Saltar al contenido

Las habilidades técnicas del mañana: Aprendizaje automático

En los últimos años, hubo ideas equivocadas sobre las aptitudes necesarias para que las organizaciones incursionaran en el aprendizaje de la mecánica y la ciencia de los datos, lo que dio lugar a una frenética lucha por reclutar experiencia a nivel de doctorado sin preguntarse si ese nivel de conocimientos era necesario o incluso deseable. Pero así como la mayoría de las organizaciones no necesitan que sus desarrolladores escriban sistemas de gestión de bases de datos, bibliotecas de criptografía o decodificadores de vídeo (sino más bien programadores que puedan implementar y ampliar las plataformas y funcionalidades existentes), la mayoría de las organizaciones no necesitan su propia batería única de doctores en informática y estadística computacional que puedan escribir algoritmos de aprendizaje automático.

Lo que es mucho más importante es el desarrollo de la capacidad interdisciplinaria para saber cuándo y cómo utilizar los algoritmos, tratando la habilidad técnica en plataformas y marcos de aprendizaje de máquinas como un acelerador para la perspicacia comercial existente y el conocimiento específico del dominio. Así pues, en lugar de acumular estos conocimientos y experiencia sólo en torno a funciones explícitas de “científico de datos”, vemos un movimiento hacia la democratización de la propia ciencia de los datos, una mayor aceptación de las habilidades y capacidades de aprendizaje de las máquinas.

Las habilidades técnicas del mañana: Aprendizaje automático
Las habilidades técnicas del mañana: Aprendizaje automático

Por ejemplo, en los dos últimos decenios, se ha hecho común que los usuarios de negocios, en diversas funciones, utilicen herramientas como Excel o PowerPoint para construir y presentar gráficos y cuadros de datos históricos. Es tan común que ahora se considera una “habilidad comercial general”, en lugar de una capacidad especializada limitada a los analistas. Pero sigue siendo raro que el usuario empresarial medio presente datos predictivos y con visión de futuro, el tipo de análisis que puede proporcionar el aprendizaje automático. Ese es el siguiente paso. Llegaremos a una nueva frontera en la democratización de las habilidades de aprendizaje automático una vez que el uso de los datos predictivos sea tan accesible y común como lo es el uso de los datos históricos en este momento.