Estrategias básicas en el proceso de adopción de soluciones de inteligencia artificial
Porque a otro le funcionó no necesariamente te funcionará a ti.
Comparte esta publicación a través de
Debido a la naturaleza única de cada organización y de sus problemas específicos, las soluciones de inteligencia artificial (IA) no pueden replicarse de manera mecánica de empresa a empresa. Lo que le sirve a uno no necesariamente le sirve a otro. Lo que determina el éxito de las iniciativas de uso de soluciones de IA es el cómo abordan las empresas estas iniciativas.
De manera general lo ideal es que las iniciativas de adoptar tecnología de IA estén enmarcadas dentro de un proceso de transformación digital que contemple todo el panorama y entorno empresarial, es decir la visión, estrategias globales, modelo de negocio, cultura organizacional y en general los blueprints, para así poder agregar valor a sus clientes y empleados y en general a todos los grupos de interés. Es importante entender también que antes que enfocarse en los datos, sin lugar a dudas el gran animador de la IA, hay que entender los problemas, los dolores y las oportunidades que se desean resolver, atacar y desarrollar respectivamente, definiéndolos de manera sencilla y concreta de tal manera que en ese momento podamos enfocarnos en los datos (propios o externos) que nos ayuden a resolver nuestra necesidad concreta. Los datos son útiles en un contexto específico, no en cualquiera o en todos.
No obstante entender y seguir muchas empresas las anteriores prácticas, la naturaleza misma de las soluciones de IA hace que los resultados de su adopción sean muy variados. Tan conocido es el éxito rotundo de Spotify y Amazon con sus sistemas de recomendación como los problemas de Microsoft y IBM Watson con los de personalización de servicios de atención al cliente y cuidados médicos. En este entorno toman más importancia que las soluciones mismas, las estrategias de negocio que los líderes empresariales deben seguir no solo para implementar efectivamente la inteligencia artificial sino también para adaptarse a ella de manera que puedan innovar, competir y sobresalir en un entorno cada vez más demandante y retador. Resaltamos esas estrategias:
Ver IA como una herramienta y no como un objetivo: La emoción que seguramente produzca el internarse por primera vez en el mundo de la IA y los esfuerzos en su implementación no deben hacer perder el foco estratégico empresarial. Es fundamental tener presente la estrategia global de la empresa. En lugar de concentrarse en mirar las áreas en que soluciones específicas de IA puedan acomodarse, una mejor estrategia es revisar y analizar los objetivos generales y entonces sí investigar qué soluciones pueden resolver los problemas y oportunidades asociadas con esos objetivos.
Tener un portafolio de soluciones de IA: No es conveniente colocar todos los recursos y soluciones de IA, sobre todo de las empresas nuevas en el tema, en una única canasta o iniciativa. Es conveniente abrir las iniciativas en un portafolio de soluciones de corto plazo y otro de más largo plazo. El de corto plazo debe incorporar iniciativas pequeñas, de bajo impacto y esfuerzo y con oportunidades de beneficios rápidos que permitan a la organización exponerse a la IA, construir consenso, motivarse hacia la misma y empezar a adquirir las habilidades necesarias para soportar y apoyar el éxito del portafