Las organizaciones han incrementado su adopción e inversión en inteligencia artificial y se espera que el mercado alcance 738,000 millones de dólares en 2030. Sin embargo, por lo general omiten las principales áreas de la planeación de inteligencia artificial (IA) empresarial. Eso incluye los niveles necesarios de madurez de datos, el poder de cómputo y comunicaciones o redes. También las consideraciones esenciales de ética y cumplimiento con regulaciones y normatividad.
El informe de la investigación Architect an AI Advantage, de Hewlett Packard Enterprise (HPE), se basa en una encuesta exhaustiva a 2,453 directivos de TIC en 14 países (incluido México) en diferentes industrias, entre ellas el cuidado de la salud. El reporte puso al descubierto desconexiones críticas en la implementación de la IA. Destaca una preocupante falta de alineación entre las estrategias, los procesos y las métricas. Lo anterior, en consecuencia, complica aún más la entrega de resultados.
Los hallazgos generales demuestran interés (casi todos los encuestados planean aumentar su inversión en IA durante los próximos 12 meses). Sin embargo, también destacan puntos ciegos muy reales en la planeación de inteligencia artificial. Por ejemplo, la falta de alineación en la estrategia y la participación de los departamentos puede impedir que se aprovechen áreas críticas de experiencia. Esto entorpece la toma de decisiones eficaces y eficientes e impide que la IA beneficie a todas las áreas de la empresa.
Preparar los datos
Bajo nivel de madurez de datos. Los buenos resultados de la IA que afectan el balance final dependen de la calidad de los datos ingresados. El informe confirma que las organizaciones entienden claramente este concepto. Sin embargo, 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, y sólo el 51% puede recuperar.
Esta discrepancia podría desacelerar el proceso de desarrollo de modelos de IA. También aumenta la probabilidad de que generen perspectivas imprecisas y un retorno de la inversión negativo (ROI).
Además, sólo el 37% de los encuestados han desarrollado modelos de datos compartidos con inteligencia empresarial centralizada. Esto evoca los hallazgos anteriores de la encuesta sobre capacidades inadecuadas de los datos, realizada por HPE en 2022. En ella, el 34% de los entrevistados afirmó que los datos de su compañía estaban aislados en aplicaciones o ubicaciones individuales. Eliminar los silos de datos en las arquitecturas híbridas es fundamental. De hecho, el progreso lento en esta área es una señal de alerta.
Para optimizar la planeación de inteligencia artificial se debe revisar la infraestructura tecnológica. Eso, por supuesto, requiere considerar múltiples elementos: desde recursos de habilidades hasta software, gestión de datos y más. El objetivo debe ser lograr acceso unificado a los datos en tiempo real sin importar dónde residan.
Cumplimiento y ética
Deficiencias en la capacidad de cómputo y redes. Para una buena planeación de inteligencia artificial las organizaciones deben enfocarse en conocer los requisitos específicos de red y cómputo.
●El 93% de los encuestados consideran que su infraestructura de red está preparada para soportar el tráfico de la IA.
●El 84% considera que sus sistemas cuentan con flexibilidad suficiente en la capacidad de cómputo para las demandas específicas de la IA.
Sin embargo, menos de la mitad de los encuestados admitieron tener un conocimiento completo de las demandas de entrenamiento, optimización e inferencia de las distintas cargas de trabajo de IA. En consecuencia, ello pone en duda su capacidad de abastecerlas correctamente.
Ética y cumplimiento con regulaciones y normatividad. El 28% de los encuestados describió la estrategia de IA de su organización como “fragmentada”. El 35% de las organizaciones han optado por crear estrategias de IA independientes para funciones individuales y el 32% plantean objetivos completamente diferentes. Además, la mayoría ignora por completo la ética y el cumplimiento con regulaciones. Ello, a pesar del creciente escrutinio por parte de los consumidores y los cuerpos regulativos:
●Solo el 13% de los encuestados consideran que las áreas de legal/cumplimiento son críticas para el éxito de la IA.
●Apenas el 11% de los encuestados 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 en la planeación de inteligencia artificial. La ética y el cumplimiento de las regulaciones serán cada vez más importantes e ignorarlas implica el riesgo de exponer datos confidenciales. Evitarlo, se sabe, es fundamental para mantener la ventaja competitiva y preservar la reputación de la organización.
Consideraciones para la planeación de inteligencia artificial
●Las organizaciones deben adoptar un enfoque integral en la planeación de inteligencia artificial. El objetivo es 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. Se debe comenzar con una lista de los resultados de negocio deseados. Para ello deben participar los directivos responsables de identificar dónde podría la IA ayudar más a lograr los objetivos.
●Contar con una en la planeación de inteligencia artificial integral garantizará que todos trabajen hacia los mismos objetivos y prioricen todas las consideraciones: desde la ética hasta la sostenibilidad.
●Es importante que los ejecutivos funcionales de alto nivel y los directivos colaboren en la en la planeación de inteligencia artificial. Deben aprovechar el conocimiento empresarial del equipo directivo y la experiencia técnica del equipo de TIC.
●Por último, es necesario un enfoque matizado con base en un mayor conocimiento del ciclo de vida de la IA. Esto debe incluir el suministro adecuado de datos, cómputo, software y redes. Dado que ya es dominante el modelo operativo híbrido, las organizaciones están bien posicionadas para optimizar sus capacidades. Sin embargo, podrían necesitar expertos externos si identifican lagunas en dicho conocimiento.
La IA es la carga de trabajo con los mayores requerimientos de datos y energía de nuestro tiempo. Para aprovecharla de forma eficaz, las soluciones deben ser híbridas desde el diseño y desarrollarse con una arquitectura moderna preparada ex profeso. 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.
