Guía del CIO para crear una hoja de ruta de IA que genere valor

No existe una hoja de ruta universal para la IA; necesitas crear una hoja de ruta que sea efectiva para tu organización. El abanico de actividades potenciales es amplio, y no deberías intentar llevarlas a cabo todas; selecciona las que sean fundamentales para tu estrategia de IA y para tus casos de uso, y ordénalas de manera adecuada, desde las iniciales hasta las avanzadas.

Aborda la fijación de objetivos con una declaración concisa de las decisiones que tomará tu organización para tener éxito. Para empezar, define tus ambiciones respecto a la IA, es decir, el impacto estratégico que esperas crear con la IA, el cual debe estar alineado con la estrategia empresarial. La estrategia inicial de IA establece los objetivos de adopción para la hoja de ruta y las prioridades de la cartera de casos de uso. Entre las actividades más avanzadas se encuentra el establecimiento de un proceso para refinar la estrategia, incluida la medición de su éxito.

El valor de la IA se logra directamente a través de una cartera de iniciativas de IA. Por lo general, comenzarás priorizando un conjunto de casos de uso iniciales, ejecutando proyectos piloto, realizando un seguimiento y demostrando su valor empresarial. Entre las actividades más avanzadas se incluyen la creación de una cartera de productos de IA, donde el enfoque no está en la entrega de proyectos puntuales, sino en la creación continua de valor que evoluciona permanentemente con las necesidades del cliente y la tecnología en constante cambio.

Descubre cómo un Gartner Executive Partner (EP) puede ayudarte. Como cliente, puedes trabajar directamente con un EP mentor para diseñar tu hoja de ruta de IA personalizada.

A medida que se expanda la IA, tu organización también necesitará evolucionar. Al principio, deberás contar con un plan de dotación de recursos que responda a las necesidades de los casos de uso y estrategia iniciales de IA, incluyendo si cubrirás las carencias clave en cuanto a capacidades de manera interna o externa. En el ámbito interno, las organizaciones suelen empezar por crear un grupo de expertos que reúna a los interesados en IA o a equipos especializados en ella, con el objetivo de enfocarse en un conjunto limitado de actividades prioritarias. Con el tiempo, esto puede transformarse en un modelo operativo diseñado para escalar aún más la IA en la organización. En el ámbito externo, las organizaciones suelen empezar por formar un número limitado de alianzas externas y, con el tiempo, formalizan un proceso para gestionar esas relaciones.

La IA representa un cambio importante para la fuerza laboral: los empleados necesitarán adquirir nuevas habilidades, algunos puestos de trabajo deberán rediseñarse y la cultura organizacional deberá adaptarse. El primer paso suele ser desarrollar un plan de fuerza laboral que identifique las implicaciones de la IA para el talento, las brechas de talento actuales y las estrategias para abordarlas. Con el tiempo, esto evoluciona hacia un proceso continuo de revisión de funciones y puestos, un plan de gestión del cambio y un protocolo para evaluar el impacto de la IA en la fuerza laboral.

La IA conlleva numerosos riesgos que deben gestionarse desde el principio. El proceso suele comenzar con la identificación de los principales riesgos de la IA y el establecimiento de los principios, las políticas y los procesos de aplicación iniciales para gestionar y mitigar esos riesgos, incluidas las cuestiones éticas de la IA. Luego, los líderes de IA pueden formalizar una estructura de gobernanza de la IA que defina los derechos de decisión y establezca un modelo operativo más amplio. Entre las actividades más avanzadas se incluyen realizar pruebas piloto de herramientas de gobernanza y crear programas de alfabetización en IA para capacitar a los empleados de forma más amplia sobre la gobernanza de la IA.

Una base técnica sólida es esencial para garantizar que la IA de tu organización sea confiable y escalable. Inicialmente, las organizaciones deben definir criterios para decidir entre desarrollar internamente o adquirir soluciones para sus casos de uso, crear un entorno de pruebas para experimentar y empezar a identificar patrones de diseño y arquitectura de referencia para promover la reutilización. También deben seleccionar cuidadosamente a los proveedores que respaldarán los casos de uso iniciales y, con el tiempo, evolucionar hacia una estrategia de proveedores de IA más coherente. Entre las actividades más avanzadas se incluye el establecimiento de una práctica de ModelOps, que abarque la observabilidad de la IA, buenas prácticas de UI/UX y FinOps, así como la implementación de la ingeniería de plataformas de IA.

Los datos son un elemento esencial de la gran mayoría de los casos de uso de IA. Sin embargo, los datos preparados para la IA requieren un conjunto de capacidades diferente al de la gestión de datos tradicional. Los líderes de IA suelen empezar por comprender la preparación de sus datos para el conjunto inicial de casos de uso de IA, identificando los requisitos clave e implementando un plan para preparar sus datos. A continuación, buscan una mayor aceptación de las inversiones necesarias a largo plazo para desarrollar sus capacidades de datos para la IA y adaptar su gobernanza de datos, incluidas las prácticas de calidad de datos y metadatos. La IA también requiere capacidades para visualizar y analizar los datos, así como la observabilidad de datos para supervisar los datos en producción.

Los clientes de Gartner (dependiendo de su suscripción) pueden crear su propia hoja de ruta de inteligencia artificial utilizando la herramienta Gartner AI Roadmap.