60%
que había comenzado una estrategia de Aprendizaje automático, alrededor de un
tercio (32%) se encontraban en las primeras etapas de sus estrategias, en la prueba
de uno o varios casos de uso del Aprendizaje automático. Casi el mismo porcentaje
de los participantes (28%) describieron su estrategia de Aprendizaje automático como
“madura”, con entre 1 y 5 casos de uso de Aprendizaje automático.

Es destacable la velocidad con la que los encuestados pueden demostrar el

ROI con sus iniciativas de Aprendizaje automático, lo cual, como se mencionó
anteriormente, no ocurrió con los análisis de datos masivos (big data). Dentro del
grupo de la etapa temprana, más de la mitad reportó que están comenzando a ver
un ROI demostrable, y dentro del grupo de la etapa madura, más de la mitad tenía
un ROI demostrado.

Sin embargo, estos resultados pueden no ser representativos de todo el mundo

empresarial. Si bien las empresas enfocadas en la innovación, especialmente
las del sector de la tecnología, pueden estar más avanzadas en sus estrategias de
Aprendizaje automático, Poutonnet señala que la mayoría de las empresas todavía
no está segura de cómo abordar al Aprendizaje automático. “Incluso aquellas que
utilizan el enfoque pueden tener estrategias incompletas o estar en las primeras etapas
de adopción”, indica Poutonnet. “Parece que todos están en una competencia para
implementar el Aprendizaje automático, pero no siempre es claro cómo empezar”.

P13: ¿Qué función/departamento/rol es el principal defensor de sus iniciativas de

Aprendizaje automático?*
Otro
Científico de datos
8%
25% Equipo dedicado de
Aprendizaje automático
6%
Responsabilidad
multidisciplinar

Nivel ejecutivo 12%

21%
Liderazgo/
Análisis de datos
Liderazgo de TI 14%
14%
*Usuarios actuales de Aprendizaje automático, todos los porcentajes se han redondeado

5
P16: ¿Qué parte de su presupuesto de TI para 2017 está destinado al
Aprendizaje automático?*

26%
26 %

21%

17%
15%
13%
Los implementadores
informan que más del 15%
del presupuesto de TI está
dedicado al Aprendizaje
automático
Más del 15% 5a Menos 10 a No sabe/
10% del 5% 15% otro

*Todos los porcentajes se han redondeado.

Proyectos principales entre los

implementadores actuales
En cuanto a los usos previstos para el Aprendizaje automático, los
implementadores actuales indicaron cuatro proyectos principales: el procesamiento
del lenguaje natural (NLP) (49%); la clasificación y minería de texto (47%); el
análisis de emociones/comportamientos (47%); y el reconocimiento por imágenes,
la clasificación y el etiquetado (43%).

En general, los 10 proyectos actuales más populares entre los implementadores

de Aprendizaje automático se encontraron a las recomendaciones (42%),
personalización (41%), seguridad de datos (40%), análisis de riesgos (41%),
búsqueda en línea (41%), y localización y mapeo (39%).

En el próximo año, la atención entre los implementadores actuales del Aprendizaje

automático se desplazará hacia los agentes/bots automatizados (42% de los
encuestados), la planificación predictiva (41%), las ventas y marketing de
focalización (37%) y los asistentes inteligentes (37%), según los resultados.

Proyectos principales entre los planificadores de

Aprendizaje automático
La imagen cambia un poco entre los encuestados que no habían implementado
todavía el Aprendizaje automático, pero tienen la intención de hacerlo. Aunque los
implementadores y planificadores actuales comparten un interés en varias áreas de
proyectos, particularmente en la clasificación y minería de texto, NLP y el análisis
de emociones/comportamientos, los planificadores de Aprendizaje automático
se encuentran, obviamente, un poco detrás de los implementadores actuales de
Aprendizaje automático.

En el próximo año, por ejemplo, los planificadores de Aprendizaje automático están

mirando hacia las recomendaciones (con un 56% que lo indica como un proyecto
probable de Aprendizaje automático en el próximo año), clasificación y minería de texto
(55%), NLP (52%), personalización (47%), análisis de emociones/comportamientos
(46%), y búsqueda en línea (41%). Sin embargo, los implementadores actuales de
Aprendizaje automático ya habían comenzado a poner en práctica estas iniciativas,
y todos aparecen en su lista de proyectos del año en curso.

Los planificadores de Aprendizaje automático también están rezagados en cuanto

a los proyectos de Aprendizaje automático relativos a la seguridad de los datos
(44%), la localización y mapeo (43%), y las ventas y marketing de focalización
(39%) . Todas las iniciativas de Aprendizaje automático están en el horizonte
6
 P17: Si su organización está planificando utilizar el Aprendizaje automático,
¿qué beneficios buscan?¨*

50%
Una mejor comprensión de los clientes actuales y potenciales
50%
Ventaja competitiva
48%
Los planificadores están Análisis de datos más amplios; más información
buscando una mejor com- 45%
prensión de los clientes Mejora de la eficiencia de los procesos internos (operaciones)
44%
actuales y potenciales
Mejora de las capacidades de investigación y desarrollos (productos de próxima generación)
como motivo para el 39%
Aprendizaje automático Análisis de datos más rápido, mayor velocidad para obtener conocimientos
37 %
Reducción de costos
33%
Mejora de la eficiencia de los procesos externos (cadena de valor)
24%
Otro
6%
*Se permiten múltiples respuestas. Todos los porcentajes se han redondeado.

de cinco años para los planificadores de Aprendizaje automático, pero se encuentran

en un nivel alto en la lista actual de los implementadores de Aprendizaje automático
para los proyectos del próximo año.

Los planificadores de Aprendizaje automático estaban más en sincronización con

los implementadores actuales de Aprendizaje automático cuando se trata
de los otros tres elementos en su lista de las 10 prioridades principales para el próximo
año: planificación predictiva (53%), bots automatizados (40%) y asistentes inteligentes
(37%). Todos también estaban en la lista de las 10 prioridades principales de los
implementadores actuales de Aprendizaje automático para el próximo año.

Uno de los encuestados, un ejecutivo de alto nivel de una empresa de construcción

mediana de Norteamérica, dijo que su empresa prevé utilizar el Aprendizaje
automático para fines de inventario y ventas. Otro participante, un vicepresidente
de planificación de operaciones y ventas en una empresa de productos de
consumo de EE. UU., dijo que su compañía está aplicando el Aprendizaje
automático a las actividades de planificación de la oferta/demanda,
así como en el procesamiento de pedidos.

Ese último encuestado señaló que muchas empresas utilizan los sistemas
tradicionales de Planificación de requisitos de materiales (MRP) y Planificación

26%
de recursos empresariales (ERP) para automatizar estos procesos, y añadió:
“Al parecer, siempre estamos refinando nuestros informes para identificar los
elementos más críticos a resolver. La falta de las configuraciones adecuadas de
de los que están datos maestros y otros desajustes plagan al proceso, y el mejor resultado proviene
planificando de los seres humanos que verifican y vuelven a verificar, y realizan un seguimiento
de los elementos más importantes a lo largo del proceso”. El trabajo es muy
implementar el
manual, apoyándose sobre los planificadores que analizan los correos electrónicos
Aprendizaje automático con miles de líneas para descifrar cuáles elementos quedan sin resolver para evitar
reportan que los el agotamiento de las existencias y las interrupciones del suministro.
defensores probablemente
provienen del nivel Con una aplicación de Aprendizaje automático, el encuestado continuó, ese
ejecutivo trabajo puede ser realizado por el sistema, y los planificadores podrían reaccionar

7
“Esta es la causa por la cual los líderes
empresariales se mantienen despiertos por
la noche: cómo recolectar y dar sentido a
sus datos para obtener una ventaja
competitiva”.
–Fausto Ibarra, director de gestión global de productos para Google Cloud Platform.

a los mensajes de excepción enviados desde la aplicación. “Los seres humanos

cometen muchos errores en estos trabajos, y muchos de ellos son causados por
los problemas anteriores que no notaron”, indicó el encuestado. El Aprendizaje
automático “también podría ayudar en la planificación de la demanda al localizar
las interrupciones en las previsiones relativas al historial muy reciente”.

Considerando la rapidez con que las iniciativas de Aprendizaje automático

pueden brindar un retorno de la inversión, es fundamental que los planificadores
mantengan el ímpetu y se esfuercen en reducir el tiempo de implementación.

Beneficios para los implementadores actuales

De todos los beneficios que se esperan del Aprendizaje automático, el aumento de
conocimientos a través de análisis de datos más amplios destaca como la única
característica en la cual los implementadores actuales de Aprendizaje automático
estaban más interesados en conseguir (50%) o con la certeza de haberla
conseguido (45%). “Esa es la oportunidad más viable para todos: tomar los datos
no estructurados (imágenes, correos electrónicos, reseñas de productos, llamadas
al servicio de atención al cliente) y hacer que tengan sentido”, dice Poutonnet.

En otros casos, los beneficios esperados del Aprendizaje automático no

correspondieron necesariamente con lo que los encuestados realmente
obtuvieron con sus estrategias de Aprendizaje automático. Los implementadores
de Aprendizaje automático estaban menos seguros de haber mejorado sus
capacidades en investigación y desarrollo, incluyendo los conocimientos sobre la
creación de productos de próxima generación (el 44% esperaba este beneficio,
mientras que el 35% informó que lo ha logrado); el aumento de su velocidad de
análisis de datos (45% esperado, y 35% logrado), o aumento de la eficiencia de
los procesos internos (39% esperado, y 30% logrado). Esto podría representar
una progresión natural de la curva del Aprendizaje automático, a medida que las
empresas necesiten utilizar las técnicas de Aprendizaje automático para las cuales
pueden que no cuenten con dichas habilidades en su personal.

Beneficios para los planificadores de

Aprendizaje automático
Las expectativas sobre los beneficios del Aprendizaje automático eran similares,
en la mayoría de los casos, entre los implementadores de Aprendizaje automático,
y los encuestados que todavía estaban en las etapas de planificación con su
estrategia de Aprendizaje automático: análisis de datos más amplios y mayor
8
 número de conocimientos (45%); análisis de datos más rápido y conocimientos
más rápidos (37%); fortalecimiento de la capacidad de investigación y desarrollo,
incluyendo los conocimientos para crear productos de próxima generación (39%);
y aumento de la eficiencia de los procesos internos (44%). Sin embargo, los
beneficios esperados por los planificadores de Aprendizaje automático difieren
de los implementadores actuales de Aprendizaje automático en un aspecto: Los
implementadores creen firmemente que también obtendrán una mejor comprensión
de los comportamientos, necesidades y deseos de los clientes actuales y
potenciales, con 50% de los planificadores de Aprendizaje automático que indican
esta expectativa, en comparación con sólo el 35% de los implementadores actuales
de Aprendizaje automático.

Otra nota importante: tanto los implementadores actuales como los planificadores
de Aprendizaje automático están de acuerdo en que una de las ventajas clave del
Aprendizaje automático es la capacidad de obtener una ventaja competitiva, con el 41% del
grupo anterior y el 45% del último grupo que expresan esta creencia. En general, el 27% de
los implementadores actuales de Aprendizaje automático sentía que había alcanzado
ese objetivo. “Esta es la causa por la cual los líderes empresariales se mantienen
despiertos por la noche: cómo recolectar y dar sentido a sus datos para obtener una
ventaja competitiva”, dice Ibarra. “El Aprendizaje automático está permitiendo a las
empresas obtener el valor sin explotar en sus datos”.

Presupuestos para el Aprendizaje automático

Los resultados del estudio sugieren que el Aprendizaje automático requerirá
recursos considerables, y los implementadores actuales de Aprendizaje automático
revelaron su compromiso de destinar el presupuesto a una estrategia continua
de Aprendizaje automático. Mientras que cerca de un tercio de los encuestados
(32%) dijo que el 10% o menos del presupuesto de TI estaba destinado para los
esfuerzos de Aprendizaje automático, un poco menos (26%) informó que más
del 15% del presupuesto de TI estaba dedicado a las iniciativas de Aprendizaje
automático. Un 13% adicional dijo que había asignado de 10% al 15% del
presupuesto de TI para Aprendizaje automático.

