Seis predicciones empresariales sobre la inteligencia artificial para el 2022

Puede ser un trabajo a tiempo completo estar al tanto de todos los últimos avances en inteligencia artificial (IA). Pero como líder empresarial, lo más importante es saber cómo los nuevos desarrollos están a punto de transformar el panorama competitivo de su industria.

Como hemos hecho en cada uno de los últimos cinco años, podemos ayudarle a determinar qué es lo más relevante con nuestras predicciones anuales de IA. Basándonos en nuestro trabajo de ayuda a las empresas de la lista Fortune 1000, así como en nuestra colaboración con investigadores académicos e instituciones mundiales, hemos identificado lo que creemos que son las seis tendencias de inteligencia artificial más importantes para las empresas en 2022.

Desde los nuevos métodos para medir y aumentar el retorno de la inversión (ROI), hasta los nuevos usos en el "metaverso", las empresas que aprovechan estas tendencias pueden hacer crecer sus resultados y cumplir su propósito corporativo más amplio. Si las utiliza bien, pueden formar parte de su base para un crecimiento sostenible a largo plazo.
 

Por sí solos, los datos no pueden crear mucho valor. Es necesario organizarlos, analizarlos y utilizarlos a gran escala, algo que la inteligencia artificial puede hacer. Para que este tipo de inversión en IA sea realmente rentable debe integrarse en sistemas de aplicación que puedan funcionar 24 horas al día, 365 días al año. Estos sistemas, a su vez, necesitan una potencia informática basada en la nube que pueda ampliarse y reducirse para satisfacer de forma rentable las demandas siempre cambiantes. Con estos imperativos, está claro por qué las empresas líderes invierten y gestionan cada vez más los datos, la IA y la nube (DAC) como un todo unificado.

Igual de importante es que las empresas líderes adopten un enfoque de ciclo de vida para gestionar estas tres áreas interconectadas. Están continuamente mirando la estrategia: ¿Qué necesita la empresa? Están afinando la ejecución: ¿Qué datos, modelos éticos de IA y potencia de computación permitirán satisfacer esas necesidades? Y están mejorando las operaciones: ¿Cómo podemos seguir mejorando nuestros datos, modelos y huella en la nube? Cuando los datos, la IA y la nube trabajan juntos sin problemas, de principio a fin, el resultado es un sistema flexible y potente que le ayuda a identificar exactamente los datos que necesita reunirlos o sintetizarlos y utilizarlos para mitigar los riesgos y encontrar nuevas oportunidades.

La simulación no es nada nuevo, pero las simulaciones que proporciona la IA pueden ser transformadoras. Pueden ayudar a los directivos de las empresas a probar innumerables escenarios para tomar las decisiones correctas a corto y largo plazo. La inteligencia artificial, por ejemplo, puede crear "gemelos digitales": simulaciones detalladas de activos físicos, como motores de aviones o plataformas petrolíferas. En un entorno de Internet de las Cosas (IoT), estas simulaciones pueden crear equivalentes digitales de instalaciones de fabricación o ciudades inteligentes. Cuando se combinan con otras IA, los gemelos digitales pueden predecir el comportamiento de grupos de consumidores, o crear réplicas digitales de individuos.

Otros tipos de simulaciones a gran escala basadas en la IA pueden recrear y prever el comportamiento potencial de los activos financieros y los mercados.

_{*La inteligencia artificial será un elemento fundamental a medida que la tecnología madure hacia el metaverso, una convergencia de tendencias tecnológicas que permitirá a los usuarios experimentar nuestro mundo digital de una manera nueva y con un nuevo nivel de autonomía y libertad.}

Para utilizar eficazmente el poder de la IA para crear simulaciones relevantes para el negocio, considera (como parte de la integración de la IA con la nube) hacer de los gemelos digitales una capacidad de la plataforma. Cada parte de la organización puede entonces construirlos, utilizarlos y mejorarlos. Considera la posibilidad de integrar las simulaciones de IA en la estrategia, donde puede evaluar las preferencias cambiantes de los clientes, la acción de los competidores y la política reguladora. Si se reúne múltiples simulaciones creadas por la IA, también se puede crear una cadena de suministro más resistente, transparente y rentable modelando sus proveedores, la dinámica del mercado y las posibles interrupciones.

Los datos solían ser solo materia prima para la inteligencia artificial. Tenías que reunirlo, limpiarlo, confirmarlo, etiquetarlo y estandarizar para que la IA pudiera usarlo.Este procedimiento ha sido a menudo lo que ha frenado a la IA, como un motor delicado que espera un combustible debidamente refinado. Pero eso está cambiando. La IA está evolucionando para convertir incluso los datos "desordenados" y no estructurados en algo que ella -y el resto de sus operaciones- puedan utilizar.

