Saltar Al Lado Correcto De La División De La Inteligencia Artificial
La brecha en el rendimiento de la IA se amplió durante la crisis del COVID-19, ¿Cómo se mide?
Una consecuencia muy evidente de la pandemia del COVID-19 fue un aumento significativo en el uso de canales digitales: trabajar de forma remota, vender y comprar. Aprovechando esta ola, pero un poco menos evidente, se ha incrementado la adopción de análisis avanzados, automatización e inteligencia artificial (IA) por parte de las empresas ya que los líderes tomaron decisiones en medio de una profunda incertidumbre, sin datos operativos normales o experiencia fiable, a menudo frente a las presiones emocionales y de tiempo.
La nueva investigación de PwC muestra lo valioso que ha sido un diferenciador de IA (con su capacidad para amasar nuevos datos rápidamente, analizar patrones y, luego, proporcionar perspectivas y orientación predictiva). La Inteligencia Artificial ha ayudado a las compañías a intensificar el ritmo de la innovación de productos, a dar forma a estrategias vitales para la venta sin contacto y el servicio al cliente y a impulsar la eficacia de la cadena de suministro durante la pandemia. De hecho, una brecha en el desempeño (una división en la IA) se está ampliando entre las compañías que han hecho pleno uso de las herramientas de IA y las que se han rezagado. Además, nuestros hallazgos sugieren que una fuerte adopción e inversión de IA hoy en día podría establecer el escenario para un desempeño aún mejor en un mundo post-pandemia, lo que podría ampliar la división.
La división de inteligencia se está ampliando
"El actual contexto empresarial tiene el reto de gestionar riesgos de ciberseguridad y privacidad de los datos no sólo como parte de las buenas prácticas en las iniciativas de innovación y transformación digital, sino también ante las amenazas crecientes y el delito informático propias del nuevo ambiente que pasará a ser el ambiente normal de trabajo (teletrabajo)."
Daniel Ortíz, Gerente Líder de Ciberseguridad, PwC Colombia.
Hemos realizado una encuesta a 1.018 ejecutivos globales para comprender mejor la aplicación y el impacto de la adopción de IA a través de la crisis de COVID-19. Los encuestados se dividieron equitativamente entre quienes decían que el COVID-19 tenía un impacto negativo en su negocio y aquellos que informaron un impacto positivo, con compañías más grandes (con ingresos superiores a los 10 mil millones de dólares) tuvieron más probabilidades de haber experimentado beneficios. Estas compañías más grandes, casi cuatro de cada diez, invirtieron en el desarrollo de IA antes de que comenzara la pandemia y estaban pasando de las pruebas al uso operacional de IA. También informaron que se habían beneficiado de un retorno de la inversión en IA durante la pandemia y que tenían una mayor probabilidad de aumentar su uso, explorar nuevos casos y capacitar a más empleados para usar IA.
Encontramos que esto también era cierto en el caso de las compañías más pequeñas que habían invertido mucho en IA antes de la pandemia. Además, un examen a profundidad de la dinámica de la IA en India demostró que los primeros adoptantes se beneficiaron de una mejor toma de decisiones utilizando la IA, lo que llevó a mejorar la salud y la seguridad de los empleados y los clientes durante la pandemia. Esa investigación también mostró otros beneficios, como la mejora de la productividad y la innovación del diseño mediante la aplicación de herramientas habilitadas para la IA.
El panorama general es de un ciclo virtuoso para aquellos que invirtieron mucho en IA antes del COVID-19. Las organizaciones, con una adopción de IA más madura, aumentaron el uso de IA durante la pandemia en un 57%, más del doble del aumento de los implementadores en las primeras etapas, y planean aumentar la inversión y la adopción en adelante. Un ciclo a la baja, en cambio, aflige a las compañías que no invirtieron y están teniendo un desempeño deficiente; están luchando para encontrar financiamiento para la IA. Para comenzar a invertir en esta dinámica, es mejor comprender el impacto de los esfuerzos de IA. Las compañías líderes crean medidas específicas de retorno sobre la inversión en IA, son más capaces de articular completamente los casos de uso y alinearlos con estas métricas de retorno sobre la inversión, y así lograr una mayor aceptación por parte de la alta dirección.
Implementación de modelos de IA en operaciones
La capacidad de operacionalizar eficazmente la IA, lo que llamamos madurez de IA, será clave tanto para mantener el progreso entre los líderes como para cerrar la brecha de los rezagados. Nuestra encuesta nos permitió agrupar a las compañías en tres niveles de madurez de IA: aquellas con IA completamente incorporada (25% de los encuestados), las compañías en la fase experimental de implementación de IA (55%) y las compañías que aún exploran la IA sin haber implementado nada (20%).
Incorporar liderazgo
Los que tenían una IA totalmente incorporada normalmente lo habían hecho en todos sus procesos de negocio y con una adopción generalizada. Muchas de estas compañías tenían diez o más aplicaciones de IA en implementación, desde aplicaciones centradas en el cliente (como chatbots y sistemas de conversación, previsión de demanda y segmentación de clientes) hasta aplicaciones de back-office, incluyendo análisis de contratos, procesamiento de facturas y gestión de riesgos. Otros habían implementado cinco o más aplicaciones de IA. No es de extrañar que más de las más grandes compañías (casi el 34%) tuvieran una IA totalmente incorporada. Reforzando nuestros hallazgos sobre los beneficios, encontramos que estas compañías con IA completamente incorporada tuvieron resultados que superaron a sus contrapartes durante la pandemia, y también están invirtiendo más en IA, anticipándose a nuevas adicionales en el mundo posterior a la pandemia.
Ganar escala para capturar los resultados
Integrar completamente la IA en toda la empresa y en todas las áreas funcionales es un reto importante. A medida que las compañías pasan de construir modelos independientes (como una base de IA), a capturar valor mediante el uso de IA para prever mejor las condiciones de negocio cambiantes (mediante herramientas de predicción como servicio), a explotar todo el poder de la IA mediante la automatización y el seguimiento de operaciones en fábricas modelo y más allá, tendrán que invertir en una gama de capacidades, incluyendo:
Expertos en dominios de unidades de negocio para articular casos de uso.
Ingenieros de datos y científicos de datos que entienden cómo fluye la información y pueden crear modelos de aprendizaje automático.
Analistas de sistemas y desarrolladores de software que pueden crear sistemas de software, junto con ingenieros de aprendizaje automático que pueden optimizar modelos para generar un valor agregado.
Especialistas en ModelOps, DataOps y DevOps que pueden mantener modelos de IA incorporados.
Iniciativas de apoyo de gobernanza y ética para permitir una administración eficaz sobre estos sistemas.
Reunir talento, procesos y modelos, así como la agilidad para ajustar los sistemas de IA según sea necesario, es clave para el bloqueo a escala. Como ha demostrado nuestra investigación en India, esas habilidades permitirán a las compañías centrarse en los casos de uso empresarial más prometedores, facilitar la transición de los programas piloto a una amplia implementación y ofrecer los beneficios estratégicos prometidos por IA de crecimiento y resiliencia. Ese mismo trabajo también sugiere que las empresas exitosas pueden fortalecer su ventaja competitiva personalizando de manera eficaz las experiencias de los clientes, estableciendo herramientas para precios dinámicos, empleando sistemas de inteligencia automatizados que salvaguardan contra el fraude y adoptan asistentes virtuales para aprovechar los conocimientos y las habilidades de los empleados.
Gestionar riesgos, construir confianza
A medida que las compañías ganan impulso en la implementación de modelos y sistemas de IA a escala, hemos visto aparecer otra división: capacidades diferentes para identificar, mitigar y gestionar los riesgos de IA. Estos riesgos cruzan áreas como el sesgo en los modelos de contratación, la privacidad de los clientes, la transparencia en el uso de la IA (que requiere tanto la responsabilidad como la explicación de los procesos y resultados) y la seguridad de los datos y sistemas. En nuestra encuesta, solo el 12% de las compañías (y el 29% de aquellas que tenían enfoques de IA profundamente arraigados) habían logrado incorporar completamente la gestión y los controles de riesgos de IA y automatizarlos lo suficiente para alcanzar la escala. Otro 37% de los encuestados informaron estrategias y políticas en vigor para abordar los riesgos de la IA.
Cuando preguntamos sobre los detalles de la estrategia de gestión de riesgos, descubrimos que el sesgo algorítmico en la modelización (a menudo relacionado con la raza o el género) es un foco central de casi el 36% de todos los encuestados y cerca del 60% de las compañías que han integrado totalmente la IA. La fiabilidad y la solidez de los modelos, la seguridad y la privacidad de los datos se encuentran entre otros riesgos de IA abordados de forma más destacada por las compañías que han escalado exitosamente sus esfuerzos de IA.
La gestión de toda la gama de riesgos en todo el horizonte de la IA requerirá mejores herramientas, empezando por un marco de IA responsable para evaluar los pasos necesarios y la capacidad de llevar a cabo una adecuada evaluación del riesgo de la IA. Con esos elementos como base, las compañías encontrarán más fácil incorporar prácticas líderes y gobernanza a medida que crean, implementan y supervisan el software de IA y lo utilizan para tomar decisiones. Comenzar este viaje cuanto antes permitirá a los líderes ganarse la confianza de los clientes y navegar mejor por los próximos cambios normativos. Hacerlo también ampliará las ventajas competitivas que estos líderes están disfrutando de la IA.
Si quieres saber más del tema, visita nuestra página web y contacta a nuestros expertos aquí.
Contáctanos
