Snorkel AI triplica su valoración impulsada por la demanda de datos de…

La creciente demanda de datos de entrenamiento para inteligencia artificial está impulsando el crecimiento de las empresas emergentes del sector. Snorkel AI, fundada hace siete años, ha cerrado una ronda de financiación de serie E de 350 millones de dólares, con la que ha triplicado su valoración hasta los 3.500 millones de dólares. Esta financiación llega en un momento en que las necesidades de datos cobran cada vez más importancia en las aplicaciones empresariales de inteligencia artificial. Para las empresas, la operación destaca la necesidad de prestar atención no solo a la elección del modelo, sino también a la calidad de los datos de entrenamiento.

Snorkel AI utilizará el nuevo capital para ampliar su enfoque de datos como servicio, conocido como data-as-a-service, y reforzar los conjuntos de datos de entrenamiento para la inteligencia artificial empresarial. El objetivo no es únicamente recopilar más datos, sino también potenciar las fuentes de datos que pueden utilizarse en los procesos de desarrollo de inteligencia artificial. Al evaluar este enfoque, las organizaciones deben considerar conjuntamente qué necesidad cubrirán los datos, cómo se utilizarán y qué relación guardan con los procesos de negocio existentes.

Los datos de entrenamiento constituyen los ejemplos que utiliza un modelo de inteligencia artificial durante su proceso de aprendizaje. Por ello, es importante que sean precisos, coherentes y representativos del ámbito de uso previsto. Los registros incompletos o contradictorios pueden dificultar el aprendizaje del modelo. En lugar de considerar la preparación de datos como una mera tarea técnica de transferencia, abordarla como un proceso de transformación del conocimiento del negocio en una estructura comprensible y evaluable ofrece un punto de partida más sólido.

Para las pymes, la implicación práctica de esta operación es la conveniencia de evaluar el estado de sus datos internos antes de adoptar la inteligencia artificial. Es necesario determinar qué registros están actualizados, cómo se almacena la misma información en distintos sistemas y quién puede acceder a los datos. A continuación, se puede delimitar el alcance de la información que requiere la aplicación prevista. De este modo, la preparación de datos deja de ser una tarea indefinida de organización de archivos y se convierte en un paso preparatorio al servicio de una necesidad concreta del negocio.

No todas las aplicaciones empresariales de inteligencia artificial requieren entrenar un modelo nuevo; por ello, es necesario distinguir entre la necesidad de datos de entrenamiento y la de información corporativa a la que accederá la aplicación. En X Mind Solutions consideramos importante esta distinción en el contexto de los agentes de inteligencia artificial, los flujos de automatización y las integraciones de sistemas. El énfasis en los datos que pone de relieve la inversión en Snorkel AI recuerda a las empresas la necesidad de definir primero el propósito de uso y, después, planificar la preparación de datos adecuada.