Muchas empresas del Reino Unido están luchando por hacer despegar sus proyectos de IA porque la tecnología simplemente no es aplicable, afirma un estratega de IA.
Una nueva investigación de la plataforma de gestión de datos Qlik ha descubierto que el 11% de las empresas del Reino Unido tienen al menos 50 proyectos de IA estancados en la etapa de planificación. Mientras tanto, el 20% ha tenido hasta 50 proyectos en progreso hasta la planificación o más allá, pero luego tuvo que pausarlos o incluso cancelarlos.
“La IA tiene el potencial de impactar a casi todas las industrias y departamentos, pero no es aplicable universalmente”, dijo a TechRepublic James Fisher, director de estrategia de Qlik.
“Algunos proyectos fracasan debido a problemas de infraestructura y datos, pero en otros casos, la IA simplemente no es la herramienta adecuada para el trabajo. Es esencial que las empresas comprendan el problema que intentan resolver y apliquen la IA allí donde pueda aportar el mayor valor”.
VER: Cómo mejorar la tasa de fracaso de su proyecto de transformación digital
Esto corrobora una investigación de Gartner publicada en septiembre que encontró que al menos el 30% de los proyectos de IA generativa se abandonarán después de la etapa de prueba de concepto para fines de 2025. Esta no es una noción nueva, y TechRepublic informa sobre un hallazgo similar. allá por 2019.
La gobernanza de datos representa un desafío clave
La principal razón del fracaso de los proyectos de IA según la nueva investigación de Qlik, citada por el 28% de los 250 ejecutivos de alto nivel y tomadores de decisiones de IA con sede en el Reino Unido encuestados, son los desafíos en torno a la gobernanza de datos.
“Los proyectos de IA pueden no dar resultados en casos en los que faltan datos estructurados de alta calidad o en los que los objetivos son demasiado ambiguos”. dijo Fisher. “Por ejemplo, automatizar las interacciones de servicio al cliente sin suficiente supervisión humana, los datos correctos necesarios para respaldarla o pruebas adecuadas.
“Sin una estrategia de datos sólida, los modelos de IA siempre tendrán dificultades para ofrecer información significativa”.
Implementar incorrectamente una estrategia puede ser “desastroso”, dijo Fisher. Por ejemplo, se sabe que el código generado por IA provoca interrupciones y los líderes de seguridad están considerando prohibir el uso de esta tecnología en el desarrollo de software.
El estudio de Qlik también encontró que el 41% de los altos directivos del Reino Unido carecen de confianza en la IA, lo que podría estar relacionado con otros fallos recientes de alto perfil, como el chatbot de Air Canada que proporcionó información incorrecta sobre la política de tarifas, lo que tuvo repercusiones legales y financieras. La nueva legislación, como la Ley de IA de la UE, sólo aumentará los costos de tales errores.
VER: IA generativa: una fuente de ‘errores costosos’ para los compradores de tecnología empresarial
Sin embargo, hay áreas comerciales en las que Fisher considera que la IA resulta útil, como la optimización de la cadena de suministro, la detección de fraude y el marketing personalizado.
“Estos son casos de uso en los que los modelos de IA reciben mayores volúmenes de datos de alta calidad, están alineados para obtener resultados comerciales claros y pueden producir conocimientos más nítidos y procesables”, señaló Fisher.
Reduzca las posibles pérdidas financieras buscando soluciones de IA “plug-and-play”, dicen los expertos
Gartner estima que construir o ajustar un modelo de IA personalizado puede costar entre 5 y 20 millones de dólares, más entre 8.000 y 21.000 dólares por usuario al año. GenAI “requiere una mayor tolerancia a los criterios de inversión financiera futura indirecta frente al retorno inmediato de la inversión”, con lo que “muchos directores financieros no se han sentido cómodos”, escribieron los analistas.
Fisher enfatizó la importancia de que los líderes empresariales se aseguren de que la IA genere un retorno real antes de realizar la inversión, y sugiere intentar encontrar primero una solución “plug-and-play” aplicable.
Explicó: “En un entorno en el que los CIO ya están reconsiderando la rentabilidad de las soluciones de IA generativa, centrarse en modelos más pequeños, impulsados por un propósito y aplicaciones específicas puede, en el corto plazo, resultar ser una alternativa más sostenible.
“La simplicidad de las soluciones plug-and-play proporciona a las empresas una base para sus proyectos de IA que puede ayudar a abordar los desafíos relacionados con la confianza y la gobernanza al reducir el riesgo y la complejidad, al tiempo que garantiza que las empresas obtengan los beneficios que la IA puede ofrecer”.
VER: Los proyectos de IA generativa corren el riesgo de fracasar sin la comprensión de los ejecutivos de negocios
También recomendó comenzar con proyectos de inteligencia artificial más pequeños para demostrar la prueba de concepto antes de escalar y evaluar periódicamente el retorno de la inversión.
“El primer paso absoluto es establecer una base de datos sólida y contar con la gobernanza, la calidad y la accesibilidad de los datos adecuadas”, dijo Fisher. “Asegúrese de tener en mente un problema o desafío comercial claro que la IA está abordando y establezca resultados mensurables para comparar el éxito. Para generar confianza en la tecnología, intente fomentar el intercambio de conocimientos y la mejora de las habilidades en toda la empresa.
“Por último, adoptar un enfoque gradual para la adopción de la IA; Comience con una prueba de concepto para validar su proyecto antes de comprometerse con apuestas más importantes”.
