La Inteligencia Artificial Generativa es una herramienta que puede transformar los negocios y mejorar las eficiencias operativas. Ángela Quintero, Líder de IBM Consulting para el norte de Suramérica describe cómo los negocios pueden crear una base para la adopción exitosa y ética de la IA generativa.
En todo el mundo, la adopción de la inteligencia artificial (IA) y su impacto en las empresas y la sociedad se encuentra en un punto de inflexión. Se está aplicando a través de soluciones como asistentes virtuales e inmersos en las operaciones de negocio existentes a través de los procesos de tecnología. Y por supuesto, está el auge de ChatGPT, que ha puesto la tecnología al servicio y a la mano del consumidor, también.
Las oportunidades para aprovechar los modelos fundacionales y la IA generativa con un buen gobierno de datos y gestión, ofrecen inmensas posibilidades. En áreas que van desde la atención al cliente, la logística, la medicina, la manufactura, la energía y otras, la IA está creando valor e impulsando la innovación. Sin embargo, muchas empresas todavía están luchando para aprovechar sus beneficios, inculcar confianza y garantizar que la IA actúa de forma responsable.
Aquí, desglosamos las formas en que la IA puede ayudar a las empresas de todos los tamaños a impulsar la competitividad y a mejorar las eficiencias para sus clientes.
Creación de modelos de IA
Según McKinsey, el 52% de los presupuestos digitales se están gastando en IA. No obstante, un estudio reciente de IBM revela que pocos proyectos de IA están entregando el valor financiero esperado. El ROI promedio es de apenas 5.9%, muy por debajo del costo típico del 10% del capital. ¿Porqué? Porque no se trata solo de invertir en IA, sino también de centrarse en la disponibilidad y el acceso a los datos, así como de crear capacidades básicas centradas en la confianza, desde la estrategia y la gobernanza hasta las habilidades y la cultura. Los negocios que obtienen ese equilibrio están viendo un ROI promedio más alto en un 30%.
El uso de modelos fundacionales sirve como punto de partida para modelos más avanzados y complejos. Permiten ajustar la IA a los datos únicos de las organizaciones e industrias. Esto puede parecer un reto, y requiere inversión, pero amortiza el trabajo inicial de desarrollar modelos de IA, generando un aumento sustancial en el ROI y reduciendo go-to-market. Sin embargo, los datos hablan por sí solos. En el trabajo que estamos haciendo con los clientes, hemos sido testigos de una aceleración en el tiempo de valor, hasta en un 70%.
Acceso al valor de la automatización
Con la adopción de la IA y la automatización cada vez más fáciles de implementar, el mercado global de IA generativa está experimentando un repunte sustancial, con una valoración actual de 11.300 millones de dólares y una tasa de crecimiento anual compuesta estimada del 35,6% para 2028. Es fácil ver este uso creciente de la IA y pensar que los trabajos se pondrán en riesgo. Sin embargo, con la escasez de trabajadores calificados la IA está ayudando a las empresas de todos los sectores a aliviar este problema automatizando tareas repetitivas.
Un estudio reciente de IBM encontró que casi un tercio (30%) de los profesionales de TI dicen que los empleados de su empresa ahorran tiempo con herramientas de IA y automatización. Y los casos de uso son vastos: desde automatizar respuestas a e-mails y usar asistentes virtuales para servir a los clientes, hasta crear documentación técnica especializada. Si la escasez de talento no se aborda, el impacto financiero en términos de ingresos perdidos sería excesivo. Las empresas están invirtiendo en IA ya que, en última instancia, es una inversión en las personas.
La ética de la IA
A medida que la inversión en IA sigue creciendo, también lo hace el debate sobre la gobernanza. Ninguna organización quiere estar en las noticias por las razones equivocadas, especialmente si se trata de sesgos. Por lo tanto, es esencial protegerse contra el sesgo accidental en todas las áreas de un negocio y fomentar la responsabilidad y transparencia. Hay varios pasos que se pueden tomar para hacer esto, como asegurar que los conjuntos de datos sean diversos, los modelos se prueben y se evalúen regularmente, junto con la supervisión humana.
Con las regulaciones de IA aumentando y cambiando rápidamente, la gobernanza adquiere una mayor importancia. Por ejemplo, las organizaciones globales se enfrentan al desafío añadido de cumplir las normas y regulaciones específicas de cada país.
