¿Crees que la Inteligencia Artificial es compleja? Si es así, tienes razón (y no eres el único que lo piensa). Para muchos directivos y líderes empresariales, 2020 va a ser el año del reality check o lo que es lo mismo, del choque de realidad en lo que se refiere a la IA. Con suerte (y algo de ayuda), también podrá ser el año en el que se sienten las bases consolidar un futuro impulsado por la IA de manera realista.
El tercer informe anual de PwC sobre predicciones en IA, elaborado a partir de entrevistas con directivos de compañías de Estados Unidos, trae algunas claves que nos pueden ayudar a entender por dónde irán las cosas en materia de IA en los próximos doce meses. De momento, nos deja un dato sorprendente: sólo el 4% de los encuestados planean implementar la IA en toda su empresa a lo largo de 2020. Hace un año, casi el 20% esperaba hacer lo mismo.
¿Qué ha pasado? Con las respuestas en la mano, y a partir de nuestra experiencia asesorando a clientes en el desarrollo de estrategias de IA, analytics, o automatización, creemos que la razón principal de este repliegue es la siguiente: antes de lanzarse a la piscina, es necesario repasar los aspectos básicos de esta tecnología. Las empresas no apartan la vista del regalo que trae la IA: hacerse con los casi 16 billones de dólares de ingresos que la IA generará a lo largo de la próxima década. Y, de hecho, el 90% de los encuestados está convencido de que esta tecnología ofrece más oportunidades que riesgos, y casi la mitad espera que cambie por completo el mercado y los sectores en los que operan. Pero, para dar pasos en la dirección correcta, hace falta tener claras las prioridades. A continuación, resumimos las cinco que recoge el informe.
En 2020, gran parte del entusiasmo por la IA vendrá de resultados que pueden parecer algo pedestres o poco atractivos, como la mejora de la productividad en los procesos internos. Un 44% de los encuestados dijeron que esperaban «operar más eficientemente» gracias a la IA y un 42% «aumentar” la productividad». Automatizar tareas rutinarias en funciones administrativas, como por ejemplo, la gestión de los impuestos y de las finanzas, es un tema relevante. Las empresas pueden, por ejemplo, utilizar la IA para extraer información de formularios fiscales, facturas y otros documentos que normalmente requieren largas y tediosas horas de trabajo humano. Y todo esto supone un ahorro importante.
Pero la IA puede hacer mucho más. Hay una nueva generación de asistentes de voz empresariales que podría cambiar la forma en que las personas trabajan: navegando por una infinidad de sistemas para obtener rápidamente la información necesaria, animando a los empleados a completar tareas y aprendiendo y mejorando continuamente.
La gestión del riesgo, el fraude y la ciberseguridad, el apoyo a la toma de decisiones y la recopilación de inteligencia prospectiva (elegidas como las mejores capacidades de Inteligencia Artificial por los 38%, 31% y 30% de los encuestados, respectivamente) son ejemplos excelentes de cómo la Inteligencia Artificial puede simplificar procesos. Este tipo de prácticas, que van desde chatbots, hasta motores de recomendación y métodos de modelado avanzados para procesos comerciales y para una mejor toma de decisiones, se va a generalizar. ¿Quieres saber cómo? Haz clic aquí.
El upskilling ha entrado con fuerza como el nuevo mantra corporativo. Y es que a menos que lideres una startup basada cien por cien en sistemas de Inteligencia Artificial (e incluso entonces), tus empleados necesitan formarse para esta nueva era empresarial. Sin embargo, el viejo tipo de capacitación, basado en dar oportunidades de aprendizaje centradas en una tecnología aislada, no es suficiente para preparar a tus profesionales para la IA a gran escala.
El verdadero upskilling requiere más que ofrecer cursos. Como reconocieron los directivos participantes en nuestra encuesta, también hay que dar oportunidades e incentivos para que las personas apliquen lo aprendido, de modo que el conocimiento se convierta, cuanto antes, en habilidades que mejoren el rendimiento.
Otro aspecto crítico de la formación en IA es que tenga en cuenta la necesidad de dotar a los empleados de capacidades cruzadas. Por ejemplo, es importante que los especialistas en un área (como data analytics) reciban nociones, aunque sean básicas, de otra (como el área financiera) para que puedan hablar el mismo idioma pero, sobre todo, para detectar cuáles son los problemas que queremos resolver. Esto es crítico para abordar los problemas o retos que surjan de la implementación de la IA, y sobre todo, para decidir qué problemas puede resolver esta.
A pesar de que abundan los titulares que hablan del lado oscuro de la IA, los líderes empresariales parecen no inmutarse: el 85% de estos encuestados, que trabajan con esta tecnología- dijeron que sus compañías estaban tomando las medidas suficientes para protegerse de sus riesgos. Estas respuestas dejan entrever que se están subestimando los verdaderos desafíos y el nivel de esfuerzo necesario para capitalizar la IA de forma responsable.
Solo un tercio de los encuestados ha abordado los riesgos relacionados con la gestión de datos o los modelos de IA. Teniendo en cuenta la creciente preocupación pública por cuestiones como el sesgo en los algoritmos, las herramientas de reconocimiento facial, o los deepfakes que puede impulsar esta tecnología, este dato se queda corto.
La IA no saca todo su potencial cuando trabaja aislada de otras tecnologías, o cuando se encuentra en un silo en una función o en una línea de negocio. La IA necesita datos de calidad y de distintas fuentes. A medida que los obtiene, gana poder.
En segundo lugar, algunos de los usos más valiosos de la IA se producen cuando funciona 24 horas al día, los siete días de la semana, como parte de sistemas operativos más amplios, como el marketing o las finanzas. Por lo tanto, los que están aplicándola con mayor acierto son los que operan con ella a través de distintas funciones y unidades de negocio, y los que la integran con iniciativas de automatización más amplias, de análisis de datos o de ambos.
Atendiendo a este enfoque, no sorprende que los tres principales desafíos relacionados con los datos de IA tengan que ver con distintos tipos de integración: integración de datos de toda la organización (45%), integración de sistemas de inteligencia artificial y analítica (45%) e integración IA con IoT y otros sistemas tecnológicos (43%). Para resolver estos y otros desafíos a medida que haces que la IA sea operativa, es fundamental darse cuenta de que el desarrollo de esta tecnología es muy diferente del software y requiere una mentalidad, un enfoque y unas herramientas diferentes. Mientras que el desarrollo de software se basa en reglas de codificación, el desarrollo del modelo de IA requiere un enfoque de ‘prueba y aprendizaje’, en el que los algoritmos están aprendiendo continuamente y los datos van refinándose.
Los principales retos de la IA que citan nuestros encuestados no se refieren a la tecnología propiamente dicha, sino que están relacionadas con el negocio y los empleados: les preocupa cómo medir su ROI, conseguir que se apruebe un presupuesto y formar a los empleados. De hecho, estos retos revelan por qué algunas empresas podrían estar reduciendo las ambiciones de toda la compañía en 2020.
Medir los beneficios de la IA puede ser difícil, porque esta brinda valor indirectamente, al ayudar a los empleados y a otras tecnologías a funcionar mejor. En muchas ocasiones actúa mejor como una de varias partes móviles de un paquete integrado. Por ejemplo, su aplicación junto con inteligencia artificial puede (¡y debería!) ayudar a tomar mejores decisiones, aumentar el compromiso de los empleados al liberarlos de tareas tediosas y acelerar el análisis de su sistema IoT. Pero las métricas tradicionales pueden no ser capaces de identificar y cuantificar esos valores.
Es por ello que es esencial tratar la IA no como una solución única y aislada, sino como parte de una estrategia comercial o de una automatización más amplia. Dependiendo del problema comercial en cuestión, los análisis o las formas más simples de automatización, como la automatización de procesos robóticos (RPA), podrían ser la mejor solución. O puede haber mayores esfuerzos estratégicos en los que la inteligencia artificial es una gran adición, particularmente en la búsqueda de cómo preparar la fuerza laboral de su empresa para enfrentar los retos del futuro.
Armando Martínez-Polo - Socio responsable de Consultoría Tecnológica
La certificación tipo es un procedimiento reconoc...
La gestión de riesgos es hoy crítica para la fij...
Si piensas en productos de consumo, es probable qu...
