Odio el término estrategia de IA. La IA puede ser una herramienta poderosa dentro de una estrategia de TI o de transformación empresarial, pero cuando se convierte en la estrategia misma, las organizaciones corren el riesgo de perder de vista los resultados que intentan lograr.
Una transformación exitosa depende de la planificación, una medición significativa del desempeño y personas dispuestas a aceptar el cambio.
Esta distinción es cada vez más importante a medida que avanzan las capacidades de la IA.
Asesor Jurídico Senior, IA, Intersystem.
Es comprensible que las organizaciones estén ansiosas por adoptar tecnología y obtener una ventaja competitiva.
La carrera ha comenzado, pero el valor duradero dependerá de hacer preguntas más disciplinadas: ¿dónde puede la IA crear un impacto empresarial significativo, cómo debe gestionarse y puede escalar más allá de los experimentos iniciales?
Para muchas organizaciones, ese salto de la prueba a la escala sigue siendo difícil de alcanzar.
Un estudio reciente de McKinsey encontró que la mayoría de las organizaciones permanecen en modo experimental o piloto. A medida que la regulación añade ambigüedad para quienes se apresuran a implementar soluciones de IA, la planificación estratégica se vuelve crítica.
La IA requiere propiedad empresarial
Para cualquier transformación empresarial, la participación de las partes interesadas es el primer obstáculo. El desafío es convertir el interés inicial y los proyectos piloto aislados en iniciativas que sean mensurables, bien gobernadas y vinculadas a resultados empresariales a largo plazo.
Para capacidades de IA escalables, se requiere una vista macro. La falta de coordinación entre las partes interesadas es a menudo la razón por la que la IA se estanca en la etapa piloto. La estrategia no puede estar contenida únicamente dentro del departamento de TI. En cambio, la colaboración entre los equipos legal, de cumplimiento, de tecnología, de operaciones y comercial es crucial, especialmente porque el riesgo de la IA se vuelve más difícil de separar del riesgo empresarial.
Con la confusión de las regulaciones de IA y las agendas geopolíticas, las asociaciones estratégicas con equipos legales son un aspecto de esta participación de las partes interesadas que tiene cada vez más demanda, ayudando a las organizaciones a responder a la incertidumbre con más agilidad incorporada desde el principio.
Una vez involucradas las personas adecuadas, el siguiente paso es comprender el problema empresarial. Durante la planificación inicial, los procesos de negocio deben mapearse de forma coherente. Una vez que se identifican los problemas, se pueden encontrar soluciones.
Es posible que estas soluciones no impliquen necesariamente la IA. Se debe considerar si la tecnología de TI estándar u otro proceso resolverá el problema primero.
Si la IA es la herramienta adecuada, todavía es necesario introducirla con una comprensión clara de los procesos de flujo de trabajo. De lo contrario, las organizaciones pueden resolver problemas con la IA de forma rápida y sencilla.
Múltiples casos de uso y proveedores de IA pueden exacerbar las ineficiencias que se suponía que la IA debía solucionar y crear más cargas regulatorias. Antes de decidir qué oportunidades están listas para escalar, el valor a largo plazo provendrá de identificar dónde se pueden mejorar procesos específicos, incluida la simplificación, no la duplicación.
Aquí es donde la velocidad debe equilibrarse con la adaptabilidad. La IA y la gobernanza responsables son pilares para la preparación y el cumplimiento normativo, pero son las palancas que permiten a las organizaciones cambiar de marcha cuando sea necesario.
Medir el valor más allá de la productividad
Cuando la IA se desarrolla como parte de una estrategia de transformación más amplia, las organizaciones deben pensar detenidamente cómo se medirá el éxito. Con demasiada frecuencia, la IA sigue siendo una iniciativa tecnológica aislada, valorada principalmente por el aumento de la productividad o el ahorro de costos a corto plazo. Estas métricas son útiles pero no representan el panorama completo.
La verdadera prueba es si la IA mejora la calidad y la eficiencia del trabajo, reduce el riesgo, fortalece la producción empresarial y promueve el bienestar y la satisfacción laboral de los empleados.
