Los proveedores quieren hacerle creer que estamos en medio de una revolución de la IA, una revolución que está cambiando la naturaleza misma de nuestra forma de trabajar. Pero la verdad, según varios estudios recientes, sugiere que hay muchos más matices que eso.
Las empresas están muy interesadas en IA generativa A medida que los proveedores impulsan beneficios potenciales, pero convertir ese deseo de una prueba de concepto en un producto funcional está resultando mucho más desafiante: se enfrentan a la complejidad técnica de la implementación, ya sea debido a la deuda técnica de una pila de tecnología más antigua o simplemente. falta de personas con las habilidades adecuadas.
De hecho, un estudio reciente de Gartner descubrió que las dos principales barreras para implementar soluciones de IA eran encontrar formas de estimar y demostrar valor (49%) y la falta de talento (42%). Estos dos elementos podrían convertirse en obstáculos clave para las empresas.
Considere eso un estudio de LucidWorksuna empresa de tecnología de búsqueda empresarial, descubrió que solo 1 de cada 4 de los encuestados informó haber implementado con éxito un proyecto de IA generativa.
Aamer Baig, socio principal de McKinsey and Company, hablando en la Simposio MIT Sloan CIO en mayo, dijo que su empresa también encontró en un encuesta reciente que solo el 10% de las empresas están implementando proyectos de IA generativa a escala. También informó que sólo el 15% estaba viendo algún impacto positivo en las ganancias. Eso sugiere que el revuelo podría estar muy por delante de la realidad que están experimentando la mayoría de las empresas.
¿Cuál es la soporte?
Baig considera que la complejidad es el factor principal que frena a las empresas, incluso con un proyecto simple que requiere entre 20 y 30 elementos tecnológicos, siendo el LLM adecuado solo el punto de partida. También necesitan cosas como controles de seguridad y datos adecuados, y es posible que los empleados tengan que aprender nuevas capacidades como ingeniería rápida y cómo implementar controles de IP, entre otras cosas.
Las pilas de tecnología antiguas también pueden frenar a las empresas, afirma. «En nuestra encuesta, uno de los principales obstáculos citados para lograr la IA generativa a escala fue en realidad demasiadas plataformas tecnológicas», dijo Baig. “No fue el caso de uso, no fue la disponibilidad de datos, no fue el camino hacia el valor; en realidad eran plataformas tecnológicas”.
Mike Mason, director de IA de una consultora Pensamientos, dice que su empresa dedica mucho tiempo a preparar a las empresas para la IA, y su configuración tecnológica actual es una gran parte de eso. “Entonces la pregunta es: ¿cuánta deuda técnica tienes y cuánto déficit? Y la respuesta siempre será: depende de la organización, pero creo que las organizaciones sienten cada vez más el dolor de esto”, dijo Mason a TechCrunch.
Comienza con buenos datos.
Una gran parte de ese déficit de preparación es la pieza de datos: el 39% de los encuestados en la encuesta de Gartner expresaron su preocupación por la falta de datos como una de las principales barreras para la implementación exitosa de la IA. «Los datos son un desafío enorme y abrumador para muchas, muchas organizaciones», dijo Baig. Recomienda centrarse en un conjunto limitado de datos con miras a la reutilización.
“Una lección simple que hemos aprendido es enfocarnos en datos que te ayudan con múltiples casos de uso, y eso generalmente termina siendo tres o cuatro dominios en la mayoría de las empresas en los que realmente puedes comenzar y aplicarlos a tus objetivos de alta prioridad. «Los desafíos comerciales con valores comerciales y ofrecer algo que realmente llegue a producción y escala», dijo.
Mason dice que una gran parte de poder ejecutar la IA con éxito está relacionada con la preparación de los datos, pero eso es sólo una parte. «Las organizaciones se dan cuenta rápidamente de que en la mayoría de los casos necesitan hacer algún trabajo de preparación de la IA, algo de construcción de plataformas, limpieza de datos y todo ese tipo de cosas», dijo. «Pero no es necesario adoptar un enfoque de todo o nada, no es necesario pasar dos años antes de poder obtener algún valor».
Cuando se trata de datos, las empresas también deben respetar de dónde provienen y si tienen permiso para usarlos. Akira Bell, CIO de Mathematica, una consultora que trabaja con empresas y gobiernos para recopilar y analizar datos relacionados con diversas iniciativas de investigación, dice que su empresa debe actuar con cuidado cuando se trata de poner esos datos a trabajar en la IA generativa.
«A medida que analizamos la IA generativa, ciertamente habrá posibilidades para nosotros y analizamos el ecosistema de datos que utilizamos, pero tenemos que hacerlo con cautela», dijo Bell a TechCrunch. En parte, esto se debe a que tienen una gran cantidad de datos privados con acuerdos estrictos de uso de datos, y en parte a que a veces tratan con poblaciones vulnerables y deben ser conscientes de ello.
“Llegué a una empresa que realmente se toma en serio ser un administrador de datos confiable y, en mi rol como CIO, tengo que estar muy arraigado en eso, tanto desde una perspectiva de ciberseguridad como desde la forma en que tratamos a nuestros clientes y sus datos, así que sé lo importante que es la gobernanza”, dijo.
Ella dice que en este momento es difícil no sentirse entusiasmado con las posibilidades que la IA generativa aporta; la tecnología podría proporcionar formas significativamente mejores para que su organización y sus clientes comprendan los datos que están recopilando. Pero también es su trabajo moverse con cautela sin obstaculizar el progreso real, un acto de equilibrio desafiante.
Encontrar el valor
Al igual que cuando surgió la nube hace una década y media, los CIO son naturalmente cautelosos. Ven el potencial que aporta la IA generativa, pero también deben ocuparse de aspectos básicos como la gobernanza y la seguridad. También necesitan ver el retorno de la inversión real, que a veces es difícil de medir con esta tecnología.
en enero Artículo de TechCrunch sobre modelos de precios de IA, Enebro La CIO Sharon Mandell dijo que estaba resultando un desafío medir el retorno de la inversión en IA generativa.
«En 2024, vamos a poner a prueba el revuelo de genAI, porque si esas herramientas pueden producir los tipos de beneficios que dicen, entonces el retorno de la inversión sobre ellas es alto y puede ayudarnos a eliminar otras cosas», dijo. Por eso, ella y otros CIO están ejecutando pruebas piloto, moviéndose con cautela y tratando de encontrar formas de medir si realmente hay un aumento de productividad que justifique el aumento de costos.
Baig dice que es importante tener un enfoque centralizado para la IA en toda la empresa y evitar lo que él llama «demasiadas iniciativas skunkworks», donde pequeños grupos trabajan de forma independiente en una serie de proyectos.
“Se necesita el andamiaje de la empresa para asegurarse de que los equipos de producto y plataforma estén organizados, enfocados y trabajando al ritmo. Y, por supuesto, necesita la visibilidad de la alta dirección”, afirmó.
Nada de eso es garantía de que una iniciativa de IA vaya a tener éxito o de que las empresas encuentren todas las respuestas de inmediato. Tanto Mason como Baig dijeron que es importante que los equipos eviten intentar hacer demasiado, y ambos enfatizan la reutilización de lo que funciona. «La reutilización se traduce directamente en velocidad de entrega, manteniendo felices a sus empresas y generando impacto», dijo Baig.
Independientemente de cómo las empresas ejecuten proyectos de IA generativa, no deberían quedar paralizadas por los desafíos relacionados con la gobernanza, la seguridad y la tecnología. Pero tampoco deberían dejarse cegar por las exageraciones: habrá muchos obstáculos para casi todas las organizaciones.
El mejor enfoque podría ser poner en marcha algo que funcione y muestre valor y construir a partir de ahí. Y recuerde que, a pesar de las exageraciones, muchas otras empresas también están pasando apuros.
