El 42% de las empresas abandona la mayoría de sus iniciativas de inteligencia artificial (IA) antes de que lleguen a producción.
Una escena que se repite en los comités de dirección y tecnología en el mundo. Alguien proyecta una demostración, el relato habla de un futuro prometedor, la sala se entusiasma, y solo entonces inicia la conversación sobre los procesos productivos, para qué y cómo se podría utilizar. El orden está invertido. Deberíamos partir del problema y llegar a la tecnología.
Las cifras ya no nos permiten mirar hacia otro lado. Según la encuesta Voice of the Enterprise de S&P Global Market Intelligence, la proporción de empresas que abandonó la mayoría de sus iniciativas de IA antes de llevarlas a producción, en un año pasó del 17% al 42%, un aumento de 25 puntos porcentuales. Un estudio de MIT Project NANDA encontró que el 95% de las organizaciones analizadas no estaba obteniendo un impacto medible en su cuenta de resultados a partir de sus iniciativas de IA generativa.
Lo revelador es que las causas casi nunca son técnicas. Son datos de mala calidad, gobernanza débil, privacidad, seguridad, brechas de integración operativa, costes que se disparan, valor de negocio poco claro, entre otros. Y, sobre todo, tres ausencias que se repiten con una regularidad. No hay un responsable operativo que responda por el retorno financiero, y si se carece de datos limpios antes de iniciar y no se define la financiación del escalamiento, se provoca la muerte del proyecto aunque el piloto funcione. No es que el modelo sea malo, es que la herramienta nunca se integró al flujo de trabajo real, y ahora que la tecnología cambia más rápido que nunca, esto también afecta el mantenimiento de las aplicaciones basadas en IA.
La IA no descarta el pasado, se debe desmitificar y entender como una evolución tecnológica continua. Es la era de la “Digitalización 2.0”. Si la llamamos de esta manera, de manera inmediata comienzan a regir los mismos procesos de tecnología de hoy, con exigencias de actualización, integración, mantenimiento y por sobre todo las consultas incómodas para empresas que no están acostumbradas a desarrollar tecnología “Enterprise”.
La IA lleva más de setenta años, y en los ‘80 ya hubo una oleada de proyectos que prometieron mucho y entregaron poco. Lo que cambió ahora es que el sistema entiende el lenguaje natural. Quien vivió la digitalización anterior ya tiene los instintos que hacen falta para esta, sistemas, procesos y adopción. Formularlo así baja la ansiedad de la sala y devuelve la conversación al terreno donde debe estar, que es el de los criterios de negocio.
El potencial es enorme, McKinsey estimó en 2023 que la IA generativa y las tecnologías asociadas tienen el potencial de automatizar actividades que hoy absorben entre el 60-70% del tiempo de los empleados, frente a una estimación previa que rondaba la mitad. Es tiempo de trabajo, no son puestos.
En definitiva, se requiere de una exigencia práctica antes de aprobar cualquier inversión. Números o casos de negocios con los costos del proceso, tiempo, el resultado esperado, implementación, operación, responsables con nombre, proceso afectado, entre otros. Y también, preguntarse qué tarea o actividad va a desaparecer, porque si no se elimina ninguna, solo estamos añadiendo una capa de costo adicional.
Si nadie es capaz de dar ese número, no estamos comprando tecnología, estamos comprando un relato.
