Impulsar la alfabetización en IA mediante la democratización de los datos: crear una cultura basada en los datos

La falta de alfabetización en materia de datos es un lastre para las organizaciones. Durante la última década, hemos oído hablar hasta la saciedad de los macrodatos y de la cantidad de datos que recopilan las organizaciones, pero muchos empleados no saben cómo manejarlos ni qué hacer con ellos.

En un informe de 2023 de Data Camp, el 78% de los líderes estadounidenses y el 89% de los líderes del Reino Unido creen que la alfabetización de datos es importante para las "tareas diarias" de su equipo.

Fuente de datos del campamento

La alfabetización de datos es la capacidad de explorar, comprender y comunicarse con los datos de una manera significativa. Si los empleados cuestionan y discuten sobre los datos, son alfabetizados en datos. Si simplemente aceptan los datos tal como se presentan, no lo son. Si sienten curiosidad por los datos y consideran su contexto, son alfabetizados en datos; si los analizan de forma aislada, no lo son. Si comprenden el valor de los datos y pueden equilibrar la experiencia, los datos y el pensamiento crítico en su toma de decisiones, son alfabetizados en datos. Si simplemente se dejan llevar por su instinto, no lo son.

Los líderes encuestados también creen que la toma de decisiones precisa (63 %), la capacidad de innovar (48 %) y la capacidad de crear mejores experiencias para los clientes (41 %) son algunos de los principales valores que aportan los empleados con conocimientos de datos. Estas capacidades son importantes impulsores del éxito y del aumento del valor empresarial.

La falta de habilidades y educación en materia de datos es un factor importante que contribuye a la falta de alfabetización de datos de las organizaciones, pero también lo es la falta de acceso a datos, herramientas y recursos de calidad.

Democratización de datos y alfabetización de datos

La democratización de datos puede ser un factor esencial para mejorar la alfabetización de datos en toda su organización.

La democratización de los datos es una estrategia que reduce los conocimientos técnicos necesarios para acceder a ellos. Con menos barreras técnicas, las personas sin conocimientos técnicos pueden acceder a los datos para ayudar a elevar su coeficiente intelectual. De la misma manera que el acceso a una biblioteca mejora las habilidades de lectura y estimula la curiosidad, el acceso a los datos puede ayudar a los empleados a comprenderlos mejor.

Los datos no democratizados se encuentran encerrados en complejos almacenes de datos técnicos con restricciones de acceso estrictas y amplias. Para obtener acceso a los datos, los ingenieros de datos deben crear canales de datos y navegar por políticas de gobernanza. Con este tipo de barreras, acceder a los datos lleva tiempo y requiere recursos de ingeniería de datos escasos. Los empleados interesados en explorar los datos también deben obtener la autoridad para acceder a ellos. Con estas barreras, la obtención de datos debe ser una tarea bien pensada y deliberada. Acceder y combinar múltiples conjuntos de datos solo para explorar tendencias y validar ideas no justifica los recursos necesarios para acceder a los datos y depurarlos.

Una estrategia de democratización de datos proporciona a los consumidores de datos las herramientas y la autoridad para acceder a los conjuntos de datos adecuados. La democratización de datos también permite un mayor intercambio de datos entre diferentes departamentos y silos de datos. Con un mayor intercambio de datos, los empleados pueden explorar datos con los que quizás no estén tan familiarizados para impulsar una mayor comprensión y despertar la curiosidad. Es posible que los datos de diferentes dominios no se presenten de la misma manera o utilicen la misma terminología o calculen métricas de manera uniforme. La exposición a estas diferencias amplía la alfabetización. También facilita mayores debates interdisciplinarios sobre los datos, cuestionando suposiciones y aumentando el aprendizaje.

Si bien la democratización de los datos puede tener un impacto positivo en la alfabetización de datos, sin una capacitación eficaz, el sistema podría colapsar. Al igual que la democracia como forma de gobierno no funciona bien con un electorado sin educación, la democratización de los datos también requiere educación y capacitación. Los trabajadores alfabetizados en datos deben comprender los conceptos básicos de estadística. Deben comprender los conceptos de promedio, mediana y desviación estándar. Deben entender la diferencia entre correlación y causalidad y señal versus ruido.

Un mayor acceso y capacitación enseñan a los empleados a contar historias con datos. Con la experiencia empresarial combinada con el conocimiento y el acceso a los datos, los empleados pueden utilizar los datos para generar una narrativa que cambie las mentes e impulse el progreso. Aquí es donde se crea un valor comercial significativo, ya que los recursos se pueden invertir de manera más eficaz para impulsar un mayor rendimiento empresarial.

Cambiar la mentalidad de los empleados y brindarles las herramientas para lograr un mayor rendimiento también los hace más felices y tienen más probabilidades de quedarse en su empresa. Una investigación de Tableau descubrió que el 80 % de los empleados tienen más probabilidades de quedarse en una empresa que ofrece programas de capacitación en datos.

Con un mayor acceso, los empleados pueden sentirse inspirados para aprender más, ampliar su base de conocimientos e impulsar aún más la exploración y la comprensión. Este ciclo de retroalimentación conduce al conocimiento, la alfabetización, mejores decisiones, innovación y un mayor valor empresarial.

La alfabetización en datos respalda la alfabetización en IA.

Con la aparición de ChatGPT, la capacidad de la IA generativa se ha generalizado, pero aún queda mucho por hacer para descubrir la mejor manera de implementarla para impulsar la eficiencia y al mismo tiempo gestionar el riesgo. Para alcanzar su máximo potencial, se requiere una mayor alfabetización en IA.

La alfabetización en IA es la expansión de la alfabetización en datos. Al igual que la alfabetización en datos, la alfabetización en IA consiste en tener las habilidades y competencias necesarias para utilizar aplicaciones y tecnologías de IA de manera eficaz. Si bien la alfabetización en IA incluye competencias profesionales adicionales, comienza en el mismo lugar que la alfabetización en datos, con habilidades de pensamiento crítico.

Dado que la IA es una tecnología relativamente nueva, existe una gran confusión sobre cómo funciona y qué es capaz de hacer. La alfabetización en IA requiere una comprensión básica de cómo funciona. Esto puede no incluir las matemáticas y estadísticas sofisticadas que impulsan los algoritmos, pero los trabajadores alfabetizados en datos deben comprender los conceptos detrás de los modelos.

Comprender conceptos como redes neuronales, árboles de decisión y regresión lineal, y conocer las fortalezas y debilidades de cada enfoque para resolver problemas específicos son habilidades importantes que se deben aprender para adquirir más conocimientos. No es necesario que sepas construir un modelo de regresión lineal, pero es importante comprender de qué es capaz y de qué no.

Al igual que la alfabetización en datos, la alfabetización en IA también requiere que los empleados comprendan cómo se recopilan y procesan los datos y cómo esto influye en los resultados. El papel de los datos sintéticos es otro concepto importante que se debe tener en cuenta.

Comprender dónde fallan los modelos de IA también es clave para tener conocimientos de IA. Tener una comprensión clara de cómo identificar sesgos en los modelos para garantizar que se utilicen de manera ética es importante para lograr implementaciones efectivas. Los modelos de IA evolucionan y aprenden constantemente. En algunos casos, los datos nuevos pueden hacer que los modelos se desvíen y el rendimiento se degrade. Los empleados con conocimientos de IA deben comprender este riesgo.

Los empleados que saben manejar datos podrán ver más allá de los casos de uso típicos de la IA e innovar. Los empleados que saben manejar datos pueden aprender a manejar la IA y aprender a escalar el valor que aportan y aumentar su productividad. Una buena dosis de escepticismo en torno a la calidad de los datos es fundamental para garantizar que los modelos de IA no cometan grandes errores ni amplifiquen los sesgos. Los empleados que saben manejar datos pueden comprender la calidad y los matices de los datos utilizados para entrenar modelos de datos e interpretar sus comportamientos y resultados.

Democratización de datos y alfabetización en inteligencia artificial

A medida que la IA se vuelva más común, será muy importante que las personas puedan mantenerla bajo control. Para garantizar que la IA funcione correctamente, cuantos más empleados con conocimientos de datos y de IA tenga en su organización, menor será el riesgo de que la IA cometa grandes errores. Si la mayoría de los empleados comprenden cómo funciona la IA y tienen herramientas de prueba y datos a su disposición e integrados en los flujos de trabajo, esto será un diferenciador competitivo en la era emergente de la IA. Si cada empleado puede probar un modelo cada vez que obtiene un resultado que parece un poco fuera de lugar, se reducirá la posibilidad de que la IA cometa grandes errores.

La forma en que los humanos y las máquinas interactúan con los datos y trabajan juntos tendrá un profundo impacto en el desempeño de las organizaciones competitivas. Cuanto menos barreras y fricciones haya entre las personas y las máquinas, más oportunidades habrá de colaborar en torno a los datos e impulsar un mayor desempeño organizacional.

Si bien la democratización de los datos puede aumentar la productividad de un empleado típico, también puede beneficiar a los científicos de datos con un alto nivel de formación. Los científicos de datos pueden mejorar el rendimiento de sus modelos con conjuntos de datos discretos que pueden estar distribuidos por toda la organización. En muchos casos, cuando los datos no están democratizados, el acceso a los datos en otros silos de datos requiere autorización y habilidades de ingeniería de datos. Sin una estrategia de democratización de datos acompañada de una estrategia de descubrimiento de datos, los científicos de datos pueden ni siquiera saber que existe un conjunto de datos que podría mejorar su modelo. Sin acceso a todos los datos, los científicos de datos pueden recurrir a conjuntos de datos deficientes con errores o sesgos que pueden degradar una estrategia de IA.

Impulsando la inteligencia artificial y la alfabetización de datos

La integración de la democratización, la alfabetización y la capacitación en datos en su cultura generará mejores resultados. El fácil acceso a la capacitación es una forma sencilla de ayudar a impulsar la alfabetización en datos e IA. Si bien requiere un poco más de inversión, implementar una estrategia de democratización de datos para permitir un fácil acceso a los datos permite que los empleados utilicen sus habilidades para contribuir a mejorar el rendimiento empresarial. Para fortalecer su cultura de datos, aliente a los científicos de datos más experimentados a asumir roles de liderazgo para impulsar una mayor alfabetización en toda la organización. Facilitar charlas sobre datos y generar debates y ejercicios de narración de historias de datos puede ayudar a generar confianza en la comprensión de los datos y la IA.