Para Nirmal, los sistemas de Inteligencia Artificial han de cumplir cinco principios básicos para ser útiles y fluidos. Así, han de poder gestionarse, ser resilientes, presentar un buen rendimiento, ser medibles y poder aprender de manera continua.

Para que un sistema de Inteligencia Artificial pueda gestionarse, y que pueda realizar un trabajo duradero, necesita contar con una infraestructura meditada, duradera y transparente. Por eso, es básico que para desarrollarlo se identifiquen los canales de transmisión de datos y se eliminen los errores producidos por la pérdida de datos o por información corrompida. También es necesario integrar herramientas de administración de datos y sistemas de control de versiones para modelos.

Un sistema de Inteligencia Artificial es resiliente, cuando está desarrollado para realizar el equivalente en ciencia de datos a las pruebas de regresión cada poco tiempo. Esto es útil para corregir los fallos de sincronización de los modelos de Inteligencia Artificial, que pueden aparecer con más o menos rapidez. De esta manera, el sistema, que permite a sus creadores y a personal encargado de su optimización y mantenimiento establecer umbrales de precisión y alertas automáticas. Con esto podrás saber si hay que prestar atención a un modelo y optimizarlo, y cuándo hacerlo.

En cuanto a la necesidad de que los sistemas de Inteligencia Artificial cuenten con buen rendimiento, es vital para que puedan gestionar la enorme cantidad de transacciones que deberán realizar. La mayoría de las operaciones que hay que desarrollar requieren una potencia de computación muy intensa, y la mayoría han de realizarse en milisegundos. Por más que se ejecuten en ordenadores de gran potencia y con una buena cantidad de memoria RAM, los modelos de Inteligencia Artificial han de desarrollarse pensando en que deben ser ágiles y fiables, independientemente de si se ejecutan en equipos físicos, en una nube o en varias.

Por otra parte, los sistemas de Inteligencia Artificial deben ofrecer sistemas para medir y cuantificar su rendimiento, de cara a poder presentar resultados a los encargados de proporcionar financiación para que sigan en funcionamiento, además de seguir desarrollándolos y mejorándolos. Y han de ser capaces de aprender continuamente, ya que los datos no son siempre los mismos. Tampoco lo son los entornos en los que se utilizan, por lo que deben estar adaptándose de forma continua.