Poutonnet recomienda que una gran parte de los presupuestos se asigne a la

adquisición de talento especializado en Aprendizaje automático: “El potencial en el
Aprendizaje automático es enorme y los científicos de datos tienen el poder
para desbloquearlo”.

P20: ¿Qué función/departamento/rol tendrá la responsabilidad principal para sus iniciativas

de Aprendizaje automático?*
Otro
15%
Nivel ejecutivo
22%

Liderazgo/análi-
sis de datos

Equipo dedicado de
13%
Aprendizaje automático
19%
Liderazgo de TI
Científico de datos 15%
16% *Planificadores de Aprendizaje automático, todos
los porcentajes se han redondeado

9
Liderar la carga del Aprendizaje automático
Con el costo y las complejidades del Aprendizaje automático, estas iniciativas
requieren un defensor que pueda comunicar la visión de lo que el Aprendizaje
automático puede lograr y lo que se necesita en términos de recursos, habilidades
y tecnologías para implementarlo con éxito.

No es de extrañar, entonces, que los encuestados informaron que los ejecutivos

de alto nivel (21%) o un científico de datos (25%) eran más frecuentemente
el defensor del Aprendizaje automático entre los implementadores actuales.
En menos casos, un líder de TI (14%) o el equipo de análisis de datos (14%)
desempeñaron ese papel, o se le asignó a un equipo multidisciplinar
(12%). Muy pocas organizaciones participantes entre los implementadores actuales
de Aprendizaje automático, solo un 6%, había conformado un equipo dedicado de
Aprendizaje automático para asumir esta responsabilidad.

Para los planificadores de Aprendizaje automático, los defensores del Aprendizaje

automático eran aún más probable que provinieran del nivel ejecutivo (22%), y
más de estos encuestados también habían conformado un equipo dedicado de
Aprendizaje automático entre este grupo (19%). Los científicos de datos suelen no
desempeñar esta función (16%), y los líderes de TI (15%) y de análisis de datos
(13%) permanecieron con menos probabilidades de ser el defensor del
Aprendizaje automático.

Enfoque hacia el futuro

Es claro que los adaptadores tempranos del Aprendizaje automático han obtenido,
o lo harán en el futuro, una ventaja competitiva en el mercado y se mueven
rápidamente por delante de sus pares que están quedando rezagados. Incluso
para aquellos que todavía no han determinado dónde pertenece el Aprendizaje
automático en sus empresas y cómo aplicarlo, es esencial considerar
esta tecnología.

En la mayoría de los casos, todavía nos encontramos en los primeros días del
Aprendizaje automático, y quedan muchas preguntas sin respuesta. No obstante,
los primeros implementadores dejan claro que la importancia del negocio y la
capacidad de competir dependerán cada vez más de trabajar con máquinas para
interpretar y aprender de los datos.

Acerca de MIT Technology Review Custom

Desarrollada en más de 115 años de excelencia en periodismo sobre tecnología, MIT Technol-
ogy Review Custom es parte de la empresa global de medios de comunicación MIT Technology
Review que crea y distribuye contenido personalizado. Nuestras soluciones integrales incluyen todo
desde la redacción, edición y diseño para múltiples opciones de apoyo promocional. Al trabajar en
estrecha colaboración con los clientes, nuestro personal editorial experto desarrolla una variedad de
contenido relevante de alta calidad, y se lo proporciona a los usuarios cuándo y dónde lo deseen,
en medios digitales, impresos, en línea y en experiencias presenciales. Todo se realiza de manera
personalizada para satisfacer las metas de marketing del contenido de los clientes, y los posiciona
como líderes de pensamiento alineados con la autoridad sobre la tecnología relevante.
Copyright © 2017, MIT Technology Review. Todos los derechos reservados.

www.technologyreview.com/media

10