Desde hace casi tres años, la IA generativa (GenAI) ha capturado la imaginación de empresas de todo el mundo con la promesa de transformar la experiencia del cliente, aumentar la productividad y desbloquear nuevas fuentes de ingresos.
Sin embargo, hoy en día, muchas organizaciones grandes se encuentran lidiando con la realidad detrás de tanta publicidad. Las empresas de investigación y asesoría de mercado han dejado a GenAI firmemente desilusionada, a medida que las empresas se enfrentan a su verdadero potencial y limitaciones.
Vicepresidente ejecutivo de HCLTech.
La inversión continúa en todas las industrias, pero muchas empresas se sienten frustradas por los retornos lentos y mensurables. En esta coyuntura crítica, los líderes empresariales y tecnológicos se preguntan: ¿Cómo podemos gestionar el despliegue y la ampliación de GenAI para ofrecer valor empresarial real y evitar ser parte del 30% de los proyectos GenAI que Gartner predice que serán abandonados en 2025?
¿Qué desafíos enfrentan las empresas al escalar GenAI?
Las grandes empresas que compiten por adoptar GenAI enfrentan una serie de desafíos prácticos, incluida la mala calidad de los datos, controles de riesgo inadecuados, mayores costos y un valor comercial poco claro, que amenazan con descarrilar los proyectos antes de que lleguen a producción.
Un obstáculo importante es el desajuste entre la inversión y los ingresos inmediatos. Otro desafío clave es la preparación organizacional. Muchas empresas carecen de la base de datos y los conocimientos de IA necesarios para respaldar la GenAI.
Las organizaciones menos maduras luchan por identificar los casos de uso correctos y tienen expectativas poco realistas, mientras que las organizaciones más maduras enfrentan brechas de talento y necesitan desarrollar la alfabetización GenAI en todos los equipos. Garantizar la calidad de los datos también es un desafío constante, porque los sistemas GenAI, como cualquier otro modelo de IA, son tan buenos como los datos con los que se entrenan.
Los datos deficientes conducen a resultados poco confiables. La gobernanza y los controles de riesgo a menudo se están poniendo al día, y los primeros usuarios enfrentan problemas como alucinaciones de modelos, sesgos y cumplimiento regulatorio emergente, como la visionaria y legalmente vinculante Ley de IA de la UE.
Todos estos desafíos resaltan que la adopción de GenAI no es puramente un desafío tecnológico, sino también un desafío de personas y procesos. Los esfuerzos de innovación aislados se estancan sin la aceptación interdisciplinaria, y el aislamiento empresarial requiere el riesgo de que los proyectos posteriores no produzcan resultados comerciales tangibles.
¿Cómo pueden las organizaciones evitar los fracasos de los proyectos GenAI e impulsar el valor?
Para que las iniciativas GenAI pasen de ser piloto a producción, las empresas deben adoptar un enfoque estratégico y centrado en el valor desde el principio. En primer lugar, es esencial establecer un caso de negocio claro y métricas de éxito.
En lugar de implementar IA por sí sola, las empresas deberían comenzar por identificar casos de uso de alto impacto en los que GenAI pueda resolver un problema real o desbloquear mejoras mensurables, como reducir los tiempos de espera del servicio al cliente o automatizar costosos procesos manuales.
Al mismo tiempo, las organizaciones deben analizar rigurosamente el costo total de la iniciativa y el valor comercial potencial para tomar decisiones de inversión informadas.
Otra buena práctica es fomentar una sólida colaboración interdisciplinaria desde el primer día. Los programas GenAI exitosos rompen los silos entre TI, ciencia de datos, unidades de negocios y gestión de riesgos.
Este enfoque multifuncional garantiza que los equipos técnicos comprendan el contexto empresarial y los impulsores de valor, mientras que las partes interesadas del negocio estén informadas sobre las capacidades y limitaciones de la IA. Promover la colaboración entre equipos permite a las personas de todos los niveles tomar decisiones informadas e impulsar la innovación juntos.
Un enfoque es formar un “Consejo de IA” o un organismo de gobierno similar con representantes de múltiples departamentos, que puedan defender la iniciativa, alinearla con la estrategia empresarial y monitorear las consideraciones éticas y de cumplimiento.
Gestionar los aspectos culturales y de cambio es igualmente importante. La GenAI a menudo aumenta o redefine tareas y procesos, por lo que las organizaciones necesitan preparar su fuerza laboral. Esto significa mejorar las habilidades y cambiar la administración para que confíe en los empleados y utilice las herramientas de inteligencia artificial de manera efectiva.
A algunos de los primeros usuarios les resultó útil comenzar con proyectos piloto que involucraran a los usuarios finales y repetirlos basándose en la retroalimentación; Las pequeñas ganancias ayudan a generar impulso y aceptación. En el clima actual de grandes expectativas, establecer hitos realistas y celebrar el progreso gradual puede evitar decepciones.
Si bien las exageraciones pueden prometer un valor inmediato, en realidad el éxito de GenAI proviene de una secuencia de pasos bien ejecutados y centrados en el valor.
¿Qué marco puede guiar una implementación exitosa de GenAI a escala?
Implementar GenAI en una gran empresa requiere un marco. Las empresas necesitan un modelo operativo que pueda llevar la IA desde el concepto hasta el impacto industrializado para permitir que los equipos multidisciplinarios sigan siendo ágiles sin comprometer la seguridad o la responsabilidad.
Muchas empresas utilizan modelos operativos alineados con los productos para conectar las tareas de IA con los resultados comerciales.
Una forma eficaz de guiar la implementación de la IA es aplicar un marco de tres pasos desde el piloto hasta la producción.
La primera fase, Descubrimiento y Base, se centra en comprender la preparación y las oportunidades de la empresa. Esto incluye evaluar el panorama actual de datos, la tecnología y la madurez de la IA, así como identificar casos de uso prioritarios a través de talleres con líderes empresariales.
El objetivo es definir el problema, alinear los criterios de éxito y crear un entendimiento compartido entre las partes interesadas.
La segunda fase, herramientas y diseño, cubre el trabajo pesado de crear la solución. Aquí, las organizaciones seleccionan las herramientas y modelos adecuados y diseñan la solución teniendo en cuenta la escalabilidad, la seguridad y la gobernanza.
Esto incluye la implementación de infraestructura local o en la nube y la integración de modelos GenAI en los flujos de trabajo empresariales. El diseño se extiende a la experiencia del usuario. Por ejemplo, cómo un asistente impulsado por GenAI se integra con las herramientas cotidianas de un empleado.
La fase final, ROI y escalamiento, es demostrar valor y luego escalar lo que funciona. En esta fase, la solución GenAI se implementa en un entorno del mundo real, a menudo comenzando con un alcance o grupo de usuarios limitado, y se mide estrechamente con los KPI establecidos en la fase de descubrimiento.
Si los resultados cumplen o superan los objetivos, la organización puede ampliar con confianza su uso de la IA y comenzar a institucionalizarla como una capacidad. La atención se centra en esta etapa también en la adopción y la gestión del cambio empresarial.
La IA responsable debe estar integrada en los tres pasos de la ampliación de GenAI. En el descubrimiento, defina y diseñe el uso previsto, evalúe la procedencia y la calidad de los datos y establezca KPI comerciales, así como métricas de responsabilidad mensurables.
En el diseño, diseñe el sistema con esos estándares, incluida la incorporación de cumplimiento de políticas y controles de acceso, y la implementación de controles de seguridad y parcialidad. En la ampliación y adopción, incluya la supervisión humana integrada para acciones de alto riesgo, monitoreo continuo y respuesta a incidentes, pistas de auditoría y reevaluaciones periódicas de modelos.
¿Dónde están teniendo éxito las empresas con GenAI?
Siguiendo la metodología correcta, GenAI puede ofrecer resultados impresionantes. Por ejemplo, en el sector bancario, un banco australiano ha aplicado GenAI a su proceso de prueba de software, tradicionalmente un esfuerzo manual que requiere mucho tiempo.
Al utilizar GenAI, el banco ha podido acelerar significativamente su ciclo de vida de pruebas y mejorar la calidad del software, fomentando una cultura de pruebas más colaborativa y adaptable. En la práctica, esto significa lanzamientos más rápidos de nuevas funciones para los clientes y una mayor confianza en esos lanzamientos.
Otro ejemplo proviene de la industria farmacéutica, donde una empresa farmacéutica norteamericana utilizó GenAI para reinventar sus procesos de cumplimiento y auditoría. El sistema de auditoría de documentos basado en reglas existente de la empresa era costoso y no fácil de usar, por lo que trabajaron con un socio para integrar una solución GenAI.
El resultado fue un asistente impulsado por IA que podía revisar documentos regulatorios e identificar posibles brechas de calidad con más del 95% de precisión, al tiempo que reducía el esfuerzo de desarrollo manual de documentos en un 65% y aumentaba las puntuaciones de legibilidad en un 50%.
Un maratón, no un sprint
El camino hacia la implementación de GenAI en grandes empresas es un maratón, no una carrera corta. Actualmente, muchas organizaciones están entrando en la desilusión, donde las pruebas iniciales aún no han arrojado el retorno de la inversión prometido. Pero esta fase es duradera, a medida que las empresas reconsideran sus estrategias de IA desde las exageraciones hasta la realidad.
Al tener en cuenta la calidad de los datos, invertir en la preparación organizacional y aumentar la colaboración entre los dominios comerciales y de TI, las empresas pueden evitar puntos comunes de falla. Es importante destacar que, al recurrir a modelos operativos alineados con los productos y establecer expectativas realistas, las organizaciones pueden desbloquear un valor significativo.
Pero lograr esto requiere IA, gobernanza, iteración y un enfoque continuo en los resultados comerciales. Las empresas que tratan el despliegue de la IA como una transformación holística, alineando la tecnología con las personas, los procesos y el propósito, ya han convertido la inversión inicial en IA en un retorno de la inversión sostenible.
Hemos presentado las mejores plataformas de inteligencia empresarial.
Este artículo se creó como parte del canal Expert Insights de TechRadarPro, donde destacamos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
