La IA empresarial enfrenta tres puntos ciegos fundamentales

Las compañías deben contar con una estrategia de IA integral a nivel empresarial garantizará que todos trabajen hacia los mismos objetivos 

 Las organizaciones han incrementado su adopción e inversión en IA, con lo cual se espera que el mercado  alcance los USD $738,000 millones en 2030.

Sin embargo, por lo general omiten las principales áreas de la planeación de IA empresarial, incluyendo los niveles necesarios de madurez de datos, el poder de cómputo y comunicaciones, así como las consideraciones esenciales de ética y cumplimiento con regulaciones y normatividad.

De acuerdo con el informe de la investigación “Architect an AI Advantage” (Diseñar una ventaja de IA) de Hewlett Packard Enterprise, basado en una encuesta exhaustiva a líderes de TI en 14 países, se han descubierto desconexiones críticas en las estrategias de IA.

El informe destaca una preocupante falta de alineación entre las estrategias, los procesos y las métricas, lo que complica aún más la entrega de resultados de IA. 

Para Gustavo Gómez, Presidente y Director General de Hewlett Packard Enterprise México los hallazgos generales demuestran interés por la IA (casi todos los líderes de TI planean aumentar su inversión en IA durante los próximos 12 meses), también destacan puntos ciegos muy reales que podrían estancar el progreso si no se sigue un enfoque más holístico.

Por ejemplo, la falta de alineación en la estrategia y la participación de los departamentos puede impedir que las organizaciones aprovechen áreas críticas de experiencia, tomen decisiones eficaces y eficientes, y garanticen que la IA beneficie a todas las áreas de la empresa.

 Punto ciego 1: Bajo nivel de madurez de datos

Los buenos resultados de la IA que afectan el balance final de los negocios dependen de la calidad de los datos ingresados. El informe confirma que las organizaciones entienden claramente este concepto. Sin embargo, aunque la mayoría señaló la gestión de datos como uno de los elementos más críticos para el éxito de la IA, sus niveles de madurez siguen siendo bajos:

• Solo el 7% de las organizaciones pueden llevar a cabo pushes/pulls de datos en tiempo real para permitir la innovación y la monetización de los datos externos
• Solo el 26% ha implementado modelos de gobernanza de datos y pueden ejecutar análisis avanzados

Además, menos del 60% de los entrevistados afirman que su organización es capaz de manejar cualquiera de las etapas clave de la preparación de datos para uso en los modelos de IA:

• El 59% puede acceder
• El 57% puede almacenar
• El 55% puede procesar
• El 51% puede recuperar

Esta discrepancia podría desacelerar el proceso de desarrollo de modelos de IA y aumentar la probabilidad de que el modelo genere perspectivas imprecisas y un retorno de la inversión negativo (ROI, por sus siglas en inglés).

También preocupa el hecho de que solo el 37% de los líderes de TI han desarrollado modelos de datos compartidos con inteligencia empresarial centralizada. Esto evoca los hallazgos anteriores de la encuesta sobre capacidades inadecuadas de los datos, conducida por HPE en 2022, en la cual el 34% de los entrevistados afirmaron que los datos de su compañía estaban aislados en aplicaciones o ubicaciones individuales. Eliminar los silos de datos en las arquitecturas híbridas es fundamental para el éxito, mientras que el progreso lento en esta área es una señal de alerta.

Para optimizar el rendimiento de la IA, las organizaciones deben revisar su infraestructura tecnológica para habilitar los procesos de IA a lo largo de todo el ciclo de vida, lo que requiere considerar múltiples elementos: desde recursos de habilidades hasta software, gestión de datos y más. Es imprescindible contar con una arquitectura general de datos y análisis que consolide todos los datos en las aplicaciones y las ubicaciones. El objetivo debe ser brindar acceso unificado a los datos en tiempo real en toda la organización, sin importar dónde residan.

Punto ciego 2: Deficiencias en la capacidad de cómputo y comunicaciones (redes).

Con los componentes de datos establecidos, las organizaciones deben enfocarse en conocer los requisitos específicos de red y cómputo de la IA a lo largo de todo su ciclo de vida. Sin embargo, el informe también encontró algunos problemas nuevos en este aspecto.

En la superficie, las organizaciones muestran confianza en esta área:

• El 93% de los líderes de TI consideran que su infraestructura de red está preparada para soportar el tráfico de la IA
• El 84% concuerda en que sus sistemas cuentan con flexibilidad suficiente en la capacidad de cómputo para soportar las demandas específicas en las diferentes etapas del ciclo de vida de la IA

Sin embargo, menos de la mitad de los líderes de TI admitieron tener un conocimiento total de las demandas de entrenamiento, optimización e inferencia de las distintas cargas de trabajo de IA, lo que pone en duda su capacidad de abastecerlas correctamente.

Punto ciego 3: Consideraciones vitales de ética y cumplimiento con regulaciones y normatividad

El informe también reveló que las organizaciones no han logrado relacionar las áreas clave de la empresa, ya que más de un cuarto (28%) de los líderes de TI describieron la estrategia de IA de su organización como “fragmentada”. Una prueba de ello es que más de un tercio (35%) de las organizaciones han optado por crear estrategias de IA independientes para funciones individuales, mientras que el 32% están planteando series de objetivos completamente diferentes.

Más inquietante aún, la mayoría ignora por completo la ética y el cumplimiento con regulaciones, a pesar del creciente escrutinio por parte de los consumidores y los cuerpos regulativos:

• Solo el 13% de los líderes de TI consideran que las áreas de legal/cumplimiento son críticas para el éxito de la IA
• Apenas el 11% de los líderes de TI consideran que la ética es crítica para el éxito de la IA
• El 22% de las organizaciones involucran a sus equipos legales en las conversaciones sobre la estrategia de IA de sus empresas

Este descuido es un punto ciego grave, ya que la ética y el cumplimiento con regulaciones serán cada vez más importantes para los consumidores y para cumplir con las normas que más países presentarán en el futuro. Sin el cumplimiento adecuado, las organizaciones corren el riesgo de exponer datos confidenciales, que son fundamentales para mantener la ventaja competitiva y preservar la reputación de la marca. Además, si diseñan nuevos productos sin una política de IA eficaz, podrían crear modelos que carezcan de estándares de diversidad adecuados, lo que pudiera dañar la reputación de la marca, ocasionar pérdidas de ventas o derivar en costosas multas y batallas legales.

Soluciones y consideraciones

Si las organizaciones continúan con su enfoque actual en torno a la IA, su éxito a largo plazo podría verse afectado, señaló el informe. Aun así, existen soluciones y estrategias para evitar los puntos ciegos en la planeación empresarial de la IA.

Primero, las organizaciones deben adoptar un enfoque integral a lo largo de todo el ciclo de vida de la IA para agilizar la interoperabilidad e identificar mejor los riesgos y las oportunidades.

No se debe apresurar la adopción de la IA solo porque es una tecnología de moda. El camino hacia la IA debe comenzar con una lista de los resultados de negocio deseados y la participación del liderazgo de toda la organización para identificar dónde la IA podría ayudar más a lograr los objetivos planteados.

Contar con una estrategia de IA integral a nivel empresarial garantizará que todos trabajen hacia los mismos objetivos y prioricen todas las consideraciones: desde la ética hasta la sostenibilidad.

Es importante asegurar que los ejecutivos funcionales de alto nivel y los líderes de TI colaboren en la estrategia de IA y aprovechen el conocimiento empresarial del equipo directivo y la experiencia técnica del equipo de TI.

Y, por último, es necesario exigir un enfoque matizado con base en un mayor conocimiento del ciclo de vida de la IA que incluya el suministro adecuado de datos, cómputo, software y redes. Con lo híbrido como el modelo operativo dominante, las organizaciones están bien posicionadas para optimizar sus capacidades, pero podrían necesitar recurrir a expertos externos si identifican lagunas en este conocimiento.

La IA es la carga de trabajo con los mayores requerimientos de datos y energía de nuestro tiempo y, para cumplir su promesa de forma eficaz, las soluciones deben ser híbridas desde el diseño y desarrollarse con una arquitectura moderna preparada para la IA. Sin embargo, las empresas deben ponderar cuidadosamente el equilibrio entre ser pioneras y el riesgo que implica no conocer las brechas a lo largo del ciclo de vida de la IA; de lo contrario, las grandes inversiones de capital en la IA podrían generar un ROI negativo.