Tranquil, el 65% de les empreses espanyoles encara no han adoptat tecnologies de IA

La falta de suport del comitè directiu, la gestió de les dades i l’escassetat de coneixements, entre les principals barreres que frenen les companyies en el desplegament de la IA.

Si encara no has començat a adoptar la IA a la teva companyia, pots estar (de moment) tranquil. La majoria d’empreses espanyoles es troben en la teva mateixa situació. Tan sols el 36% de les empreses han començat amb el procés d’adopció de la IA, i d’aquest 36% aproximadament la meitat són grans companyies. Això sí, des del 2022, l’augment ha estat del 29%, per la qual cosa clarament hem de començar a preparar-nos.

Sembla bastant evident que l’impacte econòmic de la IA a les empreses serà molt positiu. Aquelles empreses que ja han adoptat serveis de IA reporten múltiples avantatges, entre els quals s’inclouen l’agilització de processos empresarials, l’estalvi de costos i una major eficiència. A més, la IA s’està utilitzant de manera cada cop més avançada, ja que el 64% dels que l’han adoptat estan ja emprant IA generativa a través de Large Language Models (LLM).

Podem concloure, per tant, que, tot i que els avantatges d’adoptar aquesta tecnologia de manera immediata són bastant evidents, ens trobem que el procés d’adopció està avançant a una velocitat, diguem-ne, moderada.

Què està frenant el desplegament de la IA a les companyies? Vegem-ho:

1. Falta de suport del comitè directiu: Potser això sorprèn, però dins dels comitès directius de moltes companyies encara existeix un gran desconeixement sobre la IA generativa, les seves capacitats i l’impacte que aquesta tecnologia pot tenir en cada companyia. I és que això no va només d’implantar tecnologia, això va d’integrar la IA en l’estratègia empresarial, per garantir que aquesta generi un valor tangible. El comitè directiu ha d’identificar les àrees clau on la IA pot resoldre problemes crítics, millorar la presa de decisions i optimitzar els processos corporatius.

2. Falta de coneixements en IA: A causa de la rapidesa amb què la IA generativa s’ha desplegat en l’entorn professional, actualment existeix una gran escassetat d’habilitats al voltant d’aquesta tecnologia i això pot dificultar els esforços per desenvolupar totes les seves capacitats a les companyies. No només hem de poder comptar amb un partner amb experiència en aquesta tecnologia, també és important brindar a les persones dins de l’empresa (i no només dins del departament d’IT!) l’oportunitat d’involucrar-se.

3. Desenvolupament d’una estratègia coordinada de dades, tant estructurades (bases de dades o llistats) com desestructurades (documents, imatges, vídeos, etc.): Els problemes de qualitat i gestió de dades alenteixen significativament el procés d’adopció de IA a les empreses i és el principal motiu del seu fracàs (fins en un 80% de les ocasions). Per superar aquests desafiaments, hem de centrar-nos primer a establir sòlides plataformes de dades, processos de governança i pràctiques tradicionals de gestió de dades, abans d’implementar solucions de IA.

4. Dificultat per definir els requisits d’infraestructura i escalabilitat: Moltes empreses proven projectes de IA a petita escala sense considerar la possibilitat d’ampliar-los, cosa que pot causar coll d’ampolla i ineficiències en el futur. Començar amb projectes petits és un bon enfocament, però és crucial tenir en compte l’escalabilitat des del principi per evitar problemes més endavant.

A més, descuidar els requisits d’infraestructura pot provocar problemes de rendiment i limitacions en la implementació de models avançats de IA. Això compromet l’eficàcia i la fiabilitat de les aplicacions de IA de l’empresa, cosa que pot portar al fracàs dels projectes i a la pèrdua d’inversió.

Com implementar una estratègia de IA exitosa?

Per començar, hem de veure la implantació de la IA com una cursa de fons, en què haurem d’integrar aquesta tecnologia dins de la nostra estratègia empresarial (d’aquí la importància de tenir suport i visió per part del comitè directiu), on necessitarem tenir un profund coneixement de l’estat de l’art de la tecnologia (mitjançant formació interna i associació amb un partner tecnològic) i en què haurem de tenir un compromís continu amb les proves, l’estratègia de dades i l’escalabilitat de la nostra infraestructura.

Una estratègia sòlida de IA permet a les organitzacions enfrontar-se als desafiaments complexos d’implementar aquesta tecnologia i establir objectius clars. Sense importar el tipus de processos o aplicacions que es desitgin assolir, comptar amb un propòsit i un pla ben definits assegura que l’adopció de la IA estigui alineada amb els objectius de negoci.

Aquesta alineació, a la qual se li pot donar forma mitjançant un framework d’adopció de la IA, és crucial per obtenir un valor significatiu de la IA i maximitzar-ne l’impacte i els resultats. A més, proporciona un full de ruta per abordar els desafiaments, desenvolupar les capacitats necessàries i assegurar una aplicació estratègica i responsable de la IA dins de l’organització.

Punts clau per aconseguir una companyia impulsada per la IA: framework d’adopció IA

1. Procés de IA Discovery: Permet identificar i validar escenaris de negoci on la IA generativa té un impacte positiu. A partir d’aquesta identificació, s’estableix un full de ruta per a la seva implementació.
2. Passar de la PoC a producció: Abans de plantejar-nos grans projectes d’implantació de la IA en els nostres processos corporatius, haurem sempre de testejar-los. Els sistemes de IA són complexos, com ho són els nostres processos corporatius, per la qual cosa és vital invertir primer en petites proves de concepte o MVP, que ens permetin validar la tecnologia, i sobretot, validar que aquesta, aplicada a un cas d’ús concret dins del nostre negoci, aporta valor. És a partir d’aquest moment, quan ha quedat demostrat el ROI d’aplicar aquesta tecnologia en un procés concret, quan podrem plantejar-nos la pujada d’aquesta tecnologia a un procés productiu.
3. Arquitectura de referència: L’arquitectura de referència ens permetrà donar sentit i coherència a tots els punts esmentats anteriorment. Es tracta de la creació d’un marc de desenvolupament que ens ofereix un govern total de la IA i sobre el qual construirem totes les nostres solucions, permetent una fàcil interacció entre models i tecnologies, accelerant-ne el desenvolupament. Els avantatges que ofereix disposar d’una arquitectura de referència són les següents:

a. Centralització i accessibilitat: L’arquitectura permet consolidar les dades de diferents fonts en un únic repositori centralitzat, facilitant l’accés i la gestió d’aquestes. Això redueix la redundància, evita duplicitats i assegura que tots els models i tecnologies treballin amb dades actualitzades i consistents.

b. Qualitat i governança de dades: Implementa mecanismes per assegurar la qualitat de les dades mitjançant processos automàtics de neteja, validació i estandardització. A més, facilita la governança de dades, permetent la traçabilitat, l’auditoria, la gestió de sol·licituds per part dels equips de negoci i el compliment de normatives i polítiques internes.

c. Interoperabilitat: Gràcies a l’estandardització de formats i protocols, l’arquitectura permet una fàcil integració i comunicació entre diferents sistemes i plataformes. Això assegura que les dades puguin ser compartides i utilitzades de manera eficient per diferents models i línies de negoci.

d. Seguretat i privacitat: Incorpora mesures avançades de seguretat per protegir les dades contra accessos no autoritzats i ciber amenaces. A més, assegura el compliment de les normatives de privacitat i protecció de dades, garantint que la informació sensible sigui gestionada adequadament.

e. Optimització del rendiment: Utilitza tecnologies avançades d’emmagatzematge i processament que permeten gestionar grans volums de dades i fer anàlisis complexes en temps real. Això millora el rendiment i la capacitat de resposta dels sistemes, facilitant la presa de decisions basades en dades.

f. Elasticitat i escalabilitat: L’arquitectura està dissenyada per escalar automàticament en funció de la demanda, ajustant els recursos utilitzats per al processament i emmagatzematge de dades. Això assegura un ús eficient dels recursos i permet gestionar pics de demanda sense comprometre el rendiment.

g. Productivitat i eficiència: Proporciona eines i frameworks que faciliten el desenvolupament, prova i desplegament de models de IA, assegurant que aquests puguin accedir i utilitzar les dades de manera eficient. Això accelera el cicle de vida del desenvolupament de models i permet una ràpida adaptació a canvis en els requisits de negoci.

h. Gestió de costos d’infraestructura: L’arquitectura autoescala, permetent que els costos s’ajustin a l’ús. És elàstica i es redueix quan hi ha poca demanda.

i. Observabilitat: Capacitat de monitorar, entendre i optimitzar contínuament el rendiment, la qualitat i la seguretat dels sistemes. Permet treure respostes i conclusions, que són fonamentals per poder corregir i millorar el model de manera constant.

j. Independitzar processos de negoci d’artefactes tecnològics: Estandardització de com fer accions concretes aïllant els processos de la tecnologia sobre la qual han d’executar.

4. Centre d’Excel·lència IA (CoE IA): El Centre d’Excel·lència en IA generativa és l’organisme que lidera la innovació i adopció en tecnologies de IA, liderant i portant a terme tots els punts esmentats anteriorment. Desenvolupa solucions avançades i promou pràctiques ètiques i segures a tota l’organització. Entre les seves principals funcions destaca:

a. Lideratge organitzacional: Està format per líders amb experiència en IA i gestió per impulsar la col·laboració departamental.

b. Formació d’equips i empleats: Forma els empleats amb habilitats en dades, software, ètica i gestió, assegurant la seva actualització constant en IA.

c. Seguretat i privacitat: Manté les dades accessibles i segures, complint amb regulacions de privacitat i seguretat.

d. Tecnologia i infraestructura: Inverteix en la tecnologia necessària i s’encarrega de gestionar, administrar i millorar l’arquitectura marc de referència esmentada anteriorment i les eines adequades per explotar la IA generativa.

e. Discovery: Identifica i valida escenaris de negoci on l’IA Generativa té un impacte positiu, seguint els passos esmentats en un dels punts anteriors.

f. MVP o PoC: Implementa prototips per validar la IA generativa aplicada a casos d’ús concrets i millorar estratègies per a projectes més grans.

g. Deployment: Lidera els projectes d’adopció de IA Generativa dins dels processos corporatius.

h. Ètica en IA: Desenvolupa un marc ètic per a l’ús responsable de la IA, considerant el biaix de dades i la transparència.

i. State of the art: Col·labora amb empreses externes per estar al dia dels avenços en IA.

j. Impacte i escalabilitat: Estableix mètriques per avaluar i escalar solucions de IA a l’organització.

k. Comunicació organitzacional: Promou una cultura innovadora comunicant els èxits de l’empresa en l’adopció de la IA generativa.