La inversión en IA se está acelerando en toda la empresa.
Los presupuestos están aumentando, las salas de juntas hacen preguntas difíciles y las respuestas que reciben son costos simbólicos, conteos rápidos y el número de despliegues de copilotos.
Estas no son métricas comerciales. Están registrando actividad.
La mayoría de las organizaciones se conforman con esos números porque son fáciles de rastrear y aparecen bien en los informes. El problema es que estos números miden la actividad, no los resultados.
Muestran cuánta IA se está utilizando, no si a la empresa le está yendo bien después de implementarla.
Director de IA, Smartsheet.
Aquí es donde comienza la maximización de tokens. Esto sucede cuando las empresas comienzan a recompensar a quienes utilizan la IA, en lugar de lo que realmente ofrece.
Al optimizar para las cosas equivocadas, silenciosamente estamos configurando programas de IA para que fallen.
Cuando las métricas se convierten en la misión
Hay una verdad simple en los negocios: las personas optimizan según lo que se mide, y eso lo estamos viendo ahora mismo con la IA. Es comprensible, porque los equipos comienzan a producir más resultados cuando el liderazgo lo ve y lo recompensa.
Con el tiempo, la medición se convierte en la misión y el enfoque comienza a desviarse hacia resultados tangibles. El resultado es una ola de producción que parece impresionante sobre el papel pero que tiene poco que ver con decisiones rápidas o un mejor producto.
Los grupos que más usan o gastan comienzan a ser el punto de referencia que otros sienten que deben igualar. Pero métricas como el consumo de tokens deben evaluarse como cualquier otra inversión empresarial.
Si comprometiéramos el mismo presupuesto para una nueva herramienta de ventas o una campaña de comercialización, la primera pregunta en el tablero sería: ¿Cómo aumentaron los ingresos y si hicieron avanzar el negocio de una manera mensurable?
Un alto costo simbólico sin una línea clara de resultados comerciales no es una historia de éxito. Sin esa conexión, es sólo un costo adicional. Mientras tanto, las empresas que lo resuelvan primero se moverán más rápido con costos más bajos, y esa brecha se agrava.
La IA no creó el problema; esta abierto
Hemos visto este patrón antes. En los primeros días de la computación en la nube, las empresas se movían rápidamente e invertían mucho sin repensar cómo se estructuraba el trabajo. Los costos aumentan, pero los resultados no siempre coinciden.
No fue un problema de la nube. Y no es un problema de IA. No lo fue.
La realidad es que la mayoría de las empresas tenían problemas estructurales mucho antes de que apareciera la IA. El trabajo más importante no reside en un único sistema. Se extiende a través de equipos, herramientas y departamentos, y las personas unen contextos y cierran brechas entre sistemas. Ese siempre ha sido el caso. La IA revela lo que ha hecho, y aquí es donde el problema va más allá de las métricas.
La IA hace que las personas sean más rápidas en las herramientas que ya utilizan. Pero cuando ese trabajo todavía se encuentra dentro de un sistema desconectado, la velocidad no resuelve el problema; Hace que la brecha sea más visible. Los equipos se mueven rápidamente, pero no necesariamente juntos, y es por eso que las métricas de uso pueden parecer tan sólidas. Más indicaciones, más resultados, más actividad. A primera vista, esto parece un progreso, pero sin una conexión clara con los resultados, esa actividad puede volverse confusa rápidamente.
El problema no es sólo que estemos midiendo lo incorrecto. También se debe a que, en primer lugar, la mayoría de las organizaciones no tienen una visión clara de los resultados.
Lo que parece una buena medida
Deje de preguntar cuánta IA se utiliza y empiece a preguntar qué ha cambiado a causa de ella. Algunos cambios que seguirán:
El volumen de producción no equivale al valor del negocio. Trate a los dos como intercambiables y su programa de IA ya estará fluyendo.
Comience con resultados, no con herramientas. En lugar de preguntar: “¿Cuántas indicaciones ejecutamos?” Pregunte: “¿Qué hemos logrado?”
Mida lo que motiva a los equipos. Si el efecto está dentro de una única función, entonces tienes una herramienta útil, no una ventaja competitiva.
A continuación se muestran algunos ejemplos: para los equipos de ingeniería, esto podría significar centrarse menos en líneas de código o solicitudes de extracción y más en lo que realmente llega a producción y ofrece valor a los clientes. Para marketing, puede centrarse en si las campañas se lanzan más rápido o mejor.
En última instancia, la IA que facilita la mañana de una persona es una herramienta útil, pero el valor real proviene de la IA que cambia la forma en que trabaja toda una empresa. Sin él, terminarás con herramientas inteligentes que funcionan de forma aislada. Útil por el momento pero efecto limitado.
Redefinir lo que es bueno
En este momento, la mayoría de las conversaciones sobre IA todavía se centran en la productividad individual: qué tan rápido una persona puede escribir, codificar, analizar o crear. Eso importa. Pero eso es sólo una parte de la historia.
La gran oportunidad se sitúa a nivel organizacional y analiza cómo se mueve realmente el trabajo entre los equipos, los sistemas y la empresa en su conjunto. La IA puede mejorar absolutamente la forma en que operan las empresas, pero sólo si estamos dispuestos a hacer preguntas más difíciles sobre lo que realmente estamos midiendo y por qué.
Las empresas que salgan adelante no serán las que más utilicen la IA. Serán ellos quienes cambien lo que miden al mostrar la IA. Ésta es la única métrica que importa.
Utilice el mejor almacenamiento en la nube empresarial para administrar sus datos.
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:
