En la reciente conferencia «Big Data & AI Paris», celebrada el 15 de septiembre, Hanan Ouazan, director de estrategia de IA del grupo Artefact, compartió su visión sin tapujos sobre la transformación impulsada por la IA. En su presentación, Hanan explicó cómo ir más allá de las simples mejoras en la productividad individual para crear una plataforma de conocimiento empresarial y mantener una ventaja competitiva.

De la adopción individual al retorno de la inversión empresarial

En la actualidad, una importante paradoja define el mercado de la inteligencia artificial y la forma en que las organizaciones generan valor:

  • Inversiones masivas: Se prevé que en 2025 las inversiones en inteligencia artificial alcancen aproximadamente $582 mil millones (casi el 0,5% del PIB mundial), con modelos capaces de abordar problemas que llevan décadas sin resolverse.
  • Impacto real limitado: Según un Estudio de McKinsey, solo el 6% de las empresas consigue realmente obtener beneficios empresariales gracias a la inteligencia artificial.

Esta brecha se explica por las limitaciones de los dos enfoques tradicionales de implantación. El enfoque descendente (proyectos de transformación impulsados por la dirección) se topa rápidamente con limitaciones humanas y con la carga que supone la tecnología heredada. Por encima de todo, la ecuación financiera es implacable: un proyecto de un millón de euros debe generar un retorno de la inversión (ROI) de un millón de euros en el plazo de un año, ya que, en tres años, la tecnología habrá cambiado en múltiples ocasiones. Como resultado, solo entre el 10% y el 20% de los procesos de la empresa cumplen realmente los requisitos para estos grandes proyectos de transformación.

Por el contrario, el enfoque ascendente (proporcionar herramientas de IA generativa a todos los empleados) crea una ilusión de productividad. El individuo se vuelve “hiperproductivo”, pero este valor apenas se traslada al conjunto de la organización. Como se señaló en junio Financial Times Como ilustra el estudio, se trata de un efecto en cadena: un desarrollador produce tres veces más código, esa ganancia se reduce a 1,5 a nivel del equipo de producto y, en última instancia, se traduce en tan solo 30% de funcionalidades adicionales para la empresa. Incluso las organizaciones con mejor rendimiento solo aprovechan una fracción de las ganancias individuales.

El ejemplo de San Francisco: redefinir el trabajo

La verdadera transformación no consiste simplemente en distribuir licencias, sino en redefinir en profundidad la forma en que se lleva a cabo el trabajo.

En San Francisco, las principales empresas tecnológicas han cambiado su forma de diseñar productos. Los gestores de producto utilizan la inteligencia artificial para crear ellos mismos los primeros prototipos funcionales. Como resultado, el tiempo que transcurre desde que se identifica una necesidad del usuario hasta que se pone en producción se ha reducido de una media de entre 3 y 6 meses a tan solo entre 3 y 6 semanas.

Para lograr un aumento de la productividad, no basta con proporcionar una herramienta; los empleados deben redefinir sus funciones laborales.

“Implementar plataformas de inteligencia artificial simplemente por el atractivo tecnológico que presentan no sirve de nada. El éxito de una iniciativa de este tipo depende, ante todo, de que se ajuste a casos de uso empresariales reales.” — Hanan Ouazan, director de estrategia de IA del grupo en Artefact.

Lógica contextual: conexión y difusión de la información

Uno de los retos asociados a la inteligencia artificial es la conservación y la difusión de la información. Hoy en día, si un empleado se entera en una reunión de que un cliente va a destinar un nuevo presupuesto o va a cambiar de dirección, esta información crucial suele quedar relegada a sus notas personales o a un resumen de la reunión que no se utiliza.

Convencida de que es imposible vender la transformación a los clientes sin ser capaz de transformarse internamente, Artefact rediseñó su arquitectura interna en torno a una iniciativa denominada “ACE” (una plataforma contextual). El principio fundamental consiste en crear una lógica de contexto empresarial: conectar los objetos de conocimiento (clientes, empresas, áreas de especialización) allí donde se encuentran, en lugar de agruparlos en una única base de datos data, de modo que la información fluya de forma predeterminada y sea accesible para todos.

En la práctica, ACE se limita a calificar la información en función de los hechos: a qué cliente, proyecto o personas se refiere una nota, y quién tiene permiso para consultarla. A continuación, cada producto recupera la información que le resulta relevante y extrae lo que necesita.

“El principal activo de su empresa reside en su tecnología patentada data y en sus conocimientos. En un mundo en el que los modelos de inteligencia artificial se están convirtiendo en productos de uso generalizado, son precisamente estos conocimientos únicos los que marcan la diferencia.” — Hanan Ouazan, director de estrategia de IA del grupo en Artefact.

Los tres pilares de una estrategia de IA rentable y segura

Para garantizar el retorno de la inversión y evitar la proliferación de plataformas desconectadas del uso real, una estrategia de inteligencia artificial debe basarse en tres pilares concretos:

  • El valor reside en su data, no en los modelos: Los modelos de IA son cada vez más potentes, mientras que sus costes se reducen drásticamente. Lo que constituye su verdadera ventaja competitiva es su data interno y su experiencia en el sector (sus conocimientos), algo de lo que el resto del mundo carece.
  • Captura natural de información: No confíe en el trabajo manual para alimentar sus bases de conocimientos. La información Data debe recopilarse de la forma más natural posible, directamente en los entornos de trabajo de los empleados (Google Chat, transcripciones de reuniones, etc.), con el fin de minimizar las dificultades.
  • Proteja su “equipo” (sus conocimientos técnicos): Su valor reside en cómo gestiona y regula el uso de la IA (competencias, normas de gobernanza, seguridad, costes y gestión de tokens). No ceda estos conocimientos a las plataformas públicas para que aprendan de usted. Cree y controle su propio entorno.

En última instancia, el éxito de una iniciativa de inteligencia artificial no consiste simplemente en combinar tecnologías; requiere estar respaldada por casos de uso reales y necesidades auténticas de los usuarios.