Adopción de IA en las empresas: ¿cuáles son los retos y cómo superarlos?
Desde sistemas heredados hasta asegurar la inversión, existen retos que deben superarse en una etapa temprana del proceso de adopción de IA.
El ingreso manual de datos, detección de spams, diagnósticos médicos poco precisos, deficiente segmentación de clientes, mantenimiento predictivo, son algunos problemas de negocio que muchas compañías experimentan día a día, pero a medida que más organizaciones adoptan la Inteligencia Artificial en sus múltiples procesos de negocio, aumenta también la visibilidad de los beneficios de negocio que brinda esta tecnología disruptiva, y ayuda a facilitar la toma de mejores decisiones. Según un estudio reciente, se prevé que los ingresos del sector de inteligencia artificial en el mundo crezcan de 8.1 mil millones de dólares en 2018 a 105.8 mil millones de dólares para 2025.
Desde sistemas heredados hasta asegurar la inversión e incluso la implementación del IA en el lugar de trabajo, existen una serie de retos que deben superarse en una etapa temprana del proceso. En este contexto, en Ricoh Latin America presentamos cinco barreras de adopción de IA y cómo las empresas pueden superarlas de cara al 2020:
- Sistemas heredados: Muchas organizaciones confían en la infraestructura, aplicaciones o dispositivos heredados para entregar algunas de sus operaciones de TI. Actualizar todo de una vez es un gran desafío. Esta infraestructura heredada a menudo se ve como un impedimento para adoptar el aprendizaje automático o la inteligencia artificial. Afortunadamente, la computación en la nube, o más específicamente, la nube híbrida, ha cambiado esta situación. La nube híbrida es cuando una organización utiliza infraestructura de TI local y alojada en la nube. Esta es una situación cada vez más común.
- Escasez de habilidades: Actualmente, existe una escasez de habilidades en torno a la IA y el aprendizaje automático y esto puede dificultar los esfuerzos para desarrollar todas sus capacidades. Es importante brindar a las personas dentro del negocio la oportunidad de involucrarse. Esto resulta en una excelente manera de encontrar personas que estén entusiasmadas con la IA y quieran aprender más.
- Falta de apoyo de la alta gerencia: Uno de los factores clave a tener en cuenta al implementar IA a las partes interesadas principales es que debe tener en cuenta a su audiencia y sus prioridades. Normalmente, los tomadores de decisiones no están interesados en los detalles técnicos y operativos. Se centran en los objetivos comerciales más amplios y en la rapidez con que pueden alcanzarlos. Los casos de uso específicos y realistas junto con el ROI proyectado son mucho más útiles que un “panorama general”. Cuantos más datos y métricas puedan usar para respaldar su caso, mejor.
- Desarrollar una estrategia coordinada de datos: Lo que he visto trabajando con clientes es que los proyectos de ciencia de datos pueden terminar aislados. Mantener los proyectos en ejecución y en funcionamiento se convierte en una tarea difícil y es menos probable que superen la etapa piloto. Lo importante es demostrar un enfoque robusto y escalable.
- Falta de comprensión en el negocio: El equipo de inteligencia artificial o aprendizaje automático deben ser visibles en la organización. Realizar presentaciones y talleres regularmente para explicar la estrategia y los objetivos es clave. Esta función consiste en explicar cómo funciona, qué puede hacer y hacer todo lo posible para incluir a las personas en este viaje.
Existe cierta preocupación sobre los efectos de la IA en el mercado laboral. Pero informes recientes sugieren que la IA creará miles de empleos. Demostrar a los compañeros que la IA puede ayudarlos, no reemplazarlos, es una buena práctica. El sueño de una semana laboral de 4 días con el mismo salario es un buen ejemplo para compartir. Eso es algo que casi todos desearían y la IA puede ayudarnos a llegar allí.
[ Julio Urrutia | Director Consulting en Ricoh Latin America ]
