5 obstáculos para conseguir valor de la IA y cómo superarlos

0
6

No existen muchas dudas respecto al vasto potencial que la IA tiene para las empresas en todo el mundo. Pero las fallas en la estrategia, las deficiencias en los enfoques para el cambio de proceso, la falta de experiencia y la falta general de comprensión técnica impiden que muchas empresas obtengan valor de la inteligencia artificial.

Entre el 90% de las compañías que han invertido en inteligencia artificial, menos de dos de cada cinco afirman que han conseguido ganancias de negocio, de acuerdo con Winning with AI: Pioneers combine strategy, organizational behavior and technology, una encuesta a 2.500 ejecutivos de negocio 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), que apuntan a simular el pensamiento humano.

Y aunque la implementación de la IA presenta obstáculos técnicos, como ha reportado CIO.com, los expertos de BCG y Gartner describen cinco dificultades para implementar la IA en la industria, junto con las soluciones para el éxito.

1 – Cuando TI está a cargo de la inteligencia artificial se desaprovechan oportunidades
Muchas empresas dejan que TI guíe el desarrollo y la implementación de la IA, tratándola de la misma manera que lo haría con la implementación de sistemas ERP, afirma Shervin Khodabandeh, socio de BCG, que codirige la práctica de GAMMA AI de la firma. Este es un significativo paso en falso porque las soluciones generales de la IA no ayudarán al negocio, afirma Khodabandeh.

Por ejemplo, cuando el área de TI de un cliente de BCG gastó 85 millones de dólares en un stack de ML de primera línea y una arquitectura moderna, la inversión arrojó solo mejoras marginales en páginas web y aplicaciones, afirma Khodabandeh.

En cambio, las organizaciones deberían alinear sus iniciativas de IA con la estrategia comercial. Esto significa que las estrategias de inteligencia artificial deben ser dirigidas por el CEO o la unidad de negocio destinada a beneficiarse de la tecnología, en lugar de TI. Hacerlo ayudará a identificar dónde la inteligencia artificial puede aumentar la ventaja competitiva, y garantizar que se realicen cambios adecuados en los procesos para alinear la producción de IA con el consumo de IA. El 88% de los encuestados que reportó algún impacto sobre el negocio por parte de la IA integra sus iniciativas de IA con su estrategia digital, según BCG y MIT.

2 – La ‘trampa tecnológica’
Cuando la IA es liderada por TI tiende a tener una perspectiva tecnológica muy estrecha y el resultado es una solución del tipo «caja negra”, que proporciona poca visibilidad sobre cómo el sistema infiere sus recomendaciones. Como consecuencia, el negocio evita la solución porque no entiende «lo que puede hacer por mí”. Según el informe MIT-BCG, las empresas en donde el CIO está a cargo de la IA, han conseguido valor en el 17% de los casos frente al 34% de las compañías que donde el CEO es el responsable de la IA.

Las empresas que afirman haber logrado un aumento en el valor de la IA reconocen que esta no es solo una oportunidad tecnológica, sino una iniciativa estratégica que requiere inversiones en el talento, los datos y el cambio de procesos en IA. Se debe implementar una visión integral de la estrategia de IA, en lugar de una visión que solo busque explorar lo que la tecnología puede hacer.

3 – El síndrome de la prueba de concepto
Ya ha visto esta película antes: TI se entretiene con llamativos objetos tecnológicos y construye pruebas de concepto (PoC, por sus siglas en inglés) que no logran ganar terreno y generar valor para el negocio. Además, las organizaciones que están experimentando una transformación en el negocio tienen un ancho de banda limitado para tal experimentación.

«Esta idea de desarrollar cierta capacidad de IA en una PoC y ver si funciona, lo que llamamos el ‘síndrome de la prueba de concepto’, es una pérdida de tiempo”, afirma Khodabandeh. «Muy a menudo, el negocio afirma haberlo intentado, pero nunca creció”. Nuevamente, vincular la tecnología con un resultado para el negocio se convierte en un gran fracaso.

En cambio, reduzca la experimentación a favor de los motores que harán avanzar su proyecto. Las empresas exitosas se centran en un puñado de prioridades comerciales críticas donde la IA ayuda a impulsar el crecimiento, aumentar los márgenes y crear una ventaja competitiva. Estos esfuerzos se unifican con los esfuerzos de transformación del negocio. «Si tienen éxito, estas ideas mueven la aguja de manera significativa y la organización se moviliza en torno a ellas”, afirma Khodabandeh.

4 – Las brechas de talento y conocimiento obstaculizan la adopción de la IA
Las pruebas de concepto a menudo no logran ganar terreno debido a una brecha en el talento. Esto puede significar una escasez de talento tecnológico que pueda trabajar y comprender el valor de la IA o que los gerentes de producto de IA no pueden comunicar un valor de producto único, afirma 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, la línea de negocio puede tener un científico de datos interno que crea soluciones de inteligencia artificial con el apoyo de TI. A veces, ni la línea ni TI tienen un equipo de científicos de datos, por lo que recurren a proveedores de soluciones de inteligencia artificial. En estos casos, la línea generalmente plantea 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 para el negocio. En otras compañías, TI impulsa el proyecto de inteligencia artificial, conectando a la línea de negocio para unirse a una prueba de concepto.

Independientemente del camino que tomen las empresas, Tsai afirma que corresponde a los científicos de TI, de la línea de negocio y de datos alcanzar una expectativa acordada antes de construir la prueba de concepto. Esto significa concurrencia en la ontología y taxonomía de los datos que están extrayendo; cómo interpretar la entrada; y qué esperar para el producto del modelo de aprendizaje automático. Y para hacerlo, las organizaciones deben invertir en talento contratando, mejorando y volviendo a capacitar tanto a los productores de IA como a sus consumidores.

5 – Fallas en los cambios de procesos
Algunas compañías tienden a ignorar el cambio de proceso requerido al implementar la inteligencia artificial. Por ejemplo, cuando las empresas usan inteligencia artificial para automatizar la recopilación de datos del consumidor para campañas promocionales, pueden estar usurpando algunas de las funciones de Marketing. Ese equipo puede ser reutilizado para enfocarse en crear nuevas experiencias de consumo. Pero no todas las empresas preparan a sus equipos para tal disrupción.

En última instancia, las «compañías que obtienen valor de la inteligencia artificial ven [el cambio de proceso] como un pilar central de su estrategia de negocio e integran estrechamente su estrategia de inteligencia artificial en su estrategia general de negocios”, afirma Khodabandeh.

El cambio en los procesos implica alinear la producción de la inteligencia artificial con el consumo y requiere una fuerte colaboración entre los equipos de negocios, procesos, estrategia, ciencia de datos y tecnología con el fin de crear la inteligencia artificial adecuada para el propósito, afirma Khodabandeh. La creación de un Centro de Excelencia de equipos interfuncionales inmersos en el control de dichos procesos ayuda.

«La inteligencia artificial es una oportunidad estratégica importante y un riesgo estratégico importante si las empresas no actúan con cuidado, afirma Khodabandeh. «Las empresas tienen que integrar seriamente la inteligencia artificial en su estrategia de negocios central y en sus procesos de negocios centrales”.

Clint Boulton, CIO.com