Llegamos a ustedes gracias a:



Reportajes y análisis

Cinco obstáculos y soluciones para alcanzar el valor de la IA

[27/05/2020] El gran potencial que posee la IA para las empresas de todo el mundo es indudable. Pero estrategias defectuosas, los enfoques deficientes 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 empresas que han invertido en inteligencia artificial, menos de dos de cada cinco afirman que han obtenido ganancias comerciales, de acuerdo con "Winning With AI: Pioneers Combine Strategy, Organizational Behavior and Technology, una encuesta realizada a 2.500 ejecutivos de negocios por MIT Sloan Management Review y Boston Consulting Group (BCG). La IA incluye tecnologías asociadas como el aprendizaje automático (ML, por sus siglas en inglés) y el procesamiento del lenguaje natural (PNL, por sus siglas en inglés), que apuntan a simular el pensamiento humano.

Y, si bien la implementación de IA presenta obstáculos técnicos, los expertos de BCG y Gartner discuten cinco dificultades en la implementación de IA en la empresa, junto con soluciones para el éxito.

1. La IA impulsada por TI resulta en oportunidades perdidas

Muchas empresas permiten que TI guíe el desarrollo y la implementación de la inteligencia artificial, tratándola de la misma manera que lo haría con la implementación de los sistemas ERP, comenta Shervin Khodabandeh, un socio de BCG que codirige la práctica de inteligencia artificial GAMMA de la empresa. Este es un error significativo, porque las soluciones generales de IA no ayudarán al negocio, señala Khodabandeh.

Por ejemplo, cuando el departamento de TI de un cliente de BCG gastó 85 millones de dólares en una ML stack y una arquitectura moderna de la mejor calidad, la inversión solo produjo mejoras marginales en sitios 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 IA 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 puede la inteligencia artificial aumentar la ventaja competitiva, y garantizar que se realicen los cambios de proceso correctos para alinear la producción de IA con el consumo de IA. Ochenta y ocho por ciento de los encuestados que informaron sobre el impacto empresarial de la IA integran sus iniciativas de IA con su estrategia digital, según BCG y MIT.

2. La "trampa tecnológica

La IA dirigida por TI tiende a tener una lente de tecnología estrecha y la IA resultante es una solución de "caja negra, que proporciona poca visibilidad sobre cómo el sistema deriva sus recomendaciones. Como resultado, el negocio evita la solución porque no entiende "lo que puede hacer por mí. Según el informe de MIT-BCG, las empresas con CIOs a cargo de la IA han visto valor en un 17% de los casos frente al 34% en las compañías que sitúan la IA directamente bajo el CEO.

Las empresas que informan un aumento de valor de la IA reconocen que ésta no es solo una oportunidad tecnológica, sino una iniciativa estratégica que requiere inversiones en el talento de la IA, los datos y el cambio de procesos. Adopte una visión holística de la estrategia de IA, en lugar de una que solo busque explorar lo que la tecnología puede hacer.

3. El síndrome de la PoC

TI se adormece con objetos tecnológicos brillantes y construye pruebas de concepto (PoCs, por sus siglas en inglés) que no logran generar valor comercial. Además, las organizaciones que atraviesan una transformación empresarial tienen un ancho de banda limitado para tal experimentación.

"Esta idea de desarrollar cierta capacidad de IA en un PoC y ver si funciona -lo que llamamos 'síndrome de la PoC'- es una pérdida de tiempo, asegura Khodabandeh. Este intento de vincular la tecnología con un resultado comercial es un gran fracaso.

En cambio, reduzca la experimentación a favor de las acciones que realmente impulsarán el éxito. Las empresas exitosas se centran en un puñado de prioridades comerciales críticas donde la IA ayuda a impulsar el crecimiento, aumenta los márgenes y crea una ventaja competitiva. Estos esfuerzos se unifican con los esfuerzos de transformación empresarial. "Si tienen éxito, estas ideas impulsan el proyecto de manera significativa y la organización se moviliza en torno a ellas, señala Khodabandeh.

4. Las carencias de talento y conocimientos obstaculizan la adopción de IA

A menudo, las PoC no logran aportar valor debido a una falta de talento. Esto puede significar una escasez de talento tecnológico que pueda trabajar y comprender el valor de la IA, o de gerentes de producto de IA que no pueden comunicar un valor de producto único, señala la analista de Gartner Tracy Tsai. Muchas 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, LoB (línea de negocio) puede tener un científico de datos interno que crea soluciones de inteligencia artificial con el apoyo de TI. A veces, ni LoB ni TI cuentan con un equipo de científicos de datos, por lo que recurren a los proveedores de soluciones de IA. En estos casos, LoB 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 comercial. En otras compañías, TI impulsa el proyecto de IA y se conecta con LoB para unirse a un PoC.

Independientemente del camino que las empresas toman, Tsai dice que les corresponde a 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. Y para hacerlo, las organizaciones deben invertir en talento contratando, capacitando y volviendo a capacitar tanto a los productores de IA como a sus consumidores.

5. Falla del cambio de proceso

Algunas empresas tienden a ignorar el cambio de proceso requerido al implementar la IA. Por ejemplo, cuando las empresas usan IA para automatizar la recopilación de datos del consumidor para campañas promocionales, pueden estar usurpando algunas de las funciones del marketing. Ese equipo puede ser readaptado para enfocarse en crear nuevas experiencias de consumo. Pero no todas las empresas preparan a sus equipos para tal interrupción.

En última instancia, las "compañías que obtienen valor de la IA ven [el cambio de proceso] como un pilar central de su estrategia comercial e integran estrechamente su estrategia de IA dentro de su estrategia comercial general, comenta Kodabandeh.

El cambio de proceso implica alinear la producción de IA con el consumo y requiere una estrecha colaboración entre los equipos de negocios, procesos, estrategia, ciencia de datos y tecnología para crear IA adecuada para el propósito, asegura 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 gran riesgo estratégico si las empresas no actúan con cuidado, señala Khodabandeh. "Las empresas realmente tienen que integrar la IA en su estrategia comercial central y sus procesos de negocios.