En un panorama de IA en rápida evolución, las organizaciones australianas se encuentran en una coyuntura crítica.
El potencial de ganancias financieras significativas asociadas con la IA es evidente; algunos informes muestran que la adopción de una cartera de IA puede generar más de 100 millones de dólares en EBITDA incremental. Pero el camino para lograr el retorno de la inversión está plagado de desafíos.
Hasta el 85% de las implementaciones empresariales de IA no cumplen su promesa a las empresas. La alta tasa de fracaso de la IA, que supera incluso las notorias dificultades de los esfuerzos de transformación digital anteriores, subraya los riesgos que implica.
Cuando fallan los despliegues de IA, el impacto puede ser catastrófico. Australia es un ejemplo de los riesgos que plantea la IA, como lo demuestra el escándalo “Robodebt” que llegó a ser tan perjudicial para los australianos que se convocó una Comisión Real para investigarlo.
El analista de Gartner ofrece consejos
Si bien muchos están entusiasmados con las posibilidades que ofrece la IA, los informes muestran que el 80% de los australianos están profundamente preocupados por los riesgos que plantea la IA y sienten que estos riesgos deberían considerarse una “prioridad global”.
Sin embargo, a pesar de los riesgos y la vacilación social, los CIO están invirtiendo dinero en proyectos de IA: la investigación de KPMG mostró que más de la mitad de las empresas australianas están invirtiendo entre el 10% y el 20% de su presupuesto en IA.
Esto solo aumenta la presión sobre el CIO y el equipo de TI para garantizar que los proyectos de IA demuestren valor. Las organizaciones que buscan que la IA se convierta en una oportunidad de inversión a largo plazo deben superar las preocupaciones por el riesgo. La investigación de Gartner muestra que estimar y demostrar el valor empresarial es la mayor barrera para los proyectos de IA.
Nate Suda, analista director senior de Tecnología, Valor y Riesgo Financiero de Gartner, dijo a TechRepublic que los desafíos que enfrentan muchas organizaciones al articular el valor de la IA incluyen la gestión de costos, los beneficios de productividad y los enfoques estratégicos necesarios para garantizar que las inversiones en IA se traduzcan en un valor comercial tangible. .
Comprender la dinámica de costos
La gestión de costos es un obstáculo principal en las implementaciones de IA. A diferencia de los motores de búsqueda tradicionales, donde los gastos son mínimos, la IA generativa genera costos sustanciales debido a su naturaleza interactiva.
Los usuarios suelen participar en múltiples intercambios para refinar las respuestas, lo que aumenta exponencialmente los costos. Cada interacción, medida en tokens, aumenta el gasto. Este coste puede dispararse si el comportamiento del usuario se desvía de las suposiciones iniciales.
Como dijo Suda, “Una de las variables más importantes en el costo es la interacción humana. Con la IA generativa, no basta con escribir una pregunta y obtener una respuesta perfecta. Es posible que necesite varias iteraciones y se le cobrará por cada palabra de su pregunta y respuesta. Si su modelo de costos supone una única interacción y los usuarios terminan teniendo varias, sus gastos pueden multiplicarse dramáticamente”.
Para mitigar este riesgo, las organizaciones están adoptando una estrategia de “ampliación lenta”. En lugar de un despliegue rápido y a gran escala, inicialmente implementan el despliegue de IA planificado con un número limitado de usuarios antes de aumentar gradualmente el número de usuarios.
Este enfoque iterativo permite a las empresas observar el desempeño de ambiciosos proyectos de IA y realizar ajustes en función de patrones de uso reales, lo que garantiza que puedan modelar los costos con mayor precisión y evitar sorpresas financieras.
“Las mejores organizaciones están creciendo muy lentamente”, señaló Suda. “Podrían empezar con 10 usuarios el primer mes, luego 20 en el segundo mes, y así sucesivamente. Este método les ayuda a comprender el uso y los costos reales en un entorno real”.
El enigma de la productividad
Si bien la IA promete mejorar la productividad, traducir estas mejoras en beneficios financieros mensurables es complejo. Suda dijo que simplemente ahorrar tiempo, como lo demuestran herramientas como Microsoft Copilot, no equivale inherentemente a la generación de ingresos o la reducción de costos.
“Es necesario tener muy claro qué significa productividad y cómo se está aprovechando ese beneficio para convertirlo en valor, ya sea generación de ingresos o reducción de costos”, dijo Suda.
También enfatizó la necesidad de distinguir entre beneficios y valor. Beneficios como una mayor velocidad, una mejor experiencia del cliente y una mayor productividad son importantes, pero sólo se vuelven valiosos cuando contribuyen al resultado final.
Por ejemplo, la IA generativa podría acortar el tiempo requerido para una secuencia de servicios profesionales, pero a menos que esta eficiencia se traduzca en mayores ingresos o costos reducidos, se convierte en un ejemplo de que la IA no cumple con el valor prometido.
El riesgo de sobrecostos
Otro punto crucial que Suda señaló es el riesgo de sobrecostos debido a un comportamiento imprevisto de los usuarios. Si un sistema de IA resulta muy popular y su uso supera las expectativas, los costos resultantes pueden ser astronómicos. Este escenario destaca la importancia de una planificación meticulosa y un seguimiento en tiempo real de las implementaciones de IA para gestionar y predecir los gastos de forma eficaz.
“Si a los usuarios les encanta la IA y la utilizan ampliamente, sus costos pueden dispararse”, dijo Suda. “Por eso es tan fundamental comprender y modelar el comportamiento del usuario”.
Despliegue estratégico: defender, ampliar, poner patas arriba
Gartner ha desarrollado un marco de tres niveles para explicar cómo la IA puede generar valor y al mismo tiempo equilibrar el riesgo asociado. Cada “nivel” de implementación de IA, denominado “defender, ampliar y mejorar”, ofrece diferentes riesgos y beneficios potenciales.
- Defender: Esto implica pequeñas mejoras incrementales, como el uso de IA para mejorar las herramientas existentes. Estas iniciativas de bajo costo y bajo riesgo pueden generar pequeños logros. Sin embargo, el desafío radica en agregar estos logros en retornos financieros significativos. Según Suda, los beneficios articulados de muchos de estos proyectos son marginales, lo que dificulta que el CIO y el equipo de TI sigan avanzando con el apoyo organizacional total.
- Extender: En este caso, la IA está integrada en las aplicaciones existentes para proporcionar mejoras específicas. Estas iniciativas requieren una planificación y ejecución cuidadosas para garantizar que entreguen el valor previsto, pero también es más probable que generen beneficios notables.
- Volcar: El enfoque más ambicioso y de mayor riesgo implica el desarrollo de nuevos modelos o aplicaciones impulsados por IA. Si bien las recompensas potenciales son sustanciales, la inversión requerida es significativa y las posibilidades de éxito son menores.
La IA no se puede evitar, pero se debe gestionar de forma eficaz
Al igual que con la transformación digital, tratar de ser demasiado ambicioso con la IA desde el principio probablemente resulte en un exceso de costos y un lento retorno de la inversión, lo que resultará en frustración de la junta directiva y de los ejecutivos, si no en el abandono del proyecto.
En cambio, los CIO deberían adoptar un enfoque cauteloso y mesurado. Como mencionó Suda, las empresas deben asegurarse de que las soluciones que se implementan sean escalables y logren un retorno de la inversión que pueda articularse desde el principio.