La IA puede utilizarse para recopilar datos de múltiples fuentes, convertir los datos no estructurados en información, confirmarlos y estandarizarlos para facilitar su uso y gobernanza, y ponerlos a disposición de las personas adecuadas en el momento oportuno. A medida que se amplía el uso de la IA dentro de los datos, se puede crear un tejido de datos: una visión de 360 grados inteligente, preparada para la acción y en continua evolución de todos los datos que su organización necesita. Algunas empresas centradas en los datos están yendo un paso más allá y reestructurando sus organizaciones para crear una "malla de datos": un sistema en el que los equipos de dominio individuales son dueños de los datos que la IA ayuda a recopilar, limpiar y organizar. Esto puede ayudar a entregar y escalar productos de datos personalizados rápidamente.

A menudo es difícil prever el rendimiento de una inversión en IA. La tecnología es compleja y está en constante evolución. Incluso puede ser difícil saber qué valor aporta un sistema de IA en funcionamiento. ¿Cómo medir, 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 la IA recogió señales en las redes sociales que le avisaron con antelación? Es cierto que el valor se genera no sólo a partir de estos casos avanzados de uso estratégico u operativo de la IA, sino también a partir de los casos de uso más sencillos (y muy valiosos) -como el procesamiento de facturas u órdenes de compra- que llamamos IA aburrida. Pero los casos más avanzados a menudo han sido especialmente problemáticos a la hora de evaluar el valor.

Afortunadamente, los nuevos métodos de evaluación pueden captar tanto los rendimientos y costes "duros", como el aumento de la productividad o los costes de hardware, como los rendimientos y costes "blandos", como la mejora de la experiencia de los empleados o la demanda de tiempo de los especialistas en la materia. Las empresas líderes también están adoptando un enfoque de cartera para las inversiones en IA para ayudar a mejorar las probabilidades de que los éxitos paguen con creces los fracasos.

A medida que crece la influencia de la IA, tendrá que asegurarse de que hace algo más que impulsar las mejoras del negocio. También tiene que reflejar sus valores. Tendrá que minimizar los prejuicios de la IA para que no reproduzca los prejuicios humanos. También querrá reducir la huella de carbono de las necesidades computacionales, a menudo masivas, de la IA. Y será fundamental asegurarse de que su IA es responsable: fiable, ética y digna de confianza, ofreciendo a los usuarios y clientes por igual niveles adecuados de explicación de las decisiones que toma.

Una vez mitigados los riesgos ambientales, sociales y de gobernanza (ESG) de la IA, también puede buscar los beneficios. El poder de sus simulaciones, por ejemplo, puede permitir una mayor transparencia en sus operaciones, así como decisiones más precisas sobre cómo reducir el impacto medioambiental o mejorar la vida de una comunidad. Al habilitar más herramientas de realidad virtual, también puede facilitar que las personas con discapacidades participen plenamente en su plantilla.

Gobernar la IA plantea retos especiales. Es un objetivo en movimiento, que introduce continuamente datos nuevos y sensibles y que apoya decisiones y acciones cada vez más críticas para la empresa. También es una tecnología increíblemente compleja y está haciendo cosas (como el trabajo creativo) que ninguna tecnología ha hecho antes. Es posible que sus equipos de gobernanza estándar no tengan los conocimientos técnicos y empresariales necesarios para seguir el ritmo, y que sus especialistas en IA no comprendan los resultados que necesitan las partes interesadas.

La respuesta es la gobernanza de extremo a extremo del ciclo de vida de los datos-IA-nube (DAC), integrando a los líderes de riesgo, IA y negocio. Este gobierno tendrá nuevos procedimientos, funciones y responsabilidades para cada una de sus tres líneas de defensa. Cada uno de ellos tiene un papel que desempeñar a la hora de determinar si una solución de IA debe entrar en el desarrollo, la producción o las operaciones. Si la solución entra en operaciones, cada uno de ellos también ayudará a decidir cuándo debe ser reentrenada, rediseñada o retirada. Para hacer su parte, muchos de sus líderes empresariales pueden necesitar aprender algunos fundamentos de la IA y la ciencia de los datos. Solo entonces podrán dar forma a los sistemas de IA para garantizar los resultados empresariales adecuados y una verdadera transformación digital.

Prepárate para lo que viene