Diseño de una estrategia de adopción de Machine Learning en la Fuerza Aérea Colombiana (FAC).

• Validar la alineación entre las metas y estrategias de la organización relacionados con la adopción de tecnologías de Machine Learning.
• Identificar los Stakeholders claves para el proceso de adopción.
• Definir un modelo de adopción de tecnologías de Machine Learning ajustado a las características de la FAC, el cuál puede ser utilizado en otros tipos de tecnologías.
• Sugerir herramientas y artefactos que le permitan a la FAC realizar el seguimiento de la adopción de las tecnologías.
• Definir un proceso para adopción de tecnologías de Machine Learning en la FAC.
• Definir los cambios organizacionales y tecnológicos necesarios para la implementación de Machine Learning.
• Definir un modelo y metodologías de trabajo que se ajuste al desarrollo y adopción de soluciones tecnológicas basadas en Machine Learning.
• Definir una hoja de ruta con las acciones que deben ser realizadas por la FAC para implementar el modelo de adopción.

• Se realizó un análisis de las estrategias de la organización con el fin de verificar las metas y estrategias definidas para la adopción de tecnologías centradas en datos, se encontraron brechas para el alcance de las metas propuestas por la institución y plantearon una serie de estrategias para cerrar las brechas encontradas.
• Se construyó un modelo de adopción basado en las metodologías TOE (Technology Organization Environment) y TAM (Technology Acceptance Model), consolidadas en la industria hace más de 30 años, permitiendo a la institución saber dónde enfocar sus esfuerzos para que las tecnologías de Machine Learning sean adoptadas de una manera más efectiva y alineadas con sus objetivos estratégicos.
• Se desarrolló un proceso de adopción de proyectos de Machine Learning que se adapta a la dinámica de funcionamiento de la Fuerza Aérea, teniendo en cuenta las áreas involucradas, proceso de contratación, ejecución del proyecto, pruebas, capacitación, puesta en producción y ajuste del modelo en el tiempo para que estas soluciones cumplan el objetivo para el cual fueron pensadas.
• Se definió un modelo operativo que tiene en cuenta la forma de trabajo y el personal existente en la FAC para que la integración del equipo de Machine Learning se pueda dar de manera efectiva con diferentes áreas de la fuerza involucradas en estos proyectos, adicional a esto se entregaron recomendaciones con las características que deben tener los roles de los profesionales que deben estar involucrados en el desarrollo e implementación de soluciones de Machine Learning para que la fuerza conozca en sus procesos de contratación los conocimientos que deben tener estos profesionales.
• Se entrega una hoja de ruta con las acciones que debe realizar la Fuerza Aérea Colombiana, como prerrequisito para desplegar la estrategia de adopción de Machine Learning definida.

• Mejorar la adopción de tecnologías de Machine Learning en la FAC.
• Mejorar la percepción de utilidad y facilidad de uso de tecnologías de Machine Learning en las jefaturas JEAES, JEINA, JETIC y JECSA.
• Aumentar la percepción de beneficios positivos brindados a los usuarios por el uso de tecnologías de Machine Learning.
• Incrementar el número de usuarios impactados por tecnologías de Machine Learning.
• Medir el desempeño del proceso de adopción integrado con los procesos de contratación, ciclo de vida de Machine Learning y operación de TI.
• Incrementar la efectividad del proceso de adopción a partir del aumento de proyectos que cumplan con todos los requerimientos de la organización.

Testimonio del Capitán Saenz Hernandez, Especialista Operacional de Investigación: “Todos nos preocupamos por hacer investigación y desarrollo a través de proyectos pero nadie se dedica a revisar como adoptar las soluciones que creamos … Un proceso como esté nos ofrece la guía para hacerlo”.