Para aprovechar al máximo la IA, refuerza los cuatro pilares clave de tu estrategia de IA: visión, obtención de valor, riesgos y planes de adopción.
- ¿Eres cliente de Gartner? Log in para obtener resultados de búsqueda personalizados
Elabora una estrategia de IA que impulse el valor para tu empresa
Estrategia de IA: desde definir la visión de la IA hasta poner en marcha iniciativas de IA que generen valor
De pronto, todos los ejecutivos quieren probar la IA generativa en su empresa. Sin embargo, para aprovechar todo su valor y gestionar el riesgo de manera sostenible, es necesario contar con una estrategia de IA sólida, integral y alcanzable.
Considera los cuatro elementos clave de toda estrategia de IA (a continuación) y descarga el manual de planificación de la IA generativa para:
- Definir los objetivos de la IA generativa, sus beneficios y los indicadores de éxito.
- Vincular tu visión de la IA generativa al impacto empresarial.
- Evaluar y reducir los principales riesgos de la IA.
- Priorizar las iniciativas de IA generativa.
Los 4 pilares estratégicos de la IA en los que centrarte para impulsar el impacto empresarial
Para elaborar una estrategia de IA que incluya la IA generativa, es necesario adoptar un enfoque riguroso: desde desarrollar una visión empresarial hasta planificar qué iniciativas deben adoptarse y por qué.
- Visión de la IA
- Valores de la IA
- Riesgos de la IA
- Adopción de la IA
Visión de la IA: identifica las oportunidades estratégicas de la IA, tanto generativa como de otro tipo
Aunque es ahora cuando la IA generativa está en boca de todos, algunas organizaciones cuentan ya con una amplia experiencia en este campo y han implementado con éxito técnicas de IA en múltiples procesos y unidades de negocio. La investigación de Gartner muestra que estas organizaciones ya maduras en términos de IA representan solo el 10 % de las que actualmente experimentan con esta tecnología. Sin embargo, los interesados en adoptar la IA generativa pueden aprender mucho de ellas.
La IA generativa tiene el potencial de transformar de manera radical las estructuras económicas y sociales, como ocurrió en su día con otras innovaciones (internet, electricidad…). La pregunta que debe plantearse tu empresa es cómo puede la IA respaldar las ambiciones empresariales y mejorar los resultados.
Cuando se implementa bien, la IA generativa es un elemento diferenciador que ofrece una importante ventaja competitiva. En general, la IA puede automatizar tareas repetitivas y tediosas, así como generar nueva información, ideas e innovaciones mediante métodos de análisis predictivo, machine learning (ML) y otros.
La IA generativa puede influir significativamente en el valor para los accionistas al crear nuevas oportunidades de cambio disruptivo que impulsen objetivos empresariales como:
- Incremento de los ingresos. La IA ayuda a las empresas a crear nuevos productos más rápidamente. Los sectores farmacéutico, sanitario y de fabricación (bienes de consumo envasados, alimentos y bebidas, productos químicos y ciencia de los materiales) se convertirán en los primeros sectores en implementar la IA para desarrollar nuevos medicamentos, productos de limpieza menos tóxicos, aromas y fragancias novedosas, nuevas aleaciones y diagnósticos más acertados y rápidos.
- Diseño de una mejor interacción con el cliente. La IA generativa puede mejorar la interacción con el cliente al modificar de manera disruptiva las cadenas de valor y los modelos de negocio actuales para permitir, así, a las organizaciones crear contenido y distribuirlo directamente al consumidor, sin la necesidad de intermediarios tradicionales como los editores y los distribuidores.
- Reducción de costes y aumento de la productividad. Las capacidades de la IA generativa pueden simplificar los procesos y agilizar los resultados, ya sea maximizando el esfuerzo de trabajadores humanos (por ejemplo, resumiendo, simplificando y clasificando contenido), generando código de software u optimizando el rendimiento de los chatbots. La IA generativa también puede aprovechar datos que anteriormente no se usaban (y, por tanto, se desperdiciaban).
Decide cómo evaluar el éxito de la IA
Una reciente encuesta realizada por Gartner a más de 600 organizaciones que han implementado la IA muestra que aquellas con una experiencia más amplia, profunda y prolongada en el ámbito de la IA no miden su éxito por el volumen de proyectos, las tareas completadas ni la producción. Por el contrario:
Se centran más en los indicadores empresariales que en los financieros, siguen modelos específicos de atribución y toman medidas determinadas para cada caso de uso.
Realizan análisis comparativos, tanto internos como externos.
Identifican los indicadores de manera temprana y evalúan el éxito de los casos de uso de IA de forma rápida y coherente.
Algunos indicadores empresariales son los que se centran en:
El crecimiento empresarial, por ejemplo, el potencial de venta cruzada, los aumentos de precios, la estimación de la demanda o la monetización de nuevos activos.
El éxito del cliente, por ejemplo, las medidas sobre retención, la satisfacción del cliente o la cuota de cartera de clientes.
La rentabilidad, por ejemplo, la reducción de inventario, los costes de producción, la productividad de los empleados o la optimización de activos.
La investigación de Gartner muestra que aquellas organizaciones en las que el equipo de IA se implica activamente en la definición de los indicadores de éxito tienen un 50 % más de probabilidades de usar la IA de forma estratégica que aquellas organizaciones en las que el equipo no se implica. Al seleccionar los indicadores, el equipo de IA debe tener en cuenta la opinión de grupos como los gestores de datos, los analistas de negocio, los expertos sectoriales, los responsables de gestión del riesgo, los científicos de datos y los responsables y desarrolladores de TI.
Valor de la IA: derriba las barreras que impiden aprovechar eficazmente el valor de la IA
Las nuevas herramientas como ChatGPT han despertado el interés por el potencial de la IA, pero, para poder aprovechar su valor, los ejecutivos deben estudiar en profundidad el valor comercial, el riesgo, el talento y las prioridades de inversión. También deben prepararse para los posibles cambios disruptivos en los modelos de negocio y estrategias existentes.
Hasta la fecha, el valor comercial de la IA se ha generado, en gran medida, con soluciones puntuales. Para obtener más valor a gran escala, también en las iniciativas de IA generativa, puede ser necesario transformar los procesos empresariales, definir nuevos conjuntos de competencias, puestos y estructuras organizativas y, por último, adoptar nuevas maneras de trabajar. Si no te adaptas a los cambios, tu capacidad de aprovechar las oportunidades identificadas disminuirá.
La IA generativa trae consigo cambios disruptivos en términos de personal, competencias y procesos
Define cómo se transformarán los procesos y sistemas de tu organización, y cómo se potenciarán las competencias del personal cuando la IA generativa se integre en su día a día. Implementar la IA con sensatez y visión de futuro marcará la diferencia entre el éxito a largo plazo y un posible desastre.
Según los supuestos estratégicos de Gartner:
En 2026, más de 100 millones de personas trabajarán con robocolegas (compañeros virtuales sintéticos) en sus tareas en la empresa.
En 2033, las soluciones de IA implementadas para mejorar o realizar tareas, actividades o trabajos de forma autónoma habrán creado más de 500 millones de nuevos empleos humanos.
Identifica los obstáculos que podrían ralentizar la adopción de proyectos de IA generativa o impedirte aprovechar su valor. Diseña soluciones y acciones, y asigna un responsable ejecutivo que encabece el cambio organizativo necesario. Si, por ejemplo, tu organización carece de la alfabetización de datos necesaria para impulsar proyectos de IA, imparte formación en alfabetización de datos a los ejecutivos (y no solo a los empleados). El director de análisis de datos (CDAO) puede responsabilizarse de impulsar el programa y asegurar la asistencia de otros ejecutivos.
Riesgos de la IA: prepárate para evaluar y reducir los diferentes riesgos asociados con la IA
Ya se están empezando a desarrollar normas y estructuras legislativas gubernamentales sobre IA, así que deberás estar al tanto de las regulaciones específicas de tu jurisdicción. El uso de la IA sigue suscitando dilemas éticos y de responsabilidad, por lo que es posible que surjan nuevas regulaciones como respuesta a la sensibilidad de la opinión pública. En general, debes prepararte para los siguientes tipos de riesgos:
Regulatorios. La IA plantea riesgos legales al exponer a las organizaciones a posibles demandas por el acceso a contenido, información y datos protegidos o con derechos de autor. La regulación cambia rápidamente, así que deberás estar al tanto de las normas locales sobre IA para garantizar el cumplimiento de las políticas vigentes. Comprueba también las regulaciones específicas de los distintos sectores, como el de biociencias o el de servicios financieros.
Reputacionales. La IA puede amplificar los sesgos y crear una “caja negra”: un sistema de IA en el que el usuario no pueda visualizar las entradas ni las operaciones. Los proveedores que no ofrezcan transparencia en el entrenamiento de conjuntos de datos se arriesgan a obtener resultados perjudiciales. Además, los servicios de IA no probados también pueden plantear riesgos por una mala toma de decisiones o ejecución de tareas. Las empresas deben crear barreras de protección sólidas que eviten la pérdida de propiedad intelectual o datos del cliente al desarrollar o adquirir servicios de IA generativa.
Competenciales. La IA necesita de un conjunto único de habilidades que deben integrarse deliberadamente, ya sea formando al talento existente en la empresa o contratando talento nuevo proveniente de startups o del mundo académico. La demanda de profesionales competentes en áreas como la ingeniería de instrucciones o la IA responsable aumentará a corto plazo.
Las amenazas y los compromisos que conlleva la IA (para bien o para mal) evolucionan constantemente, por lo que debes establecer unos principios y políticas de gobernanza, confianza, equidad, fiabilidad, solidez, eficacia y privacidad de la IA. Las organizaciones que no lo hagan tendrán más probabilidades de obtener resultados negativos de la IA y padecer ataques. Sus modelos no funcionarán de la forma prevista y se producirán errores en la seguridad y la privacidad, pérdidas financieras y de reputación, y daños personales.
La estructura TRiSM (gestión de la confianza, el riesgo y la seguridad) de la inteligencia artificial de Gartner incluye soluciones, técnicas y procesos para la interpretabilidad, la explicabilidad y las operaciones del modelo, la privacidad y la resistencia a ataques adversarios para los clientes y la empresa. Abogamos por la creación de un equipo o grupo de trabajo interdisciplinario y dedicado que incluya equipos jurídicos, de cumplimiento, de seguridad, de TI y de análisis de datos, así como representantes empresariales, para obtener los mejores resultados de cada iniciativa de IA.
Riesgos asociados a la IA generativa
Al generar nuevas versiones de contenidos, estrategias, diseños y métodos a partir de lo aprendido en grandes repositorios de contenidos originales, la IA generativa puede dar lugar a:
Falsos resultados. La IA generativa puede razonar de manera errónea e inestable, no comprender plenamente el contexto, tener una explicabilidad y rastreabilidad limitadas y presentar sesgos.
Seguridad. Actualmente, cualquier información confidencial introducida en aplicaciones públicas queda almacenada y puede usarse para entrenar nuevas versiones del modelo. Los datos confidenciales y la propiedad intelectual pueden quedar a disposición de usuarios ajenos a la organización, incluidos agentes maliciosos.
Legales. La IA generativa puede presentar riesgos legales relacionados con la propiedad intelectual y la privacidad, como las infracciones de derechos de autor, la apropiación de secretos comerciales, la privacidad de los datos y el sesgo y la seguridad de los modelos.
Adopción de la IA: prioriza los casos de uso de IA en función del impacto empresarial y la viabilidad
A la hora de seleccionar casos de uso de IA, incluida la IA generativa, las partes interesadas de la línea de negocio deben poder articular claramente los beneficios empresariales tangibles que esperan formulando las siguientes preguntas:
¿Qué problema trata de resolver la empresa?
¿Quién es el consumidor principal de la tecnología?
¿Qué proceso empresarial albergará esa técnica de IA?
¿Qué expertos en la materia de la línea de negocio podrán guiar el desarrollo de la solución?
¿Cómo se evaluará el impacto de la implementación de la tecnología?
¿Cómo se supervisará y mantendrá el valor de la tecnología? ¿Quién lo hará?
Experimenta primero
Implantar una estrategia integral de IA sin experimentar primero con las técnicas que la componen es como poner el carro delante de los bueyes.
Sigue estos cinco pasos para introducir técnicas de IA:
Casos de uso: crea una cartera de casos de uso impactantes, cuantificables y de rápida resolución.
Habilidades: reúne el talento necesario para los casos de uso.
Datos: recopila los datos adecuados para los casos de uso seleccionados.
Tecnología: elige las técnicas de IA vinculadas a los casos de uso, las habilidades y los datos.
Organización: estructura la experiencia y los conocimientos de IA acumulados.
Esta fórmula de cinco pasos es un enfoque táctico de la introducción de técnicas de IA que favorece la obtención rápida de valor. No es una perspectiva estratégica a largo plazo.
La viabilidad de los casos de uso es tan importante como el valor comercial (o incluso más)
El primer paso es identificar los casos de uso más valiosos y debe centrarse en proyectos de mejora concretos que puedan proporcionar resultados comerciales tangibles. La viabilidad es fundamental.
Normalmente, los beneficios son mayores cuando el riesgo es alto y la viabilidad es baja. Sin embargo, no merece la pena invertir en proyectos que son imposibles de realizar con las tecnologías y datos disponibles, independientemente de su valor comercial aparente.
Los criterios de viabilidad incluyen:
Criterios técnicos. ¿Hasta qué punto es posible mejorar el caso de uso empresarial planteado hasta el nivel “avanzado” con las opciones tecnológicas existentes?
Criterios internos. Consideraciones como la (falta de) cultura, el liderazgo, la aceptación, las habilidades y la ética.
Criterios externos. Consideraciones como la(s) (falta de) regulaciones, aceptación social e infraestructura externa.
Un caso de uso que contribuya de manera extraordinaria al valor comercial y sea muy viable supondrá un avance revolucionario o bien una gran oportunidad de mercado.
La estrategia de datos afecta a la viabilidad de tus proyectos de IA
La IA requiere muchos datos y, aunque puedes usar la IA generativa sin integrar aplicaciones en tu pila de datos, no conseguirás aprovecharla al máximo si no tienes una estrategia de datos que lo posibilite.
Articular unos requisitos claros de gobernanza y gestión de datos, como las expectativas de calidad y confianza de los datos, reduce el coste de adquisición de datos y te ayuda a encontrar y registrar los que necesitas para alimentar tu IA.
Consulta también: “Factores clave de éxito de toda estrategia de análisis de datos,” “Moderniza la gestión de datos para aumentar el valor y reducir los costes” y “Cómo convertirse en una organización basada en datos”.
Recursos de IA relacionados
Si eres cliente de Gartner: Inicia sesión y accede a un paquete completo de conocimientos prácticos y herramientas sobre IA.