Nos obsesiona acumular datos, pero la IA no funciona bien con ellos.
Hay una creencia bastante extendida sobre la relación entre datos e IA.
Cuanto más datos tenemos, mejor funciona la inteligencia artificial. Más datos, mejores resultados. Más volumen, más precisión. Y, en consecuencia, más valor.
Pero creo que esto no es así.
Cuanto más hablamos de datos (y creerme que le he dado alguna pensada vueltas), creo que a veces los tramaos como si fueran magia potagia, como si acumularlos fuera suficiente para generar inteligencia. Y no lo es. Los datos, por sí solos, no explican nada.
Te hago un avance de mi tesis la clave de la IA funcione bien no está en los datos. Esta en el conocimiento.
La pirámide DIKW: de materia prima a comprensión
Existe un modelo para explicar esto que es la pirámide llamada DIKW (Data, Information, Knowledge, Wisdom) que describe cómo se construye valor a partir de los datos.
En la base están los datos. Son hechos aislados, registros sin contexto: números, textos, eventos. Por sí solos no dicen nada. Son simplemente materia prima.
Cuando esos datos se organizan, se estructuran se convierten en información. Aquí ya empezamos a ver relaciones simples y cierta capacidad de describir lo que está ocurriendo.
El siguiente nivel es el conocimiento. Aparece cuando esa información se interpreta, se conecta con otras piezas y se integra dentro de un marco más amplio. Ya no solo describimos lo que pasa, empezamos a entender por qué pasa y cómo se relaciona con otras cosas.
Y, por último, está la sabiduría, que tiene que ver con la capacidad de aplicar ese conocimiento con criterio, con experiencia y con sentido. Es el nivel donde todo encaja porque hay una comprensión profunda detrás.
Nota mental – La verdad que la definición de sabiduría no me gusta en exceso. Me suena demasiado filosófica y poco práctica. Lo que creo que realmente esta capa es criterio para ver aquello que no dicen los datos. Sería más cerca de conocimiento x intuición. Pero vaya, es mi versión,
Lo relevante de esta pirámide no es solo la definición de cada nivel, sino entender que el dato es la materia prima. Lo que realmente aporta valor es la elaboración: añadir contexto, establecer conexiones, interpretar. Es decir, aplicar criterio.
La IA no necesita más datos, necesita mejor conocimiento
Como os decía, tendemos a pensar que la inteligencia artificial necesita grandes volúmenes de datos para funcionar mejor, pero en la práctica, lo que mejor aprovecha no son datos en bruto, sino conocimiento ya elaborado.
La IA no quiere materia prima. Quiere materia prima trabajada donde por el hecho de esta trabajada has ido aplicando los criterios que tú consideras relevantes. En el conocimiento está aplicado a los datos el contexto, la intención y tus preferencias. . Quiere que alguien haya hecho el esfuerzo previo de estructurar, interpretar y conectar.
Por eso, cuando trabajas bien con IA, el foco está en el conocimiento. El desplazamiento del data al knowledge es uno de los grandes descubrimientos de la últimas semanas.
Ahora la pregunta está en ¿Donde tienes tu conocimiento? ¿Y el conocimiento de tu empresa? Los que tenemos ya algo creado creo que iremos más rápido. En el momento en que todos los modelos ya se igualan, la clave para sacarle provecho estará en tener el conocimiento bien montado. Os dejo una idea de que publiqué en 2015, por si os apetece investigar un poco.
pd. Si eres humano y tienes 3 segundos, dale a like o di hola en los comentarios. Esto ayuda a este escritor indie.
