Tendencias en inteligencia artificial que definen el 2024

Dentro de las tecnologías emergentes, la inteligencia artificial generativa (GenAI, por su acrónimo en inglés) está tomando mayor relevancia por su facilidad de uso a través de instrucciones simples en el mismo lenguaje que su usuario/interlocutor. Al ser un sistema informático de aprendizaje profundo (deep learning), algunos de sus principales beneficios son la creación, mejoramiento, resumen, extensión y análisis de contenido (escrito, visual y auditivo), a partir del procesamiento de grandes cantidades de datos. 

En 2024, las empresas están evaluando el uso de la GenAI para transformar sus funciones, innovar con rapidez y elevar la productividad de su talento humano. La edición más reciente de la Global CEO Survey destacó que el 69% de los directores generales en México consideró que la inteligencia artificial generativa cambiará significativamente la manera en que su empresa crea, entrega y captura valor en los próximos tres años.

El uso de la GenAI se divide en la adopción de herramientas ya existentes o en el diseño personalizado y diferenciado, según las necesidades de cada empresa. Sin embargo, en México, las empresas continúan evaluando su adopción más allá del ámbito de productividad personal, lo cual podría dejarlas atrás de sus competidores globales. 

Las posibilidades de la inteligencia artificial generativa para crear valor necesitan una revisión de su impacto en la estrategia del negocio, así como un enfoque en las tareas que podrían automatizarse debido a que, por su naturaleza, demandan un mayor trabajo manual, incluyendo aquellas que requieren un mayor número de personas para ejecutarse. El reto de implementar la GenAI es no hacerlo en escenarios aislados que produzcan un valor limitado. 

Aunque la inteligencia artificial generativa ofrece numerosos beneficios, es importante reconocer sus limitaciones y establecer expectativas realistas. Esto brinda una mayor transparencia a las partes interesadas y ayuda a identificar áreas donde la GenAI puede generar valor inmediato y prepara el camino para el futuro.

Potenciar con éxito el valor transformador de la inteligencia artificial generativa depende, en buena medida, del involucramiento de los colaboradores. Acciones estratégicas, desde la reformulación de procesos y tareas, hasta la redefinición de puestos y el uso responsable, hacen que la capacitación del talento sea un requisito indispensable para las empresas. 

Sin embargo, el uso de la inteligencia artificial generativa requiere una gestión eficaz por parte de los mandos medios, quienes además necesitarán ser capaces de supervisar y evaluar equipos que se basan en la colaboración entre la GenAI y las personas. Por su parte, la alta dirección necesitará comprender cómo liderar las operaciones y modelos de negocios nativos de la inteligencia artificial generativa.

Por otro lado, la creación de nuevos equipos de trabajo dedicados a la IA generativa ayudará a adaptar los modelos a las necesidades únicas de la empresa y establecer prácticas apropiadas para lograr resultados de calidad.

Si bien las regulaciones gubernamentales para el uso de la GenAI son un tema pendiente en México, los líderes empresariales deben tomar un enfoque proactivo de control interno, ya que el uso responsable de la GenAI es otro factor diferenciador para las empresas que genera confianza entre las partes interesadas.

Aunque la inteligencia artificial generativa puede resultar de gran ayuda, también puede producir resultados irrelevantes, inexactos o con implicaciones legales. Asimismo, el riesgo por el uso malicioso de la IA generativa está relacionado con temas, como seguridad y protección de datos o el aumento de ciberataques. 

A medida que las empresas integren cada vez más esta tecnología en la realización de tareas más complejas, será necesario adaptar los controles internos para satisfacer las nuevas demandas de confiabilidad y seguridad. 

Contar con datos precisos, completos y unificados es otro requisito indispensable para que los modelos de GenAI entreguen los resultados esperados en la ejecución de una amplia variedad de tareas. Este desafío aumenta su complejidad ante las diversas fuentes de datos existentes, ya sean públicas, restringidas, internas e incluso de socios de negocio.

En este sentido, la implementación de una nueva gestión de datos requiere su completa digitalización y diseño escalable, con un enfoque centrado en la confiabilidad, el cumplimiento normativo y la gestión de riesgos. Asimismo, es necesaria la creación de nuevos equipos de trabajo dedicados a definir, mantener y mejorar la calidad de la información que se usará en las diferentes aplicaciones de inteligencia artificial generativa.

La gobernanza de datos también juega un rol importante para mantener un sistema que defina el control de los mismos, por ejemplo, sobre su uso, recopilación, almacenamiento, medición, comunicación. De esta manera, el equilibrio entre el uso y el control de los datos debe impulsar la innovación sin comprometer la seguridad ni los principios.

La inteligencia artificial generativa puede adaptarse para satisfacer múltiples necesidades, como el análisis de datos para procesos de desarrollo de productos, especialmente en la optimización y validación de procesos, así como en la calidad de productos y servicios. De esta manera, las empresas tienen la opción de enfocarse en modificar y adaptar el modelo generado inicialmente por la GenAI, en lugar de desarrollar un producto o capacidad desde cero.

Estas oportunidades se traducen en la capacidad de ofrecer una mayor variedad de productos, con mayor personalización. Para promover un entorno de innovación y experimentación, es importante contar un enfoque descentralizado que promueva el desarrollo de casos de uso de la IA generativa para la creación de valor agregado entre el talento.

Aunque existen retos pendientes, la automatización de pruebas es otra posibilidad que, con la capacidad de la GenAI para crear rápidamente diversos casos de prueba, es una tendencia que tomará mayor relevancia para acelerar la toma de decisiones en términos de innovación.