Menos de 1 año después de la declaración de pandemia por la OMS, la vacunación contra el COVID-19 ya está salvando vidas y nos permitirá volver a una vida más social. Aunque la batalla no ha terminado todavía, este inmenso logro nos deja lecciones valiosas para otros desarrollos tecnológicos en inteligencia artificial (IA), de las cuales destacaría 5:

  1. Involucrar a los grupos de interés desde el primer día para un mejor diseño

Un proyecto tan complejo como el desarrollo y la distribución de una nueva vacuna requiere la participación y adopción de varios grupos de interés:

  • Usuarios clave (médicos y enfermeras)
  • Desarrolladores (científicos de laboratorios o universidades)
  • Expertos de soporte (logística, comunicación)
  • Sponsors (gobiernos)
  • Beneficiarios (todos nosotros)

Cada grupo debe participar desde el inicio para incorporar necesidades, conocimientos y capacidades, así como desarrollar confianza y motivación. Imagine un instante lo que puede ocurrir sin involucrar a enfermeras en diseñar el protocolo de inoculación, un grupo de beneficiarios en las pruebas o expertos en comunicación.

💡Lección para IA: incorporar desde el primer día de proyecto a usuarios clave, data scientists, analytics translator, sponsors y eventuales otros perfiles según particularidades del proyecto.

2. Explorar diversas opciones y ser listos para pivotar en todo momento

La flexibilidad para adaptarse rápidamente a las circunstancias reduce el riesgo. Lo que Charles Darwin descubrió en el siglo 19 sigue más vigente que nunca. Las diversas tecnologías de vacunas en desarrollo y disponibles (RNA, DNA, Recombinant Proteine, entre otros) incrementan nuestras posibilidades de vencer esta pandemia en constante evolución.

💡Lección para IA: un buen modelo predictivo se identifica comparando opciones desarrolladas sobre data real; a cada caso y cada momento le puede corresponder un modelo distinto.

3. Experimentar rigorosamente para validar

El entendimiento total de cualquier sistema complejo es ilusorio. Ningún decisor, sea ejecutivo de laboratorio o ministro de salud, puede entender perfectamente cómo reacciona un cuerpo humano a una vacuna. Por ello, es fundamental testear con rigor estadístico cualquier vacuna, por más urgente que sea su difusión.

💡Lección para IA: más importante que entender el funcionamiento interno de un modelo analítico complejo (de machine learning por ejemplo) es testear rigurosamente: en ‘laboratorio’ primero con separación estricta entre data de entrenamiento y de testeo, luego en campo aplicando A/B testing cuando es posible.

4. Comunicar efectivamente para lograr confianza

Las nuevas tecnologías suelen generar miedos y falsas teorías. En 2020, 33% de los franceses perciben las vacunas como no seguras, a pesar de sus inmensos e innegables logros para la humanidad…

Una comunicación basada en el entendimiento de los grupos de interés es indispensable para lograr el entendimiento y la confianza necesarias para el cambio.

💡Lección para IA: la comunicación entre data scientists y usuarios debe ser parte de las capacidades de cualquier equipo de proyecto; una solución efectiva es incorporar a un analytics translator en el equipo multifuncional.

5. Monitorear permanentemente para identificar a tiempo cualquier necesidad de cambio

La supervisión no termina con las primeras vacunaciones exitosas. Mutaciones del virus, efectos secundarios, problemas logísticos u otros pueden requerir una intervención inmediata para sostener el impacto. ¡El mundo da vuelta!

💡Lección para IA: un modelo analítico exitoso hoy no necesariamente lo será mañana, particularmente si es predictivo. Un mundo cambiante significa distribuciones de data cambiantes y predicciones que pueden alejarse de la realidad si el modelo no es adaptado a tiempo gracias a un monitoreo periódico.

La ciencia ha permitido avances extraordinarios para la humanidad, ¡apoyémosla! Para eso trabajemos en equipo, con agilidad y rigor, para un mundo mejor.

Share This