Una guía para directivos sobre como implantar la IA con éxito

Hace 70 años John McCarthy acuñó el término «inteligencia artificial». Desde entonces hemos asistido a una oleada tras otra de innovación tecnológica.

La informática personal, Internet, los dispositivos móviles y, ahora, la IA generativa. Cada uno de estos cambios ha creado nuevas oportunidades, pero también preguntas para los líderes de muchas áreas sobre cómo obtener un valor sostenible.

En un eBook titulado «Building a Foundation for AI Success: A Leader’s Guide«, Microsoft ha compartido ideas a medida para los líderes que, colectivamente, forman una base para construir este valor sostenible con la IA. También sugieren próximos pasos pragmáticos para acelerar el progreso alineado con los objetivos empresariales.

Definiciones

• Inteligencia Artificial (IA) (años 50): teoría y desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana, como la percepción visual, el reconocimiento del habla, la toma de decisiones y la traducción entre idiomas.
• Aprendizaje automático (sobre el 1990): subconjunto de la IA y la informática en la que los modelos algorítmicos algorítmicos se entrenan para aprender de datos tomar decisiones o hacer predicciones
• Aprendizaje profundo (sobre el 2010): una técnica de aprendizaje automático que utiliza capas de redes neuronales para procesar datos y tomar decisiones
• IA generativa (a partir del 2020): un tipo de tecnología de IA que utiliza modelos algorítmicos algorítmicos para crear nuevos contenidos auditivo cuando se le dan instrucciones o datos existentes.

Cinco pilares del éxito de la IA

Aunque el término «inteligencia artificial» existe desde la década de 1950, el ritmo de innovación de la IA se ha acelerado en los últimos años, gracias a la abundancia de datos, el mayor acceso a la potencia de cálculo y el tamaño y la sofisticación de los modelos algorítmicos.

La IA es fundamentalmente diferente de las tecnologías que la han precedido, tanto en su enfoque como en sus capacidades. Se basa en probabilidades, más que en reglas, y «aprende» de los datos sin necesidad de instrucciones explícitas. La IA permite a los ordenadores realizar ciertas tareas que antes sólo podían hacer los humanos, como la percepción visual, el reconocimiento del habla, la toma de decisiones y la traducción de idiomas.

La IA generativa va un paso más allá. Puede utilizarse, entre otras cosas, para crear contenidos, resumir y responder preguntas, así como para crear imágenes a partir de instrucciones de texto, todo ello utilizando el lenguaje cotidiano. «Por primera vez, todos los seres humanos podrán expresar sus intenciones a un dispositivo informático de forma muy natural», afirma Kevin Scott, Vicepresidente Ejecutivo y Director de Tecnología de Microsoft.

Dado el ritmo de la innovación en IA, las preguntas más frecuentes que escuchamos de los clientes son: ¿Hacia dónde me dirijo? ¿Cómo puedo conseguir el máximo impacto? ¿En qué consiste el éxito?

Aunque no hay una respuesta única para todas las organizaciones, estamos empezando a ver cómo surgen las mejores prácticas en cinco categorías distintas, a las que nos referimos aquí como los cinco pilares del éxito de la IA:

1. Estrategia empresarial Objetivos empresariales claramente definidos y priorizados, casos de uso y medición del valor de la IA.
2. Estrategia tecnológica Una arquitectura de plataforma de datos y aplicaciones preparada para la IA, parámetros alineados para las decisiones de creación frente a compra y planes sobre dónde alojar los datos y las aplicaciones para optimizar los resultados.
3. Estrategia y experiencia en IA Un enfoque sistemático de la IA centrado en el cliente que incluya la aplicación del modelo adecuado al caso de uso correcto y experiencia en la creación, prueba y realización del valor de la IA en múltiples unidades de negocio, casos de uso y dimensiones.
4. Organización y cultura Un modelo operativo claro, apoyo del liderazgo, proceso de gestión del cambio, acceso al aprendizaje y desarrollo continuos y relaciones sólidas con diversos expertos en la materia.
5. Gobernanza de la IA Implementación de procesos, controles y estructuras de responsabilidad para gobernar la privacidad de los datos, la seguridad y el uso responsable de la IA.

Estrategia empresarial

Objetivos empresariales claramente definidos y priorizados, casos de uso y medición del valor de la IA

Uno de los principales impulsores del éxito de la IA es el grado en que la organización ha definido y priorizado los objetivos empresariales, los casos de uso y la forma en que medirá el valor. Esto es especialmente importante dada la amplia aplicabilidad de la IA a tantas necesidades diferentes, como la optimización de procesos, la generación de contenidos, la síntesis, las adquisiciones, la optimización de la cadena de suministro y mucho más. El éxito requiere centrarse rigurosamente en los objetivos estratégicos, así como una mentalidad de crecimiento para aceptar los retos y aprender de los fracasos.

En lugar de empezar preguntando qué puede hacer la IA, tenemos que girar el telescopio y preguntar: «¿Qué está intentando hacer en su negocio y cómo puede ayudarle la IA?», afirma Jason Price, Director de Gestión Especializada de Microsoft.

De hecho, la encuesta Gartner® 2022 AI Use-Case ROI Survey afirma que las «principales barreras que impiden la implantación de la IA son la incapacidad/dificultad para medir el valor y la falta de comprensión de los beneficios y usos de la IA». El 19% de los encuestados citó «incapaz/difícil de medir el valor» y el 19% citó «falta de comprensión de los beneficios y usos de la IA.» 

En «Quick Answer: What Is the True Return on AI Investment?» Gartner afirma: «Las empresas no obtienen el máximo rendimiento de las inversiones en inteligencia artificial, a pesar del aumento del gasto. Los líderes ejecutivos deben convertirse en creadores agudos y perspicaces de estrategias de inversión en IA para obtener un valor óptimo de las iniciativas de IA», y que «el mejor rendimiento de la inversión en IA procederá de una amplia cartera de IA, guiada por una tesis de inversión expansiva y evolutiva que esté alineada con las prioridades estratégicas y ayude a asignar recursos en función del impacto empresarial. Las organizaciones que siguen un plan de gestión de cartera para determinar la mayoría de los casos de uso de IA tienen 2,4 veces más probabilidades de alcanzar niveles maduros de implementación de IA.»

Estrategia tecnológica

Una arquitectura de plataforma de datos y aplicaciones preparada para la IA, parámetros alineados para las decisiones de creación frente a compra y planes sobre dónde alojar los datos y las aplicaciones para optimizar los resultados.

El ritmo de la innovación en IA ha cautivado la imaginación de personas de todo el mundo. También ha intensificado muchas de las preguntas más importantes a las que se enfrentan los líderes cuando buscan optimizar el valor de la IA, como:

• ¿Dispongo de la infraestructura necesaria para que las aplicaciones de IA accedan a los datos de forma segura, rápida y a escala?
• En función de mis casos de uso prioritarios, ¿debo comprar, crear o modernizar las aplicaciones de IA?
• ¿Cómo debo determinar si alojar los datos y las aplicaciones de IA en las instalaciones o en la nube?

Mientras trabajas para resolver estas preguntas, el primer paso es elegir una arquitectura de plataforma de datos y aplicaciones que satisfaga los requisitos de tu organización. Su arquitectura determinará las tecnologías que necesitas, ya sea que compres una solución prediseñada, la construyas tú mismo u optes por una combinación.

«No se puede democratizar la IA si no se dispone de una arquitectura que conecte a todo el mundo en la empresa», afirma Andy Markus, Chief Data Officer de AT&T. «La nube lo hace posible».

Estrategia y experiencia en IA

Un enfoque sistemático de la IA centrado en el cliente que incluya la aplicación del modelo adecuado al caso de uso correcto y experiencia en la creación, prueba y obtención de valor de la IA en múltiples unidades de negocio, casos de uso y dimensiones.

La orientación al cliente y la adopción de un enfoque sistemático de la IA se perfilan como factores clave para el éxito de la IA. El informe 2023 de Gartner® Survey Analysis: AI-First Strategy Leads to Increasing Returns descubrió que «el 41% de las organizaciones maduras en IA utilizan métricas de negocio relacionadas con el éxito del cliente», mientras que «la importancia estratégica de las técnicas de IA ha sido confirmada una vez más por nuestros encuestados. El 77% de las organizaciones maduras adoptan una estrategia AI-first, considerando sistemáticamente la IA para cada caso de uso.»

Otro factor crítico para el éxito de la IA es aplicar el modelo adecuado a su caso de uso -en otras palabras, utilizar la herramienta adecuada para el trabajo adecuado- para resolver problemas específicos y obtener valor. Esto se aplica tanto si se compran aplicaciones como si se crean las propias.

Entre los factores adicionales que tienden a correlacionarse con el éxito de la IA de una organización se incluye:

• El número de casos de uso de IA desplegados.
• El tiempo que llevan en uso.
• El grado en que se han extendido a toda la empresa.
• El grado de valor que han generado, medido por productividad, ingresos u otra métrica.

Estos factores también pueden revelar posibles obstáculos para el éxito. Uno de los ejemplos más comunes es el bucle de «prueba perpetua de concepto», que tiende a señalar lagunas en la alineación entre los proyectos y los resultados empresariales valorados. Por último, el grado en que la IA se democratiza en toda la organización -extendiendo las capacidades y herramientas de IA de un pequeño grupo de expertos a toda la organización- también es un indicador de éxito.

Organización y cultura

Un modelo operativo claro, apoyo de la dirección, proceso de gestión del cambio, acceso al aprendizaje y desarrollo continuos, y relaciones sólidas con diversos expertos en la materia.

En las conversaciones con clientes y socios, la organización y la cultura aparecen con frecuencia como factores críticos para el éxito.

Modelo operativo

Según Gartner «El ritmo de maduración de la tecnología de IA y los diversos enfoques dificultan la captura y el mantenimiento del valor de las iniciativas de IA. Los modelos operativos de IA eficaces que aprovechan las inversiones actuales en personas, procesos y tecnologías permiten a los responsables de TI impulsar iniciativas de IA con éxito». Puede significar la diferencia entre los proyectos de IA que se consideran experimentos científicos y los que se convierten en importantes generadores de valor. Salim Naim, Director de Gestión Especializada de Microsoft, afirma que una de las cuestiones clave que hay que considerar «es si su modelo operativo está orientado sólo a la experimentación y centralizado, o si está diseñado para integrarse en todos los aspectos de la empresa». Aconseja a las organizaciones que se aseguren de que están adoptando un enfoque integrador para desarrollar su modelo operativo. Los directivos deben preguntarse: «¿Cuál debería ser mi modelo operativo para que las unidades de negocio y las diferentes geografías de las organizaciones globales puedan adoptarlo?».

Apoyo del liderazgo

Se ha descubierto que las organizaciones que obtienen el mayor valor de la IA suelen ser aquellas cuyo liderazgo reconoce y apoya las oportunidades de la IA con palabras, recursos y acciones.

Esto puede comenzar como una iniciativa desde arriba o como un esfuerzo de base que poco a poco va ganando impulso. En cualquier caso, dice Andreas Nauerz, Director Técnico de Bosch Digital, «se necesita un ambiente que anime a la gente a experimentar y aprender, incluso del fracaso». Esto es especialmente crucial teniendo en cuenta el ritmo de los avances tecnológicos.

Gestión del cambio

La capacidad de una organización para gestionar el cambio también es un impulsor crítico del éxito de la IA. «Aprendes muy rápidamente que para cuando tienes éxito con algo, ya está obsoleto», dice Mikkel Bernt Buchvardt, Director de Datos y Análisis de SEGES Innovation. Sugiere aceptar esta realidad, en lugar de dejar que te frene. «Puedes seguir mejorando tus métodos o puedes hacer que sean lo suficientemente buenos como para aportar algún valor».

Formación y aprendizaje

El acceso al desarrollo de habilidades, el aprendizaje continuo y las certificaciones también son clave. Pero según Salim Naim, el éxito de la IA no consiste simplemente en adquirir habilidades, sino en convertirse en una capacidad más sostenible dentro de la organización. «A medida que se madura, se va más allá de lo que se resuelve y se pasa a lo bien que se resuelve», afirma.

Relaciones sólidas con expertos en la materia

El acceso a tecnólogos con las habilidades adecuadas en los puestos adecuados también es fundamental para el éxito. Pero es igual de importante fomentar las relaciones con expertos en la materia de todo un espectro de competencias para garantizar que los proyectos de IA sirvan realmente a los objetivos empresariales. Como dice Andy Markus: «El primer paso del viaje ni siquiera es técnico. Se trata de establecer una gran colaboración con la empresa. El objetivo número uno es aportar valor a la empresa y a nuestros clientes. Claro que somos tecnólogos y podemos entusiasmarnos por hacer cosas punteras con la tecnología. Pero la razón última por la que estamos aquí es aportar valor a nuestra empresa y a nuestros clientes».

Gobernanza de la IA

Implantación de procesos, controles y estructuras de rendición de cuentas para regular la privacidad de los datos, la seguridad y el uso responsable de la IA.

«No preguntes qué pueden hacer los ordenadores. Pregunte lo que deberían hacer». El presidente de Microsoft, Brad Smith, escribió esas palabras sobre la ética de la IA en un libro del que fue coautor en 2019. «Esta puede ser una de las preguntas definitorias de nuestra generación», declararon los autores.

Cuatro años después, la IA -y su relación con la confianza, la privacidad de los datos y la seguridad- está en la mente de personas y organizaciones de todo el mundo. «La confianza de los consumidores en la ciberseguridad, la privacidad de los datos y la IA responsable depende de lo que hagan hoy las empresas», afirmaba un reciente informe de McKinsey.

Como ocurre con cualquier nueva tecnología importante, la IA debe construirse sobre una base de seguridad, gestión de riesgos y confianza. «Garantizar las barandillas adecuadas para el uso responsable de la IA no se limitará a las empresas tecnológicas y los gobiernos», escribió Antony Cook, Vicepresidente Corporativo y Consejero General Adjunto de Microsoft, en una entrada de blog en la que anunciaba los compromisos de Microsoft con los clientes de IA. «Todas las organizaciones que creen o utilicen sistemas de IA tendrán que desarrollar y aplicar sus propios sistemas de gobernanza», afirmó.

Las organizaciones que buscan obtener el mayor beneficio de la IA deben desarrollar su comprensión de la gobernanza de datos, la seguridad y las implicaciones responsables de la IA de sus decisiones, con respecto tanto a los riesgos como a las oportunidades.

Desde 2017, Microsoft ha estado compartiendo experiencia, proporcionando un plan de estudios de capacitación y creando recursos dedicados para apoyar el uso responsable. «Un tema que es central para nuestro programa de IA responsable y su evolución a lo largo del tiempo es la necesidad de mantenerse humilde y aprender constantemente», dice Natasha Crampton, Chief Responsible AI Officer de Microsoft. «La IA responsable es un viaje, en el que está embarcada toda la empresa».

¿Por dónde empiezo?

Utiliza esta guía como ayuda para identificar las áreas prioritarias a la hora de definir tu estrategia y hoja de ruta para la IA. Aquí tienes algunos pasos por los que empezar:

Estrategia empresarial

• Define y prioriza los objetivos empresariales, como la experiencia del cliente, la productividad, el aumento de los ingresos, la experiencia de los empleados y otros objetivos clave.
• Determina cómo medirás el valor de esos objetivos.
• Identifica y prioriza los casos de uso de la IA que respaldan tus objetivos.
• Elabora un plan de gestión de carteras que te ayude a orientar tus inversiones.

Estrategia tecnológica

• En función de tus casos de uso prioritarios, determina si debes comprar, modernizar o crear aplicaciones.
• Evalúa si dispones de la infraestructura necesaria para que las aplicaciones de IA accedan a los datos de forma segura, rápida y a escala.
• Considera las implicaciones de escalabilidad y rendimiento del alojamiento de datos y aplicaciones de IA en las instalaciones o en la nube.
• Asegúrate de que tu infraestructura de nube está diseñada para ejecutar grandes cargas de trabajo de IA y ofrecer fiabilidad a escala.
• Evalúa la postura de seguridad de confianza cero de tu organización.
• Explora cómo utilizar la IA para mejorar la seguridad, en términos de despliegue y protección de activos organizativos, desarrollo y mantenimiento de políticas y procedimientos, y supervisión y respuesta a incidentes o amenazas emergentes.

Estrategia y experiencia en IA

• Familiarízate con los casos de uso de la IA generativa y cómo podrían satisfacer tus necesidades empresariales.
• Desarrolla un proceso sistemático para considerar la IA para cada caso de uso.
• Evalúa el número de unidades de negocio y procesos, el tiempo en producción y la antigüedad de las implantaciones en su organización para revelar patrones que puedan señalar oportunidades o bloqueos.
• Crea aplicaciones inteligentes en tus datos para mejorar la inteligencia y la relevancia de los resultados del modelo.
• Considera el uso de Microsoft 365 Copilot o crea tu propio copiloto para acelerar el aprendizaje y el tiempo de obtención de valor.

Organización y cultura

• Define tu modelo operativo para la IA.
• Asegúrate -o desarrolla un plan para asegurarse- el apoyo de los directivos respaldado por recursos.
• Desarrolla relaciones sólidas con una amplia gama de expertos en la materia dentro de la empresa.
• Refuerza la capacidad de tu organización para gestionar el cambio.
• Identifica y aplica las vías adecuadas de aprendizaje y desarrollo de habilidades.
• Enfoca la IA como una capacidad sostenible dentro de su organización y cultura.

Gobernanza de la IA

• Revisa y comparte recursos sobre el uso responsable de la IA para identificar los modelos y enfoques que mejor se adapten a su organización.
• Considera el modelo de habilitación que mejor se adapte a sus necesidades, como el de concentrador y radios, centralizado o distribuido.
• Considera los principios de la seguridad de la IA y cómo garantizar que sus datos están protegidos de principio a fin, desde la plataforma hasta las aplicaciones y los usuarios.
• Considera los procesos, controles y mecanismos de rendición de cuentas que pueden ser necesarios para regir el uso de la IA, y cómo la IA puede afectar a las políticas de privacidad y seguridad de los datos.

Conclusión

Dada la velocidad de innovación en IA y la singularidad de cada organización, ningún framework sirve para todas las organizaciones, regiones o o circunstancias. Pero esperamos que estas reflexiones te hayan ayudado a identificar posibles puntos fuertes y oportunidades para acelerar tu viaje de la IA.

¿Quieres saber más sobre Microsoft Semantic Kernel? En DQS/ te asesoramos. ¿Por qué no nos preguntas cómo podemos ayudarte?

Esta información está basada en el ebook de Microsoft: «Building a Foundation for AI Success: A Leader’s Guide» y el post de Anthony Cook publicado en el Blog oficial de Microsoft: «Announcing Microsoft’s AI Customer Commitments«.