¿Cuándo puede el aprendizaje profundo ser una herramienta inadecuada para una empresa?

Depende del objetivo del negocio. Si el objetivo en cuestión es simplemente mejorar una tarea de clasificación con métricas bien definidas (por ejemplo, una mejor clasificación para aumentar las tasas de clics, un modelo de lenguaje neuronal para mejorar el análisis de sentimientos de los tweets) y la empresa tiene suficientes puntos de datos históricos para aprender, entonces usar DL está muy probablemente justificado. Los modelos DL prosperan en entornos ricos en datos donde la complejidad de las características para aprender es potencialmente ilimitada, y esta complejidad es auxiliar para el objetivo comercial. Si, por otro lado, responder al “por qué” es la parte más importante de un objetivo comercial (por ejemplo, un análisis causal de la pérdida de clientes), entonces los modelos DL supervisados ​​vanilla no son adecuados y en su lugar uno debería optar por modelos generativos más interpretables.