“El valor de la Inteligencia Artificial como herramienta empresarial”

Aestas alturas creo que pocas son las personas que dudan que la Inteligencia Artificial (IA) es una de las tecnologías que realmente revolucionará, o mejor dicho, está ya revolucionando, nuestra forma de vivir y trabajar.

Es evidente que aquellas organizaciones que adopten la Inteligencia Artificial de manera exitosa serán capaces de adquirir una ventaja competitiva

Es evidente que aquellas organizaciones que adopten la Inteligencia Artificial de manera exitosa serán capaces de adquirir una ventaja competitiva, motivo por el cual podemos ver cómo prácticamente todas están analizando y experimentando en mayor o menor medida con el uso de la IA en sus procesos de negocio.

IA Generativa

A pesar del reciente “hype” que existe en torno a la IA, principalmente como consecuencia de la explosión de la IA Generativa, es importante recordar que llevamos años desplegando soluciones basadas en IA con buenos resultados y con impacto en el negocio de las empresas o el servicio que las entidades públicas prestan a los ciudadanos.

La IA Generativa está eclipsando la existencia previa de soluciones basadas en IA tradicional, que ya de por sí generaban muy buenos resultados. Además de la fuerte competición que existe entre los gigantes tecnológicos por liderar este mercado, uno de los aspectos que hacen especialmente interesante la IA Generativa es que ha acercado la tecnología al usuario final.

La gran diferencia que proporciona esta variante es que su consumo es intuitivo, permitiendo usar los algoritmos con lenguaje natural, sin necesidad de que el usuario necesite conocer los detalles sobre la solución técnica que subyace.

Gracias a este acercamiento del usuario final o “usuario de negocio” a la IA, es normal ver proyectos liderados por usuarios de negocio basados en IA Generativa.

Gracias a este acercamiento del usuario final o “usuario de negocio” a la IA, es normal ver proyectos liderados por usuarios de negocio basados en IA Generativa. En el pasado los proyectos de IA parecían excesivamente complejos desde un punto de vista tecnológico, y sólo al alcance de perfiles concretos como Científicos de Datos, que en más de una ocasión estaban demasiado centrados en el algoritmo y alejados de la visión de negocio. Esto hacía que los proyectos fueran percibidos más del ámbito tecnológico que de negocio, con la consecuente pérdida de valor.

Cómo evolucionar de una fase de experimentación a una adopción masiva de soluciones IA

Seguramente, la clave del éxito esté en cómo evolucionar de una fase de experimentación inicial (fase en la que muchas de las organizaciones están hoy en día), a una fase de adopción masiva en la que se obtengan los beneficios esperados y, por supuesto, se mitiguen los riesgos derivados de una incorrecta adopción que debemos tener presentes.

En mi opinión, existen tres aspectos fundamentales a la hora de evolucionar de una fase de experimentación a una adopción a escala e industrializada:

1. Diseñar una hoja de ruta de casos de uso alineado con las prioridades estratégicas de la organización.
2. Disponer de datos de calidad y accesibles, que reflejen fielmente la realidad de los procesos de negocio.
3. Definir un conjunto de métricas que nos permitan evaluar los resultados obtenidos y hacer un seguimiento continuo de esas métricas para mejorar los procesos de negocio.

Hoja de ruta de casos de uso alineado con las prioridades estratégicas de la organización

Muchas organizaciones están trabajando con IA experimentando a partir de Casos de Uso, entendidos como iniciativas de negocio financiadas, apoyadas por una variedad de tecnologías que buscan un resultado medible.

Esta primera fase de experimentación a través de casos de uso es necesaria, pero está lejos de ser suficiente. Rápidamente se pueden ver algunos de los retos a los que tenemos que responder si queremos conseguir una adopción generalizada a gran escala.

Existe un riesgo de que estos casos de uso estén desacoplados y poco relacionados con la estrategia de la organización, por lo que una adecuada cualificación inicial en términos de complejidad (viabilidad) y valor (impacto en negocio), su coste y una adecuada priorización son claves para el éxito de las iniciativas.

una adecuada cualificación inicial en términos de complejidad (viabilidad) y valor (impacto en negocio), su coste y una adecuada priorización son claves para el éxito de las iniciativas.

Esta línea de trabajo es poco escalable, y se observa la necesidad de “productizar” soluciones con elementos repetibles para acelerar una adopción masiva y a escala de manera eficiente.

Por lo tanto, es fundamental definir una hoja de ruta de adopción de IA con una visión a medio-largo plazo que permita organizar los casos de uso, dando preferencia a aquellos que están alineados con las prioridades estratégicas de la organización.

Sin datos no hay paraíso de la IA

El dato es el pilar fundamental sobre el que se debe articular cualquier solución de IA. Sin datos, no hay un caso de uso de aplicabilidad de Inteligencia Artificial, por lo tanto necesitamos garantizar cantidad, calidad y accesibilidad de los mismos.

Lamentablemente, no son pocas las organizaciones que todavía tienen mucho trabajo que hacer en este ámbito, incluso a pesar de que algunas de ellas lo han intentado en el pasado.

las organizaciones deben resolver los desafíos de la gestión y gobierno de los datos

Para lograr los resultados esperados, las organizaciones deben resolver los desafíos de la gestión y gobierno de los datos, asegurándose que estén disponibles para los usuarios de negocio en el momento adecuado, que sean confiables en términos de calidad y estén alineados con las definiciones funcionales.

Métricas de evaluación

Por último, cabe destacar la necesidad de disponer de un conjunto de métricas que nos permitan evaluar los beneficios obtenidos.

Para ser capaces de mantener las inversiones necesarias a largo plazo, es fundamental que las organizaciones identifiquen métricas para cada caso de uso, definiendo así la línea base de referencia (a modo Benchmark) y recopilen los datos en tiempo real para cuantificar y evaluar los beneficios.

es fundamental que las organizaciones identifiquen métricas para cada caso de uso, definiendo así la línea base de referencia (a modo Benchmark) y recopilen los datos en tiempo real para cuantificar y evaluar los beneficios.

Como conclusión, y tal y como ya vimos durante la mesa redonda destinada a este tema en el XXXI Congreso AUTELSI, la IA es sin lugar a duda una tecnología que, correctamente desplegada, nos debe ayudar a mejorar y evolucionar la eficiencia y el desempeño de nuestras organizaciones.

Este proceso de despliegue ya es una realidad y está ocurriendo de manera muy activa, y no debemos olvidar que entre todos debemos garantizar un uso ético y responsable de la IA.