Autor
Los proyectos de inteligencia artificial y transformación digital tienen un bajo índice de éxito, pero las mejores prácticas ayudan.
La IA tiene el potencial de impulsar el cambio en casi todas las industrias. En otras palabras, existen grandes incentivos para que las organizaciones inicien ahora su andadura en la IA; también existe el riesgo de que si no lo hacen, ponerse al día será difícil, si no imposible, en una disciplina que será cada vez más crítica cuanto más ampliamente se adopte. Así pues, no es de extrañar que la IA esté causando tanto interés y expectación.
Sin embargo, muchos proyectos de IA fracasan.
Desde que tengo uso de razón, el artificial intelligence ha sido el santo grial. Las películas lo han retratado, desde BladeRunner al más reciente A ella. Mientras tanto, los líderes empresariales prometieron que revolucionaría el lugar de trabajo. En ambos casos, se nos han presentado escenarios en los que la IA transforma la rutina diaria.
De hecho, se lleva hablando de la IA como disciplina científica desde 1956. Y aunque los fundamentos basados en las matemáticas existen desde hace más de 70 años, la potencia de cálculo necesaria sólo ha sido una realidad recientemente, siendo el cloud el catalizador definitivo de la IA.
Se han logrado avances significativos, y el sector ya no está en pañales. Según el informe de McKinsey El estado de la IA en 2020 encuesta, 50% de los encuestados afirmaron que sus empresas habían adoptado la IA en al menos una función empresarial.
La IA tiene el potencial de impulsar el cambio en casi todas las industrias. En otras palabras, existen grandes incentivos para que las organizaciones inicien ahora su andadura en la IA; también existe el riesgo de que si no lo hacen, ponerse al día será difícil, si no imposible, en una disciplina que será cada vez más crítica cuanto más ampliamente se adopte. Así pues, no es de extrañar que la IA esté causando tanto interés y expectación.
Sin embargo, muchos proyectos de IA fracasan.
Los POC deben diseñarse para tener éxito a largo plazo
Muchas pruebas de concepto (POC) no están diseñadas para escalar. No hacen más que demostrar que algo se puede hacer. Luego, se dejan enconar porque no se determinó de antemano si el concepto en cuestión era relevante y necesario para toda la organización, o si era técnicamente factible un despliegue a escala empresarial.
Además, la estructura de costes de los proyectos de esta naturaleza: Es probable que llegar a este punto haya devorado 70% del presupuesto global, sin que el resultado llegue a ver la luz del día. Eso es un mal negocio a todos los niveles. Entonces, ¿cuál es la alternativa?
En resumen, la escala debe ser una parte integral del POC y reflejarse en las métricas que determinan si ha tenido éxito.
Existen algunas tácticas sencillas para lograrlo. Una buena opción es ejecutar el POC en dos regiones y exigir a ambas corrientes que cumplan unos objetivos predeterminados antes de que se pueda firmar como un éxito. También es importante identificar paralelismos y variaciones entre los proyectos. Este enfoque desarrolla el proceso y la estructura como parte de la aventura inicial, y apuntala la adopción en el entorno más amplio si el proyecto sigue adelante.
Las competencias derriban silos
Los silos organizativos, arraigados en la estructura empresarial tradicional, siguen siendo habituales. Son una espina constante en el costado del buen funcionamiento de las operaciones, y pueden ser la sentencia de muerte para las implementaciones escalables de la IA. Abordar esta cuestión significa incorporar las competencias adecuadas en cada parte del proyecto.
Necesitamos experiencia matemática, conocimientos informáticos y un especialista en codificación aportados (respectivamente) por científicos data, arquitectos de soluciones e ingenieros de aprendizaje automático (ML). La perspectiva empresarial, aportada por gestores y propietarios de productos, también es una parte esencial de la mezcla. Este equipo multidisciplinar debe tener una forma de trabajar abierta y colaborativa, con buenos canales de comunicación y un profundo nivel de confianza durante todo el ciclo de vida del proyecto para que puedan sentar colectivamente las bases, desplegar la aplicación y, por último, formar a las personas que manejarán la aplicación en el día a día una vez finalizado el POC.
La tecnología también es importante
La computación en nube ha hecho realidad los proyectos de IA para muchas empresas. Elimina la necesidad de grandes y costosas implantaciones informáticas, confiando en su lugar en herramientas y tecnologías ágiles, personalizables y disponibles bajo demanda.
Al igual que con el enfoque de equipo híbrido, la caja de herramientas tecnológicas debe incluir las aplicaciones y el software específicos del proyecto en cuestión. Y ni que decir tiene que debe ser escalable.
La paradoja del riesgo de la IA
La IA plantea un dilema a las organizaciones: mal implementada, es probable que fracase, creando un riesgo empresarial. Sin embargo, si no se implementa la IA en absoluto, se corre el riesgo de quedarse rezagado frente a competidores más orientados al futuro, ya que éstos cosechan los frutos de explorar esta tecnología de nueva generación.
La clave es ver cualquier proyecto de IA en términos de su papel en la dirección y el éxito a largo plazo de la empresa en general y de sus operaciones. Este enfoque informará el marco técnico y basado en las personas que es esencial para una implementación exitosa y una visión holística de la IA.
