Las organizaciones están haciendo una gran apuesta por la Inteligencia Artificial (IA), tanto que se espera que su mercado alcance los 738 mil millones de dólares para 2030. Sin embargo, en la carrera por adoptar la IA, muchas veces se pasan por alto elementos cruciales que se convierten en puntos ciegos que frenan su progreso.
En un informe de Hewlett Packard Enterprise, titulado «Architect an AI Advantage«, basado en una encuesta a líderes de TI de 14 países, se evidencia un gran apetito por la IA, con casi todos los directivos planeando aumentar su inversión en ella en los próximos 12 meses. Sin embargo, el informe también resalta una necesidad clara de alineamiento entre las estrategias, los procesos y las métricas a la hora de implementarla. En este contexto, las organizaciones corren el riesgo de no aprovechar al máximo el potencial de la IA, tomar decisiones poco efectivas y, en última instancia, no sacar el retorno de inversión necesario de la IA para sus áreas de negocio. Así las cosas, todo este entusiasmo podría quedar en nada si no se adopta un enfoque integral que abarque los 360 grados de esta transformación y siempre direccionando los tres principales retos que condicionan la aplicación de la IA en nuestras organizaciones:
Reto 1. Madurez de los datos
Que los resultados de la Inteligencia Artificial sean un éxito depende enormemente de la calidad de los datos utilizados. Datos pobres conllevan IAs irrelevantes. Aunque el informe confirma que las organizaciones comprenden este reto, muchas todavía siguen luchando con niveles insuficientes de madurez y calidad de datos. Por ejemplo, solo una cuarta parte (26%) ha establecido modelos de gobierno de datos que permiten ejecutar análisis avanzados. Menos del 60% están capacitadas para manejar las etapas clave de la preparación de datos. Esta falta de capacidad no solo ralentiza el proceso de creación del modelo de IA, sino que también aumenta la probabilidad de obtener información inexacta y un retorno de inversión insuficiente. Solo el 7% de las organizaciones pueden ejecutar flujos de datos en tiempo real que habilitan la innovación y la monetización de datos externos.
Para optimizar el rendimiento de la Inteligencia Artificial, las organizaciones deben revisar y actualizar su configuración tecnológica, permitiendo la operacionalización de todos los procesos relacionados con el ciclo de vida del dato y de los modelos de IA (DataOps y MLOps). Además, es imprescindible establecer una arquitectura global de datos e IA que consolide toda la información de la organización, proporcionando acceso rápido y confiable a los datos necesarios para cada modelo de IA a desplegar, sin importar su ubicación.
Reto 2. Necesidades de red y computación
Las organizaciones deben comprender también los requisitos específicos de red y computación a lo largo del ciclo de vida de la IA, de extremo a extremo. A primera vista, las organizaciones parecen confiadas: la gran mayoría (93%) cree que su infraestructura está ya configurada para soportar el tráfico de la IA y el 84% considera que sus sistemas tienen suficiente flexibilidad en la capacidad de cómputo para satisfacer las demandas únicas de sus diferentes etapas.
Sin embargo, la realidad es que menos de la mitad de los líderes de TI encuestados admitieron tener una comprensión completa de las demandas de red y computación de las diversas cargas de trabajo para el entrenamiento de modelos (incluyendo fine-tuning de Large Language Models (LLMs)) o necesidades de inferencia de la IA (englobando técnicas asociadas para LLMs como prompt engineering o RAG). Esto plantea condicionantes claves para tener en cuenta al definir la estrategia de IA de cualquier organización y que podrían afectar significativamente la capacidad de despliegue de la IA dentro de dichas organizaciones.
Reto 3. Consideraciones vitales de ética y cumplimiento
Muchas organizaciones no han logrado todavía integrar completamente la IA en todas las áreas clave de sus negocios. Un número significativo de líderes de TI (28%) describe el enfoque de IA de su organización como «fragmentado». En concreto, el 35% de las organizaciones ha creado estrategias de IA separadas para distintas funciones, mientras que el 32% desarrolla objetivos diferentes sin una visión unificada. Esto puede limitar el éxito de las iniciativas de IA y dificultar la coherencia estratégica en toda la empresa.
Otro aspecto preocupante es no tener en cuenta cualquier consideración ética o de cumplimiento desde el primer momento. A pesar del creciente escrutinio regulatorio (por ejemplo, el nuevo reglamento europeo sobre inteligencia artificial), solo una pequeña fracción de líderes (13%) de TI considera la legalidad o el cumplimiento como fundamentales para el éxito de la IA, y aún menos, sólo un 11% piensan en la ética como un aspecto crucial. Además, el 22% de las organizaciones no incluyen a los equipos legales en las discusiones sobre la estrategia de IA.
Este es por tanto el mayor reto actualmente, ya que la ética y el cumplimiento normativo serán cada vez más importantes para el correcto despliegue de la IA en nuestras organizaciones, donde además se espera la introducción de más normas en el futuro. Sin un cumplimiento adecuado, las organizaciones corren el riesgo no sólo de exponer datos confidenciales o propiedad intelectual sino también daños reputacionales sobre sus marcas.
Soluciones y consideraciones
Las organizaciones deben adoptar una visión integral que abarque todo el ciclo de vida de la Inteligencia Artificial, lo que les permitirá mejorar la interoperabilidad y detectar mejor los riesgos y las oportunidades. No se trata solo de seguir la tendencia; el viaje hacia la IA debe comenzar con objetivos empresariales claros y con la participación de líderes de todas las áreas, alineando las necesidades del negocio con las capacidades tecnológicas adecuadas, identificando dónde esta tecnología puede realmente marcar la diferencia.
Además, con el modelo operativo híbrido en auge, las organizaciones cuentan ahora con una excelente oportunidad para optimizar sus capacidades. La Inteligencia Artificial es una de las tecnologías más demandantes en términos de computación, redes y datos. Para cumplir con su promesa, las soluciones deben ser híbridas por diseño, construidas sobre una arquitectura moderna preparada para ella, donde un gran porcentaje de las cargas de trabajo de IA serán de carácter privado dentro de las organizaciones.
En este proceso, las empresas deben equilibrar cuidadosamente la necesidad de ser pioneras con el riesgo de no aprovechar las ventajas que aporta la IA. Solo así podrán convertir sus inversiones en verdaderos motores de innovación y crecimiento sostenido. La Inteligencia Artificial no es solo el futuro; es el presente, y aplicarla adecuadamente será clave para liderar el nuevo mundo.
