Según Gartner, en el año 2025, el uso de la inteligencia artificial (IA) estará muy extendido y esta partida liderará la inversión tecnológica de las compañías en todo el mundo.
Aunque se trata de una fantástica herramienta, todavía hay muchos proyectos que no están llegando a fases de puesta en producción. Los siguientes son los ocho aspectos que se han de tener en cuenta para escalar el uso de la IA a toda la organización.
Infraestructura de datos. Toda empresa debería considerar la nube pública como el entorno sobre el que construir sus infraestructuras. Las principales nubes públicas invierten más de noventa mil millones de dólares en I+D, lo que garantiza el necesario soporte para asumir situaciones y necesidades futuras.
Las empresas que triunfan son las que fallan rápido y pasan enseguida a otro objetivo
Recursos dedicados. Hay que dedicar perfiles especializados a este tipo de plataformas de datos, ya sea contratando personal o reubicando a empleados clave que, por su conocimiento técnico y de la organización, sean capaces de liderar las iniciativas. De este modo surgen líderes naturales que trabajan con su equipo para encontrar la forma más efectiva de alcanzar los objetivos, creando relaciones para lograr resultados de la mejor manera posible.
Silos organizativos. Se ha de generar una cultura que evite los silos, ya que esto impide la reutilización de inversiones en proyectos entre diferentes unidades de negocio. Si no se alienta a los equipos a compartir opiniones, se impedirá la innovación y no se generarán ideas que puedan conducir a nuevos proyectos o a la mejora de productos y servicios.
Silos de datos. Los silos de datos producen una desconexión operacional, ya que, con el tiempo, el dato pierde valor. Arreglar esta situación y evitar que aparezcan silos requiere una cultura de colaboración dentro de todos los departamentos y entre ellos. El enfoque más apropiado es tener los datos lo más cerca posible de donde se producen y generar un modelo federado de acceso a los datos (data mesh). Esto facilita su uso en el contexto donde se generan y también ayuda a que se puedan reutilizar en otros ámbitos para casos de uso específicos.
El 46% de las empresas españolas experimenta dificultades para encontrar los perfiles digitales que necesita
Propuesta de valor. Es muy complicado analizar lo que va a aportar un caso de uso a una empresa, pero hay que plantearse que el trabajo con datos es algo iterativo y experimental. Las empresas que triunfan son las que fallan rápido y pasan enseguida a otro objetivo. En este punto, siempre recomendamos adoptar enfoques interactivos incrementales, en los que se explore el dato, se identifique un pool de datos limitados, se realice una prueba de concepto, se extraiga conocimiento y, sobre todo, se tomen decisiones basadas en los resultados del proyecto.
Modelo de gobierno de IA. El modelo de datos va a depender del modelo organizativo. Hay empresas muy reguladas, en las que la toma de decisiones está muy centralizada, y otras que pueden delegar esa toma de decisiones a otras áreas de negocio, lo que las lleva a ser muy independientes. Es el gran dilema entre velocidad y control. A pesar de este debate, hay una serie de mínimos en cuanto a seguridad y privacidad en el diseño, así como a control de servicios. Todos estos aspectos deben estar automatizados y centralizados, y ser capaces de proveer soluciones a las diferentes áreas.
Talento. El talento disponible para utilizar los datos de manera adecuada es actualmente muy escaso. El 46% de las empresas españolas experimenta dificultades para encontrar los perfiles digitales que necesita. Para contrarrestar esa carencia, las empresas están empezando a trazar planes de carrera relacionados con las nuevas tecnologías, pero aún es un tema que debe definirse claramente.
Es necesario alinear los esfuerzos en IA con la automatización de procesos que ayuden al negocio
Implantación efectiva. Es necesario alinear los esfuerzos en IA con la automatización de procesos que realmente ayuden al negocio. Pequeños proyectos experimentales que se han comprobado, que funcionan. No sirven para nada si no se logra una puesta en producción adecuada. La nube pública multiplica las capacidades de la inteligencia artificial, pero hay una serie de componentes básicos que es necesario conocer —y saber utilizar— para hacer un uso escalado y real de la IA, y evitar que se generen silos o que esos experimentos se queden en el cajón.
