La primera ola de la IA corporativa está condenada al fracaso

La inteligencia artificial es un tema candente ahora mismo. Impulsadas por el miedo a salir perdiendo, las empresas de muchos sectores han anunciado iniciativas centradas en la IA. Lamentablemente, la mayoría de estos esfuerzos fracasarán. Fracasarán no porque la IA sea todo bombo publicitario, sino porque las empresas abordan la innovación impulsada por la IA de manera incorrecta. Y no es la primera vez que las empresas cometen este tipo de errores.

A finales de la década de 1990, Internet era la gran tendencia. La mayoría de las empresas crearon divisiones en línea. Pero hubo muy pocas victorias al principio. Una vez que se produjo la caída de las puntocom, estas empresas cerraron o redujeron significativamente sus esfuerzos en Internet. Unos años más tarde, los sorprendieron durmiendo una siesta cuando las empresas emergentes de Internet revolucionaron industrias como la música, los viajes, las noticias y el vídeo, y transformaron decenas de otras.

A mediados de la década de 2000, todo el rumor giraba en torno a la computación en nube. Una vez más, varias empresas decidieron hacer pruebas. Hubo varios problemas iniciales, que iban desde el cumplimiento de la normativa hasta la seguridad. Muchas organizaciones dejaron de mover sus datos y aplicaciones a la nube. Los que persistieron están increíblemente bien posicionados hoy en día, ya que han transformado sus procesos empresariales y han permitido un nivel de agilidad que la competencia no puede imitar fácilmente. La gran mayoría sigue intentando ponerse al día.

Herramientas relacionadas

• 

  Las últimas investigaciones: IA y aprendizaje automático

  Tecnología y operaciones Libro

  49.95

  View Details

Creemos que con la IA ocurrirá una historia similar de fracasos tempranos que conducen a retiradas irracionales. Las pruebas ya sugieren que es poco probable que los primeros pilotos de IA produzcan los resultados espectaculares que predicen los entusiastas de la tecnología. Por ejemplo, los primeros esfuerzos de las empresas para desarrollar chatbots para la plataforma Messenger de Facebook vieron Tasas de fracaso del 70% en manejo solicitudes de los usuarios. Sin embargo, anular estas iniciativas entre las grandes empresas sería un error. El potencial de la IA para transformar las industrias es realmente enorme. Reciente investigación del McKinsey Global Institute descubrió que el 45% de las actividades laborales podrían automatizarse con las tecnologías actuales, y el 80% de esas actividades se pueden automatizar con el aprendizaje automático. El informe también destacó que las empresas de muchos sectores, como la fabricación y la atención médica, han capturado menos del 30% del potencial de sus inversiones en datos y análisis. Los fracasos tempranos se utilizan a menudo para retrasar o acabar por completo con estas inversiones.

La IA es un cambio de paradigma para las organizaciones que aún no han adoptado plenamente ni obtenido los resultados ni siquiera de los análisis básicos. Así que crear un aprendizaje organizacional en la nueva plataforma es mucho más importante que lograr un gran impacto a corto plazo. Pero, ¿cómo justifica un gerente seguir invirtiendo en IA si las primeras iniciativas no dan resultados?

Play

Play

00:00

Play

Seek 10 seconds backwards

Seek 10 seconds forward

00:00 / 00:00

Mute

Settings

Picture in picture

Fullscreen

.video-summary-list-container { height: 100%; } .video-summary-list-container .MuiScopedCssBaseline-root { height: 100%; }

Summary & chapters

Read as overview

.chapters-list-module_intro__74vPf { padding: 16px; border-bottom: 1px solid rgba(255, 255, 255, 0.2); } .chapters-list-module_chapter__uKhQh { padding: 0 16px 16px 8px; border-bottom: 1px solid rgba(255, 255, 255, 0.2); .MuiPaper-root .MuiButtonBase-root .MuiAccordionSummary-content { margin-top: 16px; margin-bottom: 0; } .MuiPaper-root .MuiCollapse-root .MuiCollapse-wrapper .MuiAccordionDetails-root { padding-bottom: 0; } } .chapters-list-module_chapter-header__Pu4Xi { width: 100%; margin-right: 8px; } .chapters-list-module_chapter-header-content__JIOjX { flex-grow: 1; padding: 8px; border-radius: 8px; cursor: pointer; } .chapters-list-module_chapter-header-content__JIOjX:hover { background-color: rgba(0, 0, 0, .2); } .chapters-list-module_chapter-header-expand-icon__tLLZ9 { margin-top: 16px; } .chapters-list-module_chapter-header-text__bPoKD { font-size: 11px; font-weight: 400; letter-spacing: 1px; text-transform: uppercase; } .chapters-list-module_chapter-bullet-icon__kCL9n { font-size: 11px; font-weight: 400; letter-spacing: 1px; text-transform: uppercase; } .chapters-list-module_chapter-intro__H-iVR { display: flex; align-items: center; gap: 8px; margin-bottom: 2px; } .chapters-list-module_chapter-description__ziIpd { margin: 0 -16px 0 -8px; } .chapters-list-module_intro-text__Sqgju { } .chapters-list-module_chapter-description__ziIpd, .chapters-list-module_intro-text__Sqgju { font-size: 16px !important; white-space: pre-wrap; }

Le sugerimos adoptar un enfoque de cartera para los proyectos de IA: una combinación de proyectos que puedan generar ganancias rápidas y proyectos a largo plazo centrados en transformar el flujo de trabajo de principio a fin. Para ganar rápidamente, uno podría centrarse en cambiar los puntos de contacto internos de los empleados, utilizando los avances recientes en la comprensión del habla, la visión y el lenguaje. Algunos ejemplos de estos proyectos podrían ser una interfaz de voz para ayudar a los farmacéuticos a buscar medicamentos sustitutivos o una herramienta para programar reuniones internas. Son áreas en las que se pueden utilizar las herramientas de IA disponibles recientemente, como la API Cloud Speech de Google y la API de reconocimiento de voz de Nuance, y no requieren una inversión masiva en formación y contratación. (Divulgación: uno de nosotros es ejecutivo de Alphabet Inc., la compañía madre de Google.) No van a ser transformadores, pero ayudarán a crear consenso sobre el potencial de la IA. Estos proyectos también ayudan a las organizaciones a adquirir experiencia en la recopilación, el procesamiento y el etiquetado de datos a gran escala, habilidades que las empresas deben tener antes de embarcarse en proyectos de IA más ambiciosos.

Para los proyectos a largo plazo, se podría ir más allá de la optimización de puntos y repensar los procesos de principio a fin, que es el área en la que es probable que las empresas tengan el mayor impacto. Por ejemplo, una aseguradora podría tomar un proceso empresarial, como el procesamiento de reclamaciones, y automatizarlo por completo, mediante la comprensión oral y visual. El seguro de automóvil de Allstate ya permite a los usuarios tomar fotos de los daños del automóvil y resolver sus reclamaciones a través de una aplicación móvil. La tecnología que se ha especializado en fotografías de reclamaciones anteriores puede estimar con precisión el alcance de los daños y automatizar todo el proceso. Como han aprendido empresas como Google, crear una automatización del flujo de trabajo tan valiosa no solo requiere tecnología lista para usar, sino también habilidades organizativas para el entrenamiento de los algoritmos de aprendizaje automático.

A medida que Google perseguía su objetivo de hacer la transición a una empresa que priorizara la IA, siguió un enfoque similar basado en la cartera. Al principio se centraba en incorporar el aprendizaje automático en algunos subcomponentes de un sistema (por ejemplo, la detección de spam en Gmail), pero ahora la empresa utilizar el aprendizaje automático para reemplazar conjuntos enteros de sistemas. Además, para aumentar el aprendizaje organizacional, la empresa está distribuyendo a los expertos en aprendizaje automático en los grupos de productos y formando a miles de ingenieros de software, en todos los productos de Google, en aprendizaje automático básico.

Todo esto lleva a la pregunta de cuál es la mejor manera de contratar los recursos para estos esfuerzos. La buena noticia es que los mercados emergentes de algoritmos y conjuntos de datos de IA, como Algorithmia y Kaggle, propiedad de Google, junto con una infraestructura escalable y basada en la nube diseñada a medida para la inteligencia artificial, están reduciendo las barreras. Los algoritmos, los datos y la infraestructura de TI para el aprendizaje automático a gran escala son cada vez más accesibles incluso para las pequeñas y medianas empresas.

Además, el coste del talento en inteligencia artificial está bajando a medida que aumenta la oferta de profesionales formados. Así como el coste de crear una aplicación móvil pasó de 200 000 a 300 000 dólares en 2010 a menos de 10 000 dólares en la actualidad, con mejores herramientas de desarrollo, la estandarización en torno a unas pocas plataformas (Android e iOS) y el aumento de la oferta de desarrolladores de dispositivos móviles, se acerca una deflación de precios similar en el coste de crear sistemas impulsados por la IA. La implicación es que no hay necesidad de que las empresas anticipen sus contrataciones. Contratar de forma lenta, pero constante, a lo largo del tiempo y utilizar los mercados de software e infraestructura de aprendizaje automático puede ayudar a mantener los costes gestionables.

No cabe duda de que está empezando a surgir un frenesí de la IA. Creemos que la IA transformará las industrias. Pero las empresas que tendrán éxito con la IA son las que se centran en crear el aprendizaje organizacional y cambiar el ADN organizacional. Y los que adopten un enfoque de cartera en lugar de concentrar sus esfuerzos en esa gran victoria estarán en mejores condiciones para aprovechar el poder transformador del aprendizaje artificial.