Encuesta Empresarial sobre IA PwC 2022

El éxito de la IA se está convirtiendo en la norma, no en la excepción. En la cuarta encuesta anual de PwC sobre la IA, la mayoría de las empresas que trabajan con ella informan de sus resultados: pruebas de concepto prometedoras que están listas para escalar, casos de uso activos e incluso la adopción generalizada de procesos habilitados por la IA. Pero algunas empresas destacan. Es mucho más probable que estén avanzadas en el uso de la IA y que consigan resultados empresariales valiosos, que produzcan no solo un modelo de IA que funcione, sino también un rendimiento de la inversión significativo. 

Lo que distingue a estas empresas, según los datos, es que en lugar de centrarse primero en un objetivo y luego pasar al siguiente, están avanzando con la IA en tres áreas a la vez: transformación del negocio, mejora de la toma de decisiones y modernización de los sistemas y procesos. De los 1.000 participantes en nuestra encuesta, 364 "líderes de la IA" están adoptando este enfoque holístico y cosechando los frutos.

Las empresas que adoptan un enfoque más holístico de la IA, centrándose en la consecución de tres objetivos empresariales, obtienen un mayor éxito que las que adoptan un enfoque singular.

En comparación con las empresas que abordan la IA de forma fragmentada, estos líderes (algo más de un tercio en nuestra encuesta) son mucho más propensos (36% frente al 20%) a informar de la adopción generalizada de la IA. Tienen aproximadamente el doble de probabilidades de informar sobre el valor sustancial de las iniciativas de IA para mejorar la productividad, la toma de decisiones, la experiencia del cliente, la innovación de productos y servicios, la experiencia de los empleados y más. Al reunir a tantos líderes de toda la organización, un enfoque holístico facilita la escala y el intercambio de datos. Reúne a especialistas en IA con equipos de análisis, ingenieros de software y científicos de datos. Al incluir la experiencia empresarial, ayuda a alinear los resultados con los profesionales de la empresa, lo que conduce a la aceptación de la organización y a proyectos que ofrecen un impacto real a un coste razonable.

Este enfoque holístico apoya un ingrediente crítico del éxito de la IA: invertir y gestionar los datos, la IA y la nube como un todo unificado. La IA puede ofrecer más valor a escala cuando se integra en sistemas de aplicaciones que trabajan sin parar, analizando y actuando sobre los datos de dentro y fuera de la organización. Estos sistemas, a su vez, necesitan una potencia informática basada en la nube que pueda ampliarse y reducirse para ayudar a satisfacer las demandas. Un enfoque de las iniciativas de IA que abarque las prioridades empresariales, tecnológicas y de toma de decisiones ayuda a que los datos, la IA y la nube funcionen juntos sin problemas, de principio a fin.

Este enfoque unificado de la IA se alinea bien con un enfoque unificado de los datos: hacer que una persona (como un director de datos) o un equipo centralizado sea responsable de compartir y gobernar los datos. Esto puede ayudar a conectar los datos con la IA de manera que beneficie a tantas líneas de negocio como sea posible. El 36% de las empresas con un enfoque holístico de la IA tienen previsto utilizarla este año para ayudar a crear un tejido de datos: una visión de 360 grados, lista para la acción, de todos los datos que afectan a sus organizaciones. 

Dentro de este marco, muchos líderes de la IA planean centrarse en cinco prioridades clave, todas ellas relacionadas con un tema: ofrecer resultados empresariales valiosos y reales.

La toma de decisiones con ayuda de la IA es tan potente por una sencilla razón: puede permitirte incorporar y analizar mucha más información de la que tú (o cualquier ser humano) podría hacer por sí mismo. Para ayudar a optimizar la fijación de precios, por ejemplo, la IA puede introducir montones de datos históricos sobre las ventas de productos, los márgenes, los costes de los proveedores y la satisfacción de los clientes, y luego producir estimaciones rigurosas de posibles escenarios futuros. Puede proyectar cómo los competidores y los proveedores podrían cambiar sus precios en respuesta a sus decisiones. La IA combinada con los sensores del Internet de las Cosas (IoT, por sus siglas en inglés) puede prever el rendimiento de las máquinas y las necesidades de mantenimiento, lo que permite tomar mejores decisiones operativas. Con el aumento de la "IA en el borde" -la IA combinada con la computación en el borde, de modo que los algoritmos de la IA se ejecutan en el nivel del dispositivo o cerca de él- estas decisiones también pueden ser rápidas como un rayo.

Algunas decisiones empresariales complejas se siguen tomando sin recurrir demasiado a la IA, pero eso podría cambiar pronto. El análisis de la IA tiene mucho que ofrecer a las fusiones y adquisiciones, por ejemplo, automatizando potencialmente partes de la diligencia debida, prediciendo probables respuestas reguladoras y proyectando los resultados de una empresa combinada en diversas condiciones. También abundan las oportunidades para que la IA respalde las decisiones en materia de medio ambiente, sociedad y gobernanza. Una estimación de la huella de carbono de una inversión puede ser mucho más precisa, por ejemplo, si los modelos de IA proyectan los futuros suministros de energía, los patrones climáticos y los impactos de segundo orden en su cadena de suministro.

¿Qué pueden hacer las empresas?

• Empezar con los resultados. Al considerar nuevos modelos de IA en la toma de decisiones, no empiece con los datos que tiene. En su lugar, empieza por el resultado empresarial que buscas, y luego busca los datos y los análisis que lo respalden. Considera qué responsables de la toma de decisiones utilizarán el modelo para lograr este resultado, dónde encajará el modelo dentro del proceso de toma de decisiones, cómo se integrará con la nube, y cómo lo supervisarán, escalarán, mejorarán y finalmente lo retirarán. 

• Dejar que la IA haga que tus datos sean procesables. Una vez que hayas identificado los datos que necesitas, deja que la IA te ayude a encontrarlos y utilizarlos. Muchas empresas se ahogan en datos no estructurados y "desordenados". Ya sea con documentos, imágenes o vídeos, la IA puede vadear este océano de datos, extraer exactamente lo que los responsables de la toma de decisiones necesitan y poner estos datos -y sólo estos datos- delante de las personas adecuadas en el momento adecuado.

• Centrarse y ampliar.  Un enfoque holístico no significa "todo al mismo tiempo". Una forma eficaz de utilizar la IA en decisiones muy complejas, como las ESG, es empezar con un elemento específico, como la huella de carbono de una sola instalación. Luego se puede ampliar a otras instalaciones y factores ESG.

Es casi unánime: el 96% de los encuestados tiene previsto utilizar simulaciones de IA, como los gemelos digitales, este año. Las simulaciones de IA son potentes, porque pueden hacer algo más que proporcionar información detallada y en tiempo real sobre el rendimiento actual. Pueden aumentar la velocidad y ayudar a reducir el riesgo de sus operaciones futuras. Al modelar un gran número de escenarios en paralelo, las simulaciones le permiten proyectar rápidamente los acontecimientos probables y "jugar" con sus principales acciones en el mundo real sin asumir ningún riesgo en el mundo real. Por ejemplo, cuando se reúnen simulaciones de proveedores, clientes, competidores y el clima, se puede predecir mejor la dinámica de precios de la cadena de suministro y las interrupciones, y tener un plan en marcha para navegar por ellos.

Un enfoque holístico ofrece una ventaja particular para las simulaciones más complejas, como la previsión de las condiciones del mercado y el tratamiento de los retos de la cadena de suministro. Con el tiempo, las simulaciones también pueden ayudar a superar los retos del talento. Casi dos quintas partes de las empresas "holísticas" ya utilizan simulaciones de IA para ayudar a contratar y formar a los empleados. Las simulaciones de realidad virtual potenciadas por la IA permiten una mejor contratación virtual, el acceso al talento en zonas geográficas lejanas, un mejor seguimiento de los trabajadores remotos y la mejora de las competencias incluso en las funciones prácticas. 

¿Qué pueden hacer las empresas?

• Crear datos sintéticos. Los modelos de aprendizaje automático requieren enormes cantidades de datos, que los modelos de simulación pueden crear. Para el reconocimiento facial, por ejemplo, en lugar de adquirir imágenes de rostros desde múltiples ángulos, niveles de contraste y brillo, las simulaciones pueden generarlas para entrenar modelos de aprendizaje automático. Los datos sintéticos, que las simulaciones de IA pueden proporcionar, pueden impulsar otras iniciativas de IA y análisis.

• Hacer que los gemelos digitales sean también una plataforma. Para utilizar eficazmente el poder de la IA para crear simulaciones relevantes para el negocio, considere (como parte de la integración de la IA con las plataformas de datos y la nube) hacer de los gemelos digitales una capacidad de plataforma - para ayudar a dar sentido a sus diversos conjuntos de datos en el contexto de su negocio, sus clientes y sus productos.

• Alinear los especialistas. Es muy probable que los especialistas en simulación tengan una formación en ingeniería, mientras que sus científicos de datos serán normalmente científicos más experimentales. Reunir a estos especialistas entre sí y con los líderes empresariales es clave para resolver los problemas de simulación.

La IA ha tenido durante mucho tiempo un grave problema para las empresas: un retorno de la inversión mediocre. Las empresas construían modelos de IA que funcionaban, pero que no se centraban en los problemas empresariales adecuados. Este problema se ha agudizado a medida que las empresas avanzan más allá de la "aburrida IA" -con sus atractivos retornos a menudo inmediatos- hacia casos de uso más sofisticados. Cuanto más complejo es el reto, más importante es que los líderes empresariales dirijan sus iniciativas de IA al problema adecuado. Una de las principales razones de esta dificultad ha sido el reto de medir o incluso definir el ROI de la IA. ¿Cómo cuantificar, por ejemplo, el valor de una mejor decisión estratégica? O ¿cómo poner un precio preciso a esa interrupción de la cadena de suministro que nunca se produjo, porque los modelos de IA le avisaron con antelación?

Las empresas son ahora cada vez más capaces de responder a estas y otras preguntas, gracias a los nuevos métodos de evaluación. Estos no sólo pueden captar los rendimientos "duros", como el aumento de la productividad y los costes "duros", como el gasto en nuevo hardware. También se pueden captar los rendimientos "blandos", como la mejora de la experiencia de los empleados, y los costes "blandos", como la mayor demanda de tiempo de los especialistas en la materia. El enfoque holístico de la IA, al fomentar la escala, los conocimientos compartidos y las prácticas líderes compartidas, también facilita la predicción del retorno de la inversión de las nuevas iniciativas. Mientras se trabaja para medir y aumentar el ROI de la IA, también se puede aprovechar la propia IA: sus simulaciones pueden modelar las incertidumbres que rodean a otras iniciativas de IA, ayudando a asignar mejor los recursos.

¿Qué pueden hacer las empresas?

• Ser completo. Al utilizar los nuevos métodos para evaluar y predecir el retorno de la inversión en IA, hay que asegurarse de tener en cuenta las incertidumbres (como la tasa de error exacta de los modelos de IA), los cambios en el rendimiento del modelo y las necesidades de mantenimiento a lo largo del tiempo, y cómo las diferentes iniciativas de IA podrían afectar los resultados de las demás.

• Construir una cartera. Para evitar sorpresas en el retorno de la inversión, hay que considerar un enfoque de cartera: como podría hacer con las inversiones financieras o la innovación de productos, hay que crear y evaluar una combinación de iniciativas que aumenten la probabilidad de obtener los resultados generales que necesitan.

• Gestionar el ciclo de vida. Para predecir e impulsar aún más el retorno de la inversión de la IA, el objetivo no es gestionar proyectos individuales de IA, sino un ciclo de vida integrado de datos-IA-nube (DAC, por sus siglas en inglés). Esto puede ayudar a evolucionar continuamente la estrategia, afinar la ejecución y encontrar nuevos casos de uso para los datos, evitando así las sorpresas negativas e identificando nuevos valores.

El 98% de los encuestados entiende el imperativo: Tienen al menos algunos planes para que su IA sea responsable en 2022. Los sistemas de IA responsables hacen lo que se les pide, ni más ni menos. Cuando están bien implementados, los procesos de IA responsable pueden evaluar sus modelos en cuanto a explicabilidad, solidez, sesgo, imparcialidad y transparencia. La gobernanza responsable de la IA también ofrece controles y equilibrios y protocolos de escalada cuando se evalúan y validan los modelos de IA. Sin embargo, aunque casi todas las empresas tienen ambiciones de IA responsable, para cada práctica líder específica, menos de la mitad están planeando acciones. Los líderes de la IA holística lo están haciendo mejor, pero hay margen de mejora.

Dada la comprensión generalizada de la urgencia de la IA responsable, la falta de acción probablemente refleja los desafíos. La IA responsable requiere tanto tecnología como experiencia empresarial. Los profesionales de la IA pueden, por ejemplo, pasar por alto el impacto sobre el cumplimiento o la marca cuando la IA toma decisiones basadas en conjuntos de datos históricos, que pueden estar plagados de sesgos históricamente comunes. Los expertos en negocios y riesgos pueden carecer de los conocimientos técnicos necesarios para prever el rendimiento de algoritmos muy complejos a medida que cambian las circunstancias. Y puesto que la IA evoluciona continuamente su propia toma de decisiones basándose en nuevos datos, requiere una gobernanza y una protección que también evolucionen. 

¿Qué pueden hacer las empresas?

• Gobernar el ciclo de vida. Para seguir el ritmo de los modelos de IA que cambian rápidamente, hay que desplegar una gobernanza integral del ciclo de vida del DAC. Este gobierno debe integrar a los líderes de riesgo, IA y negocio, con nuevos procedimientos, funciones y responsabilidades para cada una de sus tres líneas de defensa. A menudo se puede emplear y mejorar gran parte de la gobernanza y los controles IT existentes, pero muchos líderes de negocio y de riesgo pueden necesitar aprender algunos fundamentos de la IA y la ciencia de los datos. 

• Evaluar el impacto. Para facilitar el trabajo de los equipos integrados y la gobernanza del ciclo de vida, hay que considerar las evaluaciones de impacto algorítmico. Al evaluar el ciclo de vida de la IA de principio a fin, se puede capturar el riesgo, identificar las necesidades de gobernanza, aumentar la responsabilidad y facilitar las decisiones de ir o no ir.

• Minimizar el sesgo. Minimizar el sesgo. Hoy en día, muchas empresas se centran, como es lógico, en los aspectos básicos de la IA responsable: asegurarse de que la IA es segura y hace lo que se supone que debe hacer. Sin embargo, a medida que la IA apoye la toma de decisiones cada vez más críticas para el negocio, es probable que sea cada vez más importante disminuir el sesgo de la IA, de modo que sus modelos de IA traten a todas las partes interesadas de manera justa.

¿Puede la IA ayudar a superar los retos del mercado laboral? El 98% de las empresas parece pensar que sí. Están acelerando la IA para aumentar la automatización y reducir las necesidades generales de contratación o desarrollando un plan para hacerlo. La IA conlleva su propio reto en el mercado laboral: la necesidad de contratar y retener el escaso y a menudo caro talento de la IA. El 79% de las empresas están ralentizando algunas iniciativas de IA debido a la limitada disponibilidad de talento para la IA o están desarrollando un plan para hacerlo. Sin embargo, aunque los especialistas en IA y ciencia de datos sean cada vez más demandados, esta ralentización no es inevitable.

Las empresas que adoptan un enfoque holístico de la IA son mucho más propensas que las que adoptan un enfoque fragmentario a continuar a toda velocidad con las iniciativas de IA a pesar de la escasez de talento para la IA (23% frente al 14%). Esto puede deberse a que es mucho más probable que sigan prácticas de vanguardia como el reciclaje del talento interno para trabajar con la IA (43% frente al 33%) y la reorganización de los equipos para hacer un mejor uso de la escasa experiencia en IA (41% frente al 32%). Tal vez porque las iniciativas de IA exitosas están proporcionando el dinero (a través del ahorro de costes o el aumento de los ingresos) para un mayor presupuesto de contratación, también son más propensos a reclutar activamente más talento específico de IA (42% frente al 32%). Por último, también son casi una vez y media más propensos que los demás (44% frente al 30%) a planificar el aprovechamiento de más proveedores externos, como los proveedores de servicios gestionados con su fuerza de trabajo de IA escalable y multifacética, para la experiencia.

¿Qué pueden hacer las empresas?

• Hacer más con menos con la IA. El uso más valioso de la IA en el mercado laboral actual es ayudar a las personas a hacer un mejor trabajo, reduciendo la presión para cubrir puestos difíciles de cubrir. Esto es cierto tanto para las tareas rutinarias, que la automatización respaldada por la IA puede realizar para ahorrar tiempo a los empleados, como para las funciones avanzadas y específicas de la IA. La IA puede, por ejemplo, realizar incluso tareas sofisticadas de ciencia de datos, ayudando a compensar la escasez de científicos de datos.
• Hacer más felices a los empleados. Al reducir la necesidad de trabajo rutinario, la IA puede hacer que la vida laboral de los empleados sea más fácil y atractiva. Al darles la oportunidad y la formación para trabajar con la IA más avanzada, puede ayudar a aumentar el valor que les proporciona, así como el valor que ellos pueden darle a ustedes. La IA puede incluso ayudar a proporcionar apoyo emocional en el lugar de trabajo, combatiendo la pérdida de productividad y el agotamiento.
• Hay que invertir en personas que se guíen por los datos. La forma más rápida de abordar la escasez de talento de la IA es, en la mayoría de los casos, tomar especialistas que tengan algunas de las habilidades que usted necesita, y luego proporcionar el resto. Considerar la posibilidad de enseñar a los informáticos la ciencia de los datos, a los científicos de datos la ingeniería del software, a los estadísticos la ciencia de los datos relevantes para la IA y a los líderes empresariales un poco de todos estos campos. Además de cubrir las lagunas de talento, este enfoque puede mejorar la cooperación entre los grupos que requiere la IA.

La encuesta anual de PwC sobre el negocio de la IA, ahora en su cuarto año, encuestó a 1.000 ejecutivos estadounidenses de negocios y tecnología involucrados en las estrategias de IA de su organización. La encuesta fue realizada por PwC Research entre enero y febrero de 2022. Entre los 1.000 encuestados de este año, el 50% tiene títulos de C-suite y el 23% son de empresas con ingresos de 5.000 millones de dólares o más. Representan a los productos industriales (34%), el comercio minorista y el consumo (19%), los servicios financieros (17%), la tecnología, los medios de comunicación y las telecomunicaciones (15%), las industrias de la salud (10%) y la energía, los servicios públicos y la minería (5%).