¿La ciencia de los datos es sustituida por la IA?

Steve Urkel de la mundialmente famosa comedia ABC Asuntos de la familia no era un Data Scientist porque, en los años 90, no los llamábamos así. Pero el adolescente nerd Urkel es sin duda el arquetipo del Data Scientist. En uno de los episodios, Urkel construyó un robot cuya inteligencia se duplicaba cada dos minutos. Esto suena genial, pero fue una idea terrible. En poco tiempo, Urkelbot derrocó a su amo y lo encerró en el sótano...

McKinsey estima que entre el 64 y el 69% del tiempo total dedicado a la recopilación y procesamiento de datos se puede automatizar. A medida que avanza la tecnología, muchos están cuestionando si A.I. tiene el potencial de trabajar más rápido y más barato que los profesionales de datos pronto.

Hay dos tipos principales de profesionales de los datos:

Ingenieros de datos extraer y ensamblar datos de diferentes fuentes, transformarlos, limpiarlos y luego cargarlos en un repositorio en un formato estandarizado.
Científicos de datos tomar datos de ese repositorio para diseñar, construir y probar modelos avanzados basados en algoritmos de aprendizaje automático.

El aprendizaje automático es por definición parte de A.I. Además, A. Puedo automatizar muchas tareas que los científicos de datos y los ingenieros de datos realizan. Para empezar, A.I. se puede aplicar a las siguientes funciones típicamente realizadas por los Ingenieros de Datos:

Además, A.I. También puede automatizar parte del trabajo de los Científicos de Datos de las siguientes maneras:

Detectar las características de predicción pertinentes y representarlas
Generar cientos de miles de variaciones de modelos (para diferentes segmentos y mercados)
Construyendo modelos básicos a través de interfaces intuitivas
Detección de la obsolescencia de los modelos

La combinación de A.I. con la resolución de problemas humanos ha empoderado, en lugar de amenazar, los trabajos de los científicos de datos.

A.I. puede ayudar a Data Scientists a generar cientos o miles de variaciones de modelos con diferentes características de predicción y crear simulaciones iterativas para elegir finalmente la mejor variación. Las mejores iteraciones involucran a ambos A.I. y los científicos de datos. Un proceso de decisión dinámico y multifacético obtenido a través de la automatización superará cualquier algoritmo único, sin importar cuán avanzado sea, probando automáticamente, iterando y monitoreando la calidad de los datos, incorporando nuevos puntos de datos a medida que estén disponibles, y haciendo posible responder sabiamente a los eventos en tiempo real.

Además, A.I. puede ayudar a los Ingenieros de Datos a preparar datos brutos, limpiarlos y verificar si son correctos. Esto no es algo que A.I. puede manejar por completo todavía. Todavía se requiere juicio humano para convertir los datos crudos en percepciones que tengan sentido para una organización compleja. A.I. todavía no puede entender realmente lo que significan los datos específicos para una organización, su negocio y el contexto de la industria. A.I. puede ayudar a automatizar los pasos de menor nivel en la preparación y visualización de datos, dejando a los científicos de datos para caminar a los responsables de la toma de decisiones a través de lo que significan las percepciones.

Las tareas de nivel inferior, que los Ingenieros de Datos suelen realizar, serán primero impactadas por A.I. Por ejemplo, en los años 80, a medida que avanzaban los lenguajes de programación informática, la demanda de programadores de nivel inferior sí disminuyó. Sin embargo, la demanda de desarrolladores en general aumentó a medida que las empresas se adaptaban a estas nuevas lenguas. La misma evolución está ocurriendo en el análisis, con A.I. automatizando tareas de nivel inferior. Esto lleva a la transición de tareas más complejas y de resolución de problemas a humanos. Como resultado, la combinación de A.I. con la resolución de problemas humanos ha empoderado, en lugar de amenazar, los trabajos de los científicos de datos.

Pero los científicos e ingenieros de datos necesitan adaptarse. Como A.I. automatiza el procesamiento de datos de nivel inferior, Data Engineers tendrá que migrar hacia la ciencia de datos. Incluso entre los científicos de datos, sólo los más jóvenes han sido entrenados en los enfoques de aprendizaje profundo más avanzados. A medida que avance la tecnología, las habilidades de Data Scientifics serán inútiles en 12 a 18 meses. Los profesionales de los datos tendrán que aprender nueva I.A. herramientas o dejar atrás.

A medida que la tecnología siga evolucionando, el conjunto de habilidades de Data Scientifics se volverá inútil en 12 a 18 meses. Los profesionales de los datos tendrán que aprender nueva I.A. herramientas o dejar atrás.

En lugar de plantear una amenaza a los trabajos de ciencia de datos, A.I. probablemente se convertirán en asistentes conocedores de Data Scientifics, lo que les permitirá ejecutar simulaciones de datos más complejas que nunca. Pronto se necesitarán conocimientos analíticos en muchas funciones más tradicionales. Se espera que esta transición cree una nueva clase de científicos de datos, a saber, Citizen Data Scientists, que colme la brecha entre las funciones empresariales y estrictamente analíticas.

Afortunadamente, nuestro amigo Steve Urkel pudo finalmente derrocar al tiránico Urkelbot, cuya inteligencia se duplicó cada dos minutos, sólo 22 minutos de comedia después de estar encerrado en el sótano. Contrariamente a ser una amenaza para la humanidad, en el momento en que A.I. supera la inteligencia humana, los científicos de datos son propensos a seguir trabajando con A.I. o el desarrollo de A.I. más reciente. sistemas.