Implementación IA empresas: Fallos y éxito sostenible

La fiebre del oro de la inteligencia artificial ha llevado a las juntas directivas de todo el mundo a invertir presupuestos millonarios en nuevas tecnologías. Nadie quiere quedarse atrás. Sin embargo, tras bambalinas, los líderes tecnológicos enfrentan una realidad mucho menos ostentosa, pues los proyectos de IA se estancan, los riesgos de seguridad se disparan y el retorno de inversión simplemente no aparece.

Claves de la nota

• Un alto porcentaje de proyectos de IA generativa fracasan o no superan la fase piloto.
• JPMorgan redujo en un 90% los tiempos de revisión crediticia con su plataforma COiN.
• Solo el 41% de las empresas con estrategia de IA trabajan para hacerla accesible a toda la organización.

Existe un alto porcentaje de proyectos de IA generativa que fracasan o no logran superar la fase piloto, evidenciando la enorme pérdida de capital en la industria. ¿Cuál es el problema real? La gran mayoría de las organizaciones están buscando la respuesta en los algoritmos, cuando el fallo está en sus propios cimientos corporativos.

“El éxito escalable de la IA a nivel empresarial tiene menos que ver con las capacidades del modelo en sí, y mucho más con asegurar que las bases operativas y organizacionales estén firmes”.

Como señala Imran Aftab, CEO y cofundador de 10Pearls, una firma dedicada a impulsar la innovación en IA, superar el bucle interminable de las pruebas piloto requiere que las empresas dejen de ver a la IA como un remedio mágico y comiencen a tratarla como una transformación estructural. Según Aftab, existen grietas críticas donde las corporaciones están fallando.

La amenaza invisible de la “Shadow AI” y los cimientos de datos frágiles

La “Shadow AI“ o IA en la sombra, surge cuando los empleados adoptan la inteligencia artificial más rápido que las políticas de TI de sus empresas, creando un riesgo silencioso pero devastador para la seguridad de los datos. Este fenómeno amenaza la integridad de la información corporativa, incluso en tareas aparentemente inofensivas como resumir documentos con herramientas externas.

En el afán de ser más productivos, los empleados están adoptando la IA mucho más rápido que las políticas de TI de sus empresas. Esto ha dado lugar al fenómeno de la “Shadow AI” (IA en la sombra), un riesgo silencioso pero devastador. Aftab advierte que “el uso de la IA en la sombra amenaza la seguridad de los datos, incluso en tareas como usar ChatGPT para resumir información”. Y el riesgo es claro: “Cualquier uso de IA sin la aprobación de la empresa cuenta… es imposible detener las fugas de datos sin saber dónde están sus fuentes”.

Pero incluso cuando la IA se implementa de manera oficial, choca contra otra barrera, la basura digital. Las empresas confían ciegamente en sus vastos repositorios de información, sin darse cuenta de que no están listos para ser procesados. Aftab lo explica de forma contundente: “Para la mayoría de las empresas, una debilidad central no son los datos en sí, sino los sistemas y la gobernanza utilizados para gestionarlos”.

Conjuntos de datos desactualizados, sesgados o mal formateados son los culpables silenciosos detrás de “sistemas de IA que solo exacerban la mala toma de decisiones y los malos resultados”. La solución no es acumular más información, sino gestionarla mejor. “Es fundamental tratar la gestión de datos como un proyecto paralelo al despliegue de la IA”.

Implementación IA empresas: El abismo entre política y operación

Las corporaciones a menudo fallan en la implementación de la IA porque no logran traducir sus manuales de ética y gobernanza del papel a la práctica diaria, lo que se manifiesta en la ausencia de derechos de decisión claros y controles aplicables. Este problema no es exclusivo del departamento de TI, sino una preocupación corporativa integral que requiere la participación de toda la organización.