Muchas organizaciones también luchan por tener KPI claros y un retorno de la inversión real. Si la adopción interna de la IA es inconsistente y si las organizaciones luchan por identificar casos de uso que puedan escalar en lugar de tener pilotos aislados, es posible que nunca se obtengan beneficios. La gente necesita utilizar herramientas de inteligencia artificial para demostrar los beneficios.
Incluso cuando la adopción mejora, es posible que los KPI iniciales no sean tangibles de inmediato. Es posible que no sean evidentes en los informes financieros o en métricas de desempeño claras.
Sin embargo, el valor de la IA todavía se puede sentir en la calidad del trabajo, ya que reduce las tareas repetitivas y brinda a los empleados más capacidad para concentrarse en actividades de alto valor. Es por eso que las organizaciones deben mirar más allá de las medidas de valor más obvias.
A largo plazo, las implementaciones de IA ayudarán a dejar de lado las tareas administrativas o duplicadas, creando más tiempo para iniciativas estratégicas. Sin embargo, más allá del elemento humano, las organizaciones deberían comparar la IA con resultados comerciales más amplios, como la calidad de las decisiones, la reducción de riesgos, la resiliencia y el impacto en el cliente.
La misma visión más amplia del valor debería dar forma a la forma en que se diseñan los pilotos. Los pilotos son útiles para probar pruebas de conceptos, perfeccionar los ferrocarriles y fomentar la adopción cultural. Sin embargo, a menudo se llevan a cabo en un entorno cerrado, con datos sintéticos, con usuarios limitados y bajo la supervisión del proveedor de tecnología.
A medida que la IA se acerca a la escala, las organizaciones deben revisar esos supuestos iniciales y evaluar si la herramienta aún puede ofrecer valor en situaciones del mundo real. En resumen, las lecciones aprendidas de los proyectos piloto, incluido cómo los costos y el comportamiento de los usuarios pueden cambiar a escala, deben aplicarse para una adopción generalizada.
La confianza determinará la escala
A medida que las organizaciones pasan de la experimentación a la implementación generalizada, la estrategia de los proveedores se vuelve crítica. Incluso los casos de uso de IA bien definidos pueden tener dificultades para escalar si la tecnología no se puede integrar en los sistemas y flujos de trabajo centrales. Una vez mapeados los procesos y problemas, seleccionar el proveedor adecuado es donde la estrategia comienza a ponerse en práctica.
Las empresas que ignoren a los proveedores que promueven la IA responsable y el cumplimiento estarán en desventaja competitiva aquí. Pueden desperdiciar dinero en soluciones que no funcionarán, no escalarán y necesitarán ser reutilizadas más adelante. Es posible que no cumplan con las obligaciones regulatorias si no pueden obtener o registrar información como el linaje de datos o la transparencia cuando los usuarios interactúan con herramientas de inteligencia artificial.
Gartner sostiene que el valor de la IA depende de los pilotos conectados a los negocios, la preparación de la infraestructura de TI y la coordinación entre la IA y los equipos de negocios. Por lo tanto, la confianza y la transparencia se están convirtiendo en la nueva moneda, especialmente ahora que la Fundación Thomson Reuters y la UNESCO advierten sobre una brecha de transparencia cada vez mayor en la adopción corporativa de la IA.
Para las medidas de IA, la gobernanza no puede considerarse una carga administrativa. La gobernanza eficaz de la IA abarca la clasificación de riesgos de los casos, la selección de herramientas, la responsabilidad, las revisiones de seguridad, la diligencia debida de los proveedores y el seguimiento continuo. Proporciona el manual para futuras expansiones y ayuda a la organización a explicar sus sistemas externamente.
Esa creencia externa debe satisfacerse internamente. La adopción de una IA escalable dependerá de si los empleados confían en el sistema, comprenden cómo se relacionan las herramientas con la innovación de procesos y sienten que su propio juicio sigue siendo importante. Si lo hacen, utilizarán las herramientas, implementarán KPI y ayudarán a perfeccionar la implementación.
El valor a largo plazo y la escalabilidad de la IA tienen menos que ver con la velocidad, la automatización y el ahorro de costos. Proviene del uso estratégico de la tecnología, con gobernanza y confianza desde el principio. Para las organizaciones que reconocen estos matices, la IA deja de considerarse una estrategia independiente y pasa a formar parte de la estrategia empresarial.
Enumeramos el mejor software de RRHH.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar 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:
