Despliegue de la IA
En el pasado, con la IA tradicional, podría haber llevado un año o dos de experimentación antes de que un modelo de IA estuviera listo para su uso, pero los proyectos de IA generativa avanzan rápidamente.
“Los modelos básicos disponibles hoy en día permiten a las empresas pensar rápidamente en casos de uso”, afirma Menon. “Ahora estamos en una etapa en la que podemos pensar en un experimento y luego pasar a la producción rápidamente”. Sugiere a las empresas que se abstengan de realizar todos los proyectos de IA a la vez, que establezcan un mecanismo de costes y objetivos claros para cada proyecto, que empiecen poco a poco, que escalen con prudencia y que inviertan continuamente en la mejora de las cualificaciones. “La mejora de las cualificaciones es un coste, pero le ayudará a ahorrar en otros costes”, afirma.
Matthew Mettenheimer, director asociado de S-RM Intelligence and Risk Consulting, afirma que a menudo observa una proliferación de IA dentro de las empresas. “Un CIO o un consejo de administración quiere implantar la IA en toda la empresa y, antes de que se den cuenta, ya hay bastantes gastos y casos de uso”, explica.
Por ejemplo, S-RM trabajó recientemente con un gran fabricante de productos de consumo que decidió impulsar la habilitación de la IA a través de su negocio sin construir primero una estructura de gobierno. “Y cada departamento se lanzó a las carreras y comenzó a tratar de implementar IA generativa”, dice. “Tenías contratos superpuestos con diferentes herramientas para diferentes partes de la organización, lo que realmente comenzó a inflar su gasto. Su departamento de marketing utilizaba una herramienta, su equipo de TI utilizaba otra. Incluso dentro del mismo departamento, distintos equipos utilizaban herramientas diferentes”.
Como resultado, la empresa pagaba por servicios similares una y otra vez, y cada grupo tenía sus propios contratos, sin la eficacia de hacer las cosas a escala. Y la gente se suscribía a productos de IA generativa que no sabían cómo utilizar.
“Había muchas buenas intenciones e ideas a medias”, afirma. Como resultado, se produjo un aumento masivo del gasto en TI, afirma. Las empresas tienen que empezar por comprender en qué ámbitos puede influir realmente la IA generativa. Luego, las empresas deben construir sus proyectos paso a paso, de forma sostenible, en lugar de salir a comprar todo lo que puedan. Algunas áreas de especial preocupación, en las que las empresas podrían querer abstenerse de gastar, son los casos de uso que podrían implicar culpabilidad para la organización.
“Si usted es un proveedor de seguros, el uso de la IA para determinar si una reclamación se pagará o no puede acarrearle un poco de responsabilidad si el mecanismo de IA no se utiliza o calibra correctamente”, dice Mettenheimer. En su lugar, priorice los casos de uso en los que los trabajadores puedan liberarse para realizar tareas más complejas.
“Si alguien pasa cinco horas a la semana actualizando la misma hoja de cálculo y se puede reducir ese tiempo a cero horas semanales, se libera a esa persona para que sea más productiva”, añade. Pero si se tarda tanto tiempo en comprobar el trabajo de la IA como el que ahorra, el trabajo no será realmente más eficaz.
“La IA generativa es una herramienta realmente potente e increíble, pero no es mágica”, afirma. “Existe la idea errónea de que la IA podrá hacerlo todo sin necesidad de procesos manuales ni validación, pero aún no hemos llegado a ese punto”.
También recomienda no hacer proyectos de IA donde ya existen soluciones perfectamente buenas. “Conozco algunos casos en los que la gente quiere usar IA para sentir que obtienen una ventaja competitiva y poder decir que están usando IA para su producto”, dice. “Así que colocan IA encima, pero no obtienen ningún beneficio más allá de decir que están usando IA”.
Los altos ejecutivos están ansiosos por ponerse en marcha con la IA generativa, dice Megan Amdahl, vicepresidenta sénior de alianzas y operaciones de socios en Insight. “Pero sin un destino firme en mente, pueden perder mucho tiempo en ciclos que no logran los resultados que esperan”, afirma. Por ejemplo, los clientes suelen buscar pequeños casos de uso que mejoran la eficiencia de un pequeño número de personas. Puede parecer un gran proyecto, pero si no hay forma de ampliarlo, es fácil acabar con un mar de soluciones puntuales, ninguna de las cuales produce un impacto empresarial real.
“En Insight, estábamos seleccionando a qué equipo dirigirnos para mejorar la respuesta del servicio de asistencia”, explica. Uno de los casos más interesantes era el de un equipo de 50 personas que comprobaba el estado de los pedidos de los clientes. Pero no sólo se trataba de un equipo pequeño, sino que el personal estaba ubicado en lugares de bajo coste. Mejorar su eficiencia con IA generativa tendría cierto impacto, pero no significativo. Otro equipo creaba listas de materiales para los clientes, y era mucho mayor. “Nos centramos en un equipo de 850 personas para que tuviera un impacto más amplio”, explica.
Además de seleccionar proyectos con el mayor impacto posible, también recomienda buscar aquellos que tengan un alcance más reducido, en lo que a requisitos de datos se refiere. Tomemos, por ejemplo, un asistente de ayuda de IA generativa. “No busques todos los tipos de preguntas que la empresa pueda recibir”, dice. “Redúcelas y controla las respuestas que recibe. Así también se reduce la cantidad de datos que necesitas sacar”.
La organización de los datos es un reto importante para las empresas que implantan la IA, además de costoso. Los datos deben estar limpios y en un formato estructurado para reducir la imprecisión. Amdhal recomienda que las empresas que quieran decidir qué proyectos de IA generativa realizar primero se centren en la generación de ingresos, la reducción de costes y la mejora de la afinidad con su marca.