Tener un manual de ética de IA en PDF guardado en el sistema de la compañía no es sinónimo de gobernanza. Este es uno de los mayores puntos ciegos de las juntas directivas. “El bajo rendimiento de la IA no siempre indica un problema con el modelo. Lo más probable es que el marco de gobernanza detrás de la tecnología no haya logrado dar el salto del papel a la práctica”, explica el CEO de 10Pearls.

Las corporaciones están fallando al no establecer derechos de decisión claros, vías de escalamiento o controles aplicables en el día a día de la herramienta. La gobernanza de la IA no debe ser un tema exclusivo del departamento de TI, sino una preocupación corporativa integral, algo en lo que, según las cifras manejadas por Aftab, “solo el 41% de las empresas con una estrategia de IA están trabajando” para hacerlo accesible a toda la organización.

En medio de esta operación, muchas empresas cometen el error de intentar automatizarlo todo, olvidando el principio del “Humans in the Loop” (Humanos en el bucle). “No hay duda de que los humanos deben estar integrados en cualquier estrategia de IA. Las organizaciones deben centrarse en dónde se necesitan personas, qué decisiones y etapas del flujo de trabajo requieren supervisión”.

Uno de los errores estratégicos más comunes es la obsesión por presumir la IA ante el consumidor final. Las empresas corren a lanzar chatbots de servicio al cliente o asistentes de compras para demostrar modernidad, ignorando donde realmente se genera la rentabilidad.

“Gran parte del despliegue de la IA se centra en la primera línea y en los puntos de contacto con el cliente”, observa Aftab, quien asegura que esto “es solo la punta del iceberg en lo que la IA podría estar haciendo por el ROI de las organizaciones”.

Las verdaderas ganancias compuestas a lo largo del tiempo se encuentran escondidas en el back-office. El líder tecnológico sugiere que las funciones de finanzas, cumplimiento corporativo y recursos humanos son los verdaderos campos de batalla, ya que es “donde los procesos son más repetitivos, con gran cantidad de documentos y datos”.

La plataforma de IA de JPMorgan llamada COiN, redujo en un 90% los tiempos de revisión crediticia, que antes acumulaban hasta 360.000 horas anuales de trabajo legal y financiero. Los tiempos de respuesta en grandes corporaciones, además de que genera ahorros estimados en más de 140 millones de dólares al año solo en esta entidad, consolidan a la IA como un motor de eficiencia estratégica.

Medir lo que realmente importa en la IA

La implementación de la inteligencia artificial a menudo fracasa porque se evalúa bajo métricas equivocadas, ya que los líderes corporativos se dejan seducir por los indicadores de los proveedores de tecnología en lugar de analizar el impacto real en su negocio. Es crucial mapear la estrategia con datos históricos internos para mejorar los KPIs operativos existentes.

Finalmente, la implementación de la IA suele fracasar porque se evalúa bajo reglas de juego equivocadas. Los líderes corporativos se dejan seducir por las métricas que ofrecen los propios proveedores de la tecnología, en lugar de analizar cómo impacta su negocio real.

“No caiga presa de hundir dinero, tiempo y energía en estrategias de IA que se miden por puntos de referencia que no tienen sentido”.

En su lugar, el experto Aftab recomienda mapear la estrategia con datos históricos e internos para mejorar los KPIs operativos que la empresa ya tiene. “Cualquier médico respetable no haría un diagnóstico sin examinar primero los síntomas y el historial médico del paciente. Lo mismo se aplica a su plan de juego de IA”.

El éxito en la era de la inteligencia artificial no pertenecerá a las empresas que compren el algoritmo más costoso, sino a aquellas que logren alinear sus datos, gobernar su tecnología operativamente y medir su impacto con la frialdad de los negocios tradicionales. Como concluye Aftab, cubrir estas bases es lo que permitirá a las organizaciones “construir una ventaja de IA sostenible a largo plazo”.

Artículo escrito por Stiven Cartagena*

*El autor es editor de Geektime.

Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes Centroamérica.