¿Qué es un producto mínimo viable en inteligencia artificial?

Uno de los atributos clave de la estrategia Lean startup, popularizada por Steve Blank y Eric Ries, es el desarrollo y mejora de un producto mínimo viable (MVP, por las siglas en inglés de minimum viable product) que capte la atención de los clientes y los inversores sin grandes desembolsos en desarrollo. Definido inicialmente por el tecnólogo Frank Robinson, un MVP puede no cubrir todas las necesidades del cliente, pero ofrece las capacidades suficientes para que los clientes muy interesados puedan empezar a usarlo. Es un paradigma que se ha consolidado en el desarrollo de productos tecnológicos. Pero ¿qué significa el concepto de MVP en el campo de la inteligencia artificial (IA)? Esta es una pregunta que es relevante no solo para las startups, sino también para las empresas grandes. Muchas empresas están desarrollando proyectos piloto de IA en diferentes áreas de su negocio que esperan que demuestren el valor potencial de la IA y, a la larga, sean implementadas como herramientas de producción. Un MVP en una organización grande tiene muchas similitudes con un piloto o una prueba de concepto.

Para cualquier organización que trabaje con IA, pues, es importante entender qué constituye un MVP realizado con éxito. También es igual de importante que una empresa de capital de riesgo que invierte, principalmente, en IA –como Glasswing Ventures, con la que ambos autores colaboramos– entienda los MVP de IA y lo que hace falta para mejorarlos.

Basándonos en varias empresas de la cartera de Glasswing y otras que hemos investigado, afirmaremos que, si bien algunos de los atributos necesarios son válidos para los productos de tecnología de la información en general (que sea útil incluso en sus primeras etapas, que el uso de esos primeros clientes pueda ser monitorizado para guiar la mejora del producto y que se pueda desarrollar de forma relativamente rápida y económica), los productos de IA que se encuentran en etapas tempranas de desarrollo tienen algunos requisitos específicos en términos de lo que los habilita para ser MVP.

 

Los datos y el MVP El aprendizaje automático es una tecnología subyacente común de la IA, y mejora gracias a cantidades ingentes de datos. El aprendizaje supervisado, que es, con diferencia, el tipo más común en las empresas, requiere disponer de datos con resultados etiquetados. Por lo tanto, los datos son, quizá, el recurso más crítico para un producto de IA, y son necesarios incl...