La falta de apoyo del comité directivo, la gestión de los datos y la escasez de conocimientos, entre las principales barreras que frenan a las compañías en el despliegue de la IA.
Si todavía no has empezado a adoptar la IA en tu compañía, puedes estar (de momento) tranquilo. La mayoría de empresas españolas se encuentran en tu misma situación. Tan solo el 36% de las empresas españolas han empezado con el proceso de adopción de IA, y de este 36% aproximadamente la mitad son grandes compañías. Eso sí, desde 2022, el aumento ha sido del 29%, por lo que claramente debemos empezar a prepararnos.[1]
Parece bastante evidente que el impacto económico de la IA en las empresas será muy positivo. Aquellas empresas que ya han adoptado servicios de IA reportan múltiples ventajas, entre las que se incluyen la agilización de procesos empresariales, el ahorro de costes y una mayor eficiencia. Además, la IA se está utilizando de forma cada vez más avanzada ya que el 64% de los que la han adoptado estan ya empleando IA generativa a través modelos grandes de lenguaje (LLM).
Podemos concluir, por tanto, que, pese a que las ventajas de adoptar esta tecnología de forma inmediata son bastante evidentes, nos encontramos con que el proceso de adopción está avanzando a una velocidad, vamos a decir, moderada.
¿Qué está frenando el despliegue de la IA en las compañías? Veámoslo:
- Falta de apoyo del comité directivo: Quizás esto sorprenda, pero dentro de los comités directivos de muchas compañías todavía existe un gran desconocimiento sobre la IA generativa, sus capacidades, y el impacto que esta tecnología puede tener en cada compañía. Y es que esto no va solo de implantar tecnología, esto va de integrar la IA en la estrategia empresarial, para garantizar que esta genere un valor tangible. El comité directivo debe identificar las áreas clave donde la IA puede resolver problemas críticos, mejorar la toma de decisiones y optimizar los procesos corporativos.
- Falta de conocimientos en IA: Debido a la rapidez con la que la IA generativa se ha desplegado en el entorno profesional, actualmente existe una gran escasez de habilidades en torno a la IA y esto puede dificultar los esfuerzos para desarrollar todas sus capacidades en las compañías. No solamente debemos contar con un partner con experiencia en esta tecnología, también es importante brindar a las personas dentro de la empresa (¡y no solo dentro del departamento de IT!) la oportunidad de involucrarse.
- Desarrollo de una estrategia coordinada de datos, tanto estructurados (bases de datos o listados) como desestructurados (documentos, imágenes, videos, etc.). Los problemas de calidad y gestión de datos ralentizan significativamente el proceso de adopción de IA en las empresas y es el principal motivo de su fracaso (hasta en un 80% de las ocasiones[2]) .Para superar estos desafíos, debemos enfocarnos primero en establecer sólidas plataformas de datos, procesos de gobernanza y prácticas tradicionales de gestión de datos, antes de implementar soluciones de IA.
- Dificultad para definir los requisitos de infraestructura y escalabilidad: Muchas empresas prueban proyectos de IA a pequeña escala sin considerar la posibilidad de ampliarlos, lo que puede causar cuellos de botella e ineficiencias en el futuro. Comenzar con proyectos pequeños es un buen enfoque, pero es crucial tener en cuenta la escalabilidad desde el principio para evitar problemas más adelante.
Además, descuidar los requisitos de infraestructura puede provocar problemas de rendimiento y limitaciones en la implementación de modelos avanzados de IA. Esto compromete la eficacia y la fiabilidad de las aplicaciones de IA de la empresa, lo que puede llevar al fracaso de los proyectos y a la pérdida de inversión.
¿Cómo implementar una estrategia de IA exitosa?
Para empezar, tenemos que ver la implantación de la IA como una carrera de fondo, en la que tendremos que integrar esta tecnología dentro de nuestra estrategia empresarial (de ahí la importancia de tener soporte y visión por parte del comité directivo), donde necesitaremos tener un profundo conocimiento del estado del arte de la tecnología (mediante formación interna y asociación con un partner tecnológico) y en la que deberemos tener un compromiso continuo con las pruebas, la estrategia de datos y la escalabilidad de nuestra infraestructura.
Una estrategia sólida de IA permite a las organizaciones enfrentar los desafíos complejos de implementar esta tecnología y establecer objetivos claros. Sin importar el tipo de procesos o aplicaciones que se deseen lograr, contar con un propósito y un plan bien definidos asegura que la adopción de la IA esté alineada con los objetivos de negocio.
Esta alineación, a la que se le puede dar forma mediante un framework de adopción de la IA, es crucial para obtener un valor significativo de la IA y maximizar su impacto y resultados. Además, proporciona una hoja de ruta para abordar los desafíos, desarrollar las capacidades necesarias y asegurar una aplicación estratégica y responsable de la IA dentro de la organización.
Puntos clave para conseguir una compañía impulsada por la IA
- Proceso de IA Discovery: Permite identificar y validar escenarios de negocio donde la IA Gen tiene un impacto positivo. A partir de esta identificación, se establece una hoja de ruta para su implementación.
- Pasar de la PoC a producción: Antes de plantearnos grandes proyectos de implantación de la IA en nuestros procesos corporativos, deberemos siempre, realizar una prueba. Los sistemas de IA son complejos, como lo son nuestros procesos corporativos, por lo que es vital invertir primero en pequeñas pruebas de concepto o MVP, que nos permitan validar la tecnología, y sobre todo, validar que esta, aplicada a un caso de uso concreto dentro de nuestro negocio, aporta valor. Es a partir de ese momento, cuando ha quedado demostrado el ROI de aplicar esta tecnología en un proceso concreto, cuando podremos plantearnos la subida de esta tecnología a un proceso productivo.
- Arquitectura de referencia: La arquitectura de referencia nos permitirá dar sentido y coherencia a todos los puntos mencionados anteriormente. Se trata de la creación de un marco de desarrollo que nos ofrece un gobierno total de la IA y sobre el que construiremos todas nuestras soluciones, permitiendo una fácil interacción entre modelos y tecnologías y acelerando el desarrollo y la interrelación entre modelos y líneas de negocio. Las ventajas que ofrece disponer de una arquitectura de referencia son las siguientes:
a. Centralización y accesibilidad: La arquitectura permite consolidar los datos de diferentes fuentes en un único repositorio centralizado, facilitando el acceso y la gestión de los mismos. Esto reduce la redundancia, evita duplicidades y asegura que todos los modelos y tecnologías trabajen con datos actualizados y consistentes.
b. Calidad y gobernanza de datos: Implementa mecanismos para asegurar la calidad de los datos mediante procesos automáticos de limpieza, validación y estandarización. Además, facilita la gobernanza de datos, permitiendo la trazabilidad, la auditoría, la gestión de solicitudes por parte de los equipos de negocio y el cumplimiento de normativas y políticas internas.
c. Interoperabilidad: Gracias a la estandarización de formatos y protocolos, la arquitectura permite una fácil integración y comunicación entre diferentes sistemas y plataformas. Esto asegura que los datos puedan ser compartidos y utilizados de manera eficiente por distintos modelos y líneas de negocio.
d. Seguridad y privacidad: Incorpora medidas avanzadas de seguridad para proteger los datos contra accesos no autorizados y ciberamenazas. Además, asegura el cumplimiento de las normativas de privacidad y protección de datos, garantizando que la información sensible sea manejada adecuadamente.
e. Optimización del rendimiento: Utiliza tecnologías avanzadas de almacenamiento y procesamiento que permiten manejar grandes volúmenes de datos y realizar análisis complejos en tiempo real. Esto mejora el rendimiento y la capacidad de respuesta de los sistemas, facilitando la toma de decisiones basadas en datos.
f. Elasticidad y escalabilidad: La arquitectura está diseñada para escalar automáticamente en función de la demanda, ajustando los recursos utilizados para el procesamiento y almacenamiento de datos. Esto asegura un uso eficiente de los recursos y permite manejar picos de demanda sin comprometer el rendimiento.
g. Productividad y eficiencia: Proporciona herramientas y frameworks que facilitan el desarrollo, prueba y despliegue de modelos de IA, asegurando que estos puedan acceder y utilizar los datos de manera eficiente. Esto acelera el ciclo de vida del desarrollo de modelos y permite una rápida adaptación a cambios en los requisitos de negocio.
h. Gestión de costes de infraestructura: La arquitectura autoescala, permitiendo que los costes se ajusten al uso. Es elástica y se reduce cuando hay poca demanda, evitando duplicidades.
i. Observabilidad: Capacidad de monitorear, entender y optimizar continuamente el rendimiento, la calidad y la seguridad de los sistemas. Permite sacar respuestas y conclusiones, que son fundamentales para poder corregir y mejorar el modelo de forma constante.
j. Independizar procesos de negocio de artefactos tecnológicos: Estandarización de cómo hacer acciones concretas asilando a los procesos de la tecnología sobre la que tienen que ejecutar.
- Centro de Excelencia IA (CoE IA): El Centro de Excelencia en IA generativa es el organismo que lidera la innovación y adopción en tecnologías de IA, liderando y llevando a cabo todos los puntos mencionados anteriormente. Desarrolla soluciones avanzadas y promueve prácticas éticas y seguras en toda la organización. Entre sus principales funciones destaca:
a. Liderazgo organizacional: Está formado por líderes con experiencia en IA y gestión para impulsar la colaboración departamental.
b. Formación de equipos y empleados: Forma a los empleados con habilidades en datos, software, ética y gestión, asegurando su actualización constante en IA.
c. Seguridad y privacidad: Mantiene los datos accesibles y seguros, cumpliendo con regulaciones de privacidad y seguridad.
d. Tecnología e infraestructura: Invierte en la tecnología necesaria y se encarga de gestionar, administrar y mejorar la arquitectura marco de referencia anteriormente mencionada y las herramientas adecuadas para explotar la IA generativa.
e. Discovery: Identifica y validar escenarios de negocio donde la IA Gen tiene un impacto positivo, siguiendo los pasos mencionados en uno de los puntos anteriores.
f. MVP o PoC: Implementa prototipos para validar la IA generativa y mejorar estrategias para proyectos mayores.
g. Deployment: Lidera los proyectos de adopción de IAGen dentro de los procesos corporativos.
h. Ética en IA: Desarrolla un marco ético para el uso responsable de la IA, considerando el sesgo de datos y transparencia.
i. State of the art: Colabora con empresas externas para estar al día de avances en IA.
j. Impacto y escalabilidad: Establece métricas para evaluar y escalar soluciones de IA en la organización.
k. Comunicación organizacional: Promueve una cultura innovadora comunicando los logros de la empresa en la adopción de la IA generativa.
