La adopción de la IA generativa, un momento decisivo para los CIO

No pasa un día sin que aparezca en los medios de comunicación alguna novedad sobre la IA generativa que rompa los esquemas empresariales. Y, de hecho, una reciente investigación de McKinsey sostiene que el futuro podría ser realmente sorprendente, un escenario en el que la IA generativa será un motor de mejora de la productividad en la atención al cliente (hasta en un 40%), en la ingeniería de software (entre un 20% y un 30%) y en el marketing (10%).

No obstante, conviene recordar que ya hemos visto antes esta película en la que las empresas se lanzan a las nuevas tecnologías con un aluvión de experimentos y proyectos piloto prematuros. Los CIO y los CTO tienen un papel crucial a la hora de evitar las dificultades en el campo de la IA generativa y pueden aportar una visión tecnológica pragmática a la hora de determinar cuándo y dónde esta tecnología puede generar más valor y dónde no es la mejor opción.

Para ello es necesario desarrollar casos de uso basados en un profundo conocimiento de la economía unitaria de la IA generativa, los recursos necesarios para obtener esos beneficios y la viabilidad de ejecutar el trabajo teniendo en cuenta las capacidades existentes. Dado que la IA se considera cada vez más un acelerador y disruptor de los negocios, esta compleja ecuación es un reto que los CIO deben resolver adecuadamente.

Arquetipos de IA generativa: adoptadores, modeladores y creadores

Una cuestión clave a la que se enfrentan los CIO a la hora de determinar cuál es la mejor estrategia para la IA generativa en su empresa es si alquilar, comprar o crear capacidades de esta tecnología para sus diversos casos de uso. La regla básica es invertir en la creación de una capacidad única de IA generativa sólo cuando exista una ventaja de propiedad. Nos ha resultado útil pensar en tres arquetipos:

- Los adoptadores utilizan una interfaz de chat o una API para acceder rápidamente a un servicio básico a través de un modelo disponible públicamente. Algunos ejemplos son GitHub Copilot, una solución estándar para generar código, o Adobe Firefly, que ayuda a los diseñadores a generar y editar imágenes. Este arquetipo es el más sencillo, tanto en términos de ingeniería como de necesidades de infraestructura, y suele ser el más rápido de poner en marcha. No permite la integración de datos propietarios y ofrece el menor número de protecciones de la privacidad y la propiedad intelectual. Aunque los cambios en la pila tecnológica son mínimos cuando simplemente se accede a los servicios de IA generativa, los CIO tendrán que estar preparados para gestionar ajustes sustanciales en la arquitectura tecnológica y para actualizar la arquitectura de datos.

- Los llamados shapers quieren desarrollar capacidades propias y tienen mayores necesidades de seguridad o cumplimiento. En los casos de uso de los 'modeladores', los CIO necesitan integrar los modelos de IA genérica existentes con los datos y sistemas internos para que funcionen juntos sin problemas y generen resultados personalizados. Un ejemplo es un modelo que respalda las operaciones de venta conectando las herramientas de IA generativa con los sistemas CRM y financieros para incorporar el historial de ventas y compromisos previos de los clientes.

Hay dos enfoques comunes para este arquetipo. Uno es "llevar el modelo a los datos", es decir, alojar el modelo en la infraestructura de la organización, ya sea en las instalaciones o en la nube. La otra es "llevar los datos al modelo", es decir, cuando una organización coloca una copia del gran modelo en la infraestructura de la nube a través de hiperescaladores. En cualquiera de los dos casos, los CIO necesitan desarrollar canales para conectar los modelos de IA genérica a las fuentes de datos internas. Entrenar un modelo con datos internos hace que las predicciones del modelo sean mucho mejores y más específicas para las necesidades de la empresa. Las empresas necesitarán almacenar mucha más información de interacción, como conversaciones con agentes de atención al cliente, y utilizar continuamente enormes cantidades de datos para que los sistemas de IA gen sean eficaces.

- Los creadores construyen un modelo base desde cero. Esto es caro y complejo, ya que requiere grandes volúmenes de datos, experiencia interna en IA y potencia de cálculo. La inversión inicial para construir el modelo y formar a los empleados es considerable, desde cinco millones de dólares, y puede ascender a cientos de millones, dependiendo de factores como la infraestructura de formación, los parámetros del modelo y la elección de la arquitectura del modelo. Debido a su coste y complejidad, éste será el arquetipo menos común.

Acertar con la estrategia

Experimentar con casos de uso de IA generativa es relativamente fácil, pero ampliarlos de forma que aporten valor es mucho más complicado. Sin la organización interna adecuada, incluso los programas de IA generativa más prometedores podrían quedarse cortos. Es necesario rediseñar los procesos y flujos de trabajo empresariales y reciclar a los usuarios para que aprovechen las capacidades de esta tecnología. Actualizar la arquitectura tecnológica de la empresa para integrar y gestionar los modelos de IA generativa también es clave para orquestar su funcionamiento con los modelos, aplicaciones y fuentes de datos de IA y aprendizaje automático (ML) existentes.

El primer paso del CIO debería ser centralizar las capacidades de IA generativa para coordinar acciones, acumular experiencia y asignar capacidades a iniciativas prioritarias. El objetivo de este equipo, que incluye ingenieros de datos, ingenieros de MLOps y expertos legales y en riesgos, es colaborar en la creación de IA generativa para los primeros casos de uso.

Hay que centrar la atención en conectar los modelos de IA generativa con los sistemas internos, las aplicaciones empresariales y las herramientas. Sólo haciendo el trabajo estructural a nivel del stack tecnológico una empresa puede pasar del desarrollo de unos pocos casos de uso aislados a la industrialización para capturar un valor sustancial. El principio es gestionar y desplegar la IA generativa como un servicio de plataforma fundacional que esté listo para ser utilizado por los equipos de productos y aplicaciones.

En el mejor de los casos, todo lo anterior estaría listo cuando una organización comienza su viaje hacia la IA generativa. En ausencia de estas condiciones ideales, los CIO deberían empezar a desarrollar una plataforma para un conjunto de casos de uso prioritarios, adaptándola y ampliándola a medida que aprenden.

Se dice que la IA generativa que tiene el potencial de transformar los negocios tal y como los conocemos. Pero 'potencial' no es 'certeza', ni siquiera 'probabilidad'. Los CIO y los CTO están en primera línea para garantizar que las organizaciones ejecutan con una intención y un enfoque estratégicos, y no se quedan atrapadas en un interminable y costoso purgatorio piloto.