Según diversos estudios, los proveedores intentan transmitir la idea de que nos encontramos inmersos en un período de transformación en el ámbito de la Inteligencia Artificial, el cual está alterando profundamente la esencia de nuestros métodos laborales. No obstante, se ha observado que este fenómeno presenta una complejidad mucho mayor de la que se pretende sugerir.
Las empresas muestran un gran interés en la inteligencia artificial generativa debido a los beneficios potenciales que los proveedores promueven. Sin embargo, la transición de este interés de una prueba de concepto a un producto funcional se presenta como un desafío considerable. Este desafío radica en la complejidad técnica que implica la implementación de la inteligencia artificial generativa. Esta complejidad puede deberse a la presencia de deuda técnica en una infraestructura tecnológica más antigua o a la falta de personal con las habilidades necesarias.
Según un estudio reciente realizado por Gartner, se identificaron dos barreras principales para la adopción de soluciones de Inteligencia Artificial. En primer lugar, se encuentra la dificultad para evaluar y evidenciar el valor de estas soluciones, lo cual representa un obstáculo para el 49% de las organizaciones. En segundo lugar, la escasez de talento especializado en IA se posiciona como una limitación significativa, afectando al 42% de las empresas. Estos factores podrían representar desafíos importantes en el proceso de implementación de tecnologías de IA en el ámbito empresarial.
Según un estudio realizado por Lucidworks, una empresa especializada en tecnología de búsqueda empresarial, se encontró que únicamente 1 de cada 4 encuestados afirmó haber logrado la implementación exitosa de un proyecto de inteligencia artificial generativa.
Durante el Simposio de CIOs del MIT Sloan en mayo, Aamer Baig, socio principal de McKinsey and Company, señaló que, según una encuesta reciente realizada por su empresa, únicamente el 10% de las empresas están llevando a cabo proyectos de Inteligencia Artificial generativa a gran escala. Además, indicó que solo el 15% de las empresas encuestadas estaban observando algún impacto positivo en sus beneficios. Estos hallazgos sugieren que la adopción de la IA generativa podría estar en una etapa menos avanzada en comparación con las expectativas que la mayoría de los proveedores dicen acerca de lo que las empresas están experimentando en la actualidad.
Cuál es el fundamento de esta afirmación
Según Baig, la complejidad se identifica como el factor determinante que obstaculiza el progreso de las empresas, inclusive en la ejecución de proyectos aparentemente sencillos que demandan la integración de entre 20 y 30 elementos tecnológicos. En este sentido, el LLM adecuado es considerado únicamente como el punto de partida. Además, es imperativo que las empresas cuenten con medidas de seguridad apropiadas y la gestión adecuada de datos. Asimismo, es probable que los empleados deban adquirir nuevas habilidades, tales como la ingeniería rápida y la implementación de controles de propiedad intelectual, entre otras competencias necesarias.
Según Baig, las tecnologías antiguas pueden obstaculizar el avance de las empresas. En una encuesta realizada, se identificó que uno de los principales desafíos para implementar la inteligencia artificial generativa a gran escala son las múltiples plataformas tecnológicas existentes. Este obstáculo supera en importancia a factores como el uso previsto, la disponibilidad de datos y la ruta hacia la generación de valor.
Según Mike Mason, director de Inteligencia Artificial en la firma consultora Thoughtworks, la preparación de las empresas para la implementación de la IA ocupa una parte significativa de su labor. En este sentido, destaca la importancia de la configuración tecnológica actual de las organizaciones, planteando la cuestión sobre el nivel de deuda técnica y déficit presentes. En sus palabras Mason señaló: «La evaluación de estos aspectos siempre dependerá de la estructura de cada organización, sin embargo, considero que cada vez más las empresas están experimentando las consecuencias de esta situación».
Empezar con buenos datos
Una parte significativa de la falta de preparación se atribuye a la carencia de datos. Según la encuesta de Gartner, el 39% de los participantes manifestaron inquietud por la escasez de datos como uno de los principales obstáculos para lograr una implementación exitosa de la Inteligencia Artificial. Baig señaló que «los datos representan un desafío considerable y abrumador para numerosas organizaciones». Recomienda enfocarse en un conjunto reducido de datos con la perspectiva de poder reutilizarlos.
Una lección fundamental que se ha adquirido es la importancia de centrarse en datos que sean aplicables a diversos casos de uso, los cuales suelen concentrarse en tres o cuatro dominios clave presentes en la mayoría de las organizaciones. Estos datos pueden ser implementados de manera efectiva en los objetivos de mayor prioridad. Según el experto, es crucial abordar los desafíos comerciales con un enfoque en los valores empresariales, asegurando que las soluciones propuestas puedan ser implementadas a gran escala y llevarse a la producción de manera efectiva.
Según Mason, la correcta ejecución de la Inteligencia Artificial está estrechamente ligada a la adecuada preparación de los datos, aunque esta tarea constituye únicamente una parte del proceso. En palabras de Mason, «Las organizaciones se percatan rápidamente de la necesidad de llevar a cabo labores de preparación de datos, desarrollar plataformas, realizar la limpieza de los datos, entre otras actividades similares». Asimismo, señala que no es imprescindible adoptar un enfoque radical de todo o nada, ni tampoco invertir dos años antes de poder obtener beneficios tangibles.
En lo que respecta a los datos, las empresas deben considerar el origen y la autorización para su uso. Akira Bell, CIO en Mathematica, una consultora especializada en la recopilación y análisis de datos para proyectos de investigación, enfatiza la importancia de la precaución al emplear estos datos en inteligencia artificial generativa.
En una entrevista, Bell expresó la importancia de analizar con precaución el impacto de la inteligencia artificial generativa y el ecosistema de datos asociado. Se destacó la necesidad de manejar con cuidado la gran cantidad de datos privados sujetos a estrictos acuerdos de uso, así como de ser conscientes al tratar con poblaciones vulnerables.
En su rol como CIO, llegó a una empresa que considera de manera seria la importancia de ser un administrador de datos confiable. Expresó: “Tengo que estar muy focalizado en eso, tanto desde una perspectiva de ciberseguridad como desde la forma en que tratamos a nuestros clientes y sus datos. Sé lo importante que es la gobernanza”.
En este momento, ella expresa que resulta complicado no experimentar entusiasmo ante las oportunidades que la inteligencia artificial generativa ofrece. Se destaca que dicha tecnología podría ofrecer alternativas considerablemente más efectivas para que su organización y sus clientes puedan comprender los datos que están recolectando. No obstante, también se menciona la importancia de proceder con prudencia para no entorpecer el avance real, lo cual representa un desafío en términos de equilibrio.
Encontrar el valor
Los CIO, al igual que en el surgimiento de la nube hace quince años, muestran cautela de manera natural. Reconocen las posibilidades que ofrece la inteligencia artificial generativa, pero deben atender asuntos fundamentales como la gobernanza y la seguridad. Asimismo, buscan verificar la efectividad de la inversión, lo cual puede resultar complicado de evaluar en el contexto de esta tecnología.
En un artículo publicado en enero acerca de los modelos de fijación de precios de la inteligencia artificial, la Directora de Información (CIO) de Juniper, Sharon Mandell, expresó que se estaba enfrentando a la dificultad de cuantificar el rendimiento de la inversión en inteligencia artificial generativa.
En el año 2024, se llevará a cabo una evaluación del impacto de genAI, ya que si estas herramientas logran generar los beneficios prometidos, el retorno de la inversión sería significativo y podría contribuir a la eliminación de otros recursos. Por consiguiente, la persona mencionada, junto con otros directores de tecnología de la información, están implementando pruebas piloto con prudencia, buscando métodos para evaluar si efectivamente se produce un incremento en la productividad que justifique los costes adicionales.
Según Baig, resulta fundamental contar con una estrategia centralizada para la inteligencia artificial en el ámbito empresarial y evitar lo que él denomina como «múltiples iniciativas skunkworks«, en las cuales equipos reducidos operan de manera independiente en diversos proyectos.
Es imprescindible contar con la estructura organizativa de la empresa para garantizar la correcta coordinación y eficiencia de los equipos de producto y plataforma, así como para asegurar que trabajen al ritmo adecuado. Además, es fundamental contar con el respaldo y la supervisión de la alta dirección.
La presencia de estos elementos no asegura el éxito de una iniciativa de Inteligencia Artificial ni garantiza que las empresas obtengan todas las respuestas de manera inmediata. Según Mason y Baig, es fundamental que los equipos eviten sobrecargarse de tareas y en su lugar se enfoquen en reutilizar estrategias efectivas. Baig destacó que la reutilización contribuye directamente a la rapidez en la implementación, lo cual favorece la satisfacción de las empresas y genera un impacto significativo.
Las empresas que implementen proyectos de inteligencia artificial generativa deben enfrentar desafíos relacionados con la gobernanza, la seguridad y la tecnología. Es importante no verse paralizadas por estos obstáculos, pero tampoco caer en exageraciones, ya que la mayoría de las organizaciones enfrentarán diversos obstáculos en este proceso.
Una estrategia efectiva consistiría en implementar una iniciativa que sea funcional y demuestre su valía, para luego desarrollarla progresivamente. Es importante tener en cuenta que, a pesar de las dificultades exageradas, numerosas compañías también enfrentan desafíos similares.
