Cinco obstáculos y soluciones para el éxito de la inteligencia artificial

Hay poca duda entorno al enorme potencial que la IA tiene para los negocios en todo el mundo. Sin embargo, una estrategia defectuosa, unos enfoques deficientes para el cambio de los procesos, la falta de conocimientos especializados y una falta general de comprensión técnica impiden que muchas empresas obtengan ganancias de la inteligencia artificial.

Entre el 90% de las empresas que han invertido en la IA, menos de dos de cada cinco dicen haber obtenido algún beneficio empresarial, según "Ganar con la IA: los pioneros combinan la estrategia, el comportamiento organizativo y la tecnología", una encuesta de 2.500 ejecutivos de negocios realizada por el MIT Sloan Management Review y el Boston Consulting Group (BCG). La IA incluye tecnologías asociadas como el aprendizaje automático (ML) y el procesamiento del lenguaje natural (PNL), ambas dirigidas a imitar el pensamiento humano.

Y mientras que la implementación de la IA presenta obstáculos técnicos, los expertos de BCG y Gartner discuten cinco escollos para desplegar la IA en la empresa, junto con soluciones para el éxito de la misma.

1. La IA liderada por TI lleva a una oportunidad perdida

Muchas empresas dejan que el área de la tecnología de la información dirija el desarrollo y el despliegue de la IA, tratándolo de la misma manera que lo harían con el despliegue de los sistemas ERP, dice Shervin Khodabandeh, un socio de BCG que codirige la práctica de IA de la empresa GAMMA. Este es un paso en falso significativo porque las soluciones generales de IA no ayudarán al negocio, dice Khodabandeh.

Entonces, las organizaciones deberían alinear sus iniciativas de IA con la estrategia empresarial. Esto significa que las estrategias de IA deben ser dirigidas por el CEO o la unidad de negocio que se pretende beneficiar de la tecnología, en lugar de por TI. De esta manera, se ayudará a identificar dónde la IA puede aumentar la ventaja competitiva y asegurar que se produzcan los cambios adecuados en los procesos para alinear la producción de la IA con el consumo de la misma. El 88% de los encuestados que informaron sobre el impacto de la IA en los negocios integran sus iniciativas de IA con su estrategia digital.

2. La "trampa tecnológica"

La IA dirigida por la TI tiende a tener una lente tecnológica estrecha y la IA resultante es una solución de "caja negra", que proporciona poca visibilidad sobre cómo el sistema deriva sus recomendaciones. Como resultado, la empresa rechaza la solución porque no entiende "lo que puede hacer por mí". Las empresas con un CIO a cargo de la IA han visto valor en el 17% de los casos contra el 34% de las empresas que alojan la IA directamente bajo el CEO, según el informe del MIT-BCG.

Las empresas que reportan una ganancia de valor por la IA reconocen que la IA no es sólo una oportunidad tecnológica, sino una iniciativa estratégica que requiere inversión en talento, datos y cambio de procesos de IA. Adoptan una visión holística de la estrategia de la IA, en lugar de buscar sólo explorar lo que la tecnología puede hacer.

3. El síndrome de la PoC

La informática se adormece en objetos de tecnología brillante y construye pruebas de concepto (PoC) que no generar valor comercial. Además, las organizaciones que se transforman en negocios tienen un ancho de banda limitado para tal experimentación. "Esta idea de construir alguna capacidad de IA en una PoC y ver si funciona –lo que llamamos 'síndrome PoC'– es una pérdida de tiempo", dice Khodabandeh.

Es mejor cortar la experimentación e ir a favor de los "needle-movers". Las empresas exitosas se centran en un puñado de profesionales de negocios críticos donde la IA ayuda a impulsar el crecimiento, aumenta los márgenes y crea una ventaja competitiva. Estos esfuerzos se unen a los esfuerzos de transformación de los negocios. "Si tienen éxito, estas ideas mueven la aguja de manera significativa y la organización se moviliza en torno a ellas", dice Khodabandeh.

4. Las carencias de talento y conocimientos

Las PoC a menudo no aportan valor debido a la falta de talento. Puede significar una escasez de talento tecnológico que pueda trabajar y entender el valor de la IA o de gerentes de producto de IA que no pueden comunicar el valor de un producto único, dice la analista de Gartner Tracy Tsai. A veces ni siquiera los científicos de datos pueden modelar cómo la IA reforzará el negocio.

Los caminos para adquirir herramientas de IA varían. En algunos casos, línea de negocio (LoB) tiene un científico de datos interno que construye soluciones de IA con el apoyo de TI. Otras veces ni LoB ni TI tienen un equipo de científicos de datos, por lo que recurren a proveedores de soluciones de IA. En estos casos, LoB suele plantear su solicitud pero tiene dificultades para articular sus necesidades, por lo que se apoya en TI para elegir los socios de la solución y desarrollar casos de uso empresarial. En otras empresas, TI impulsa el proyecto de IA, haciendo un bucle en LoB para unirse a una PoC.

Independientemente del camino que tomen las empresas, Tsai dice que es responsabilidad de TI, LoB y los científicos de datos alcanzar una expectativa acordada antes de construir la PoC. Esto significa concurrencia en la ontología y taxonomía de los datos que están extrayendo; cómo interpretar la entrada y qué esperar para la salida del modelo de ML. Para ello, las organizaciones deben invertir en talento contratando, capacitando y volviendo a capacitar tanto a los productores de IA como a sus consumidores.

5. Fallo del cambio de proceso

Algunas empresas tienden a ignorar el cambio de proceso necesario al implementar la IA. Por ejemplo, cuando las empresas utilizan la IA para automatizar la recopilación de datos de los consumidores para las campañas de promoción, pueden estar usurpando parte de la función de la comercialización. Ese equipo puede tener el propósito de centrarse en la creación de nuevas experiencias de consumo. Pero no todas las empresas preparan a sus equipos para tal interrupción.

En última instancia, las "empresas que obtienen valor de la IA ven –el proceso de cambio– como un pilar fundamental de su estrategia empresarial e integran estrechamente su estrategia de IA en su estrategia comercial general", dice Kodabandeh.

El cambio de proceso implica alinear la producción de la IA con el consumo y requiere una fuerte colaboración entre los equipos empresariales, de procesos, de estrategia, de ciencia de los datos y de tecnología para crear una IA adecuada a los propósitos, dice Khodabandeh.

"La IA es una oportunidad estratégica importante, pero también riesgo estratégico si las empresas no actúan con cuidado", dice Khodabandeh. "Las empresas tienen que integrar seriamente la IA en su estrategia y procesos de negocios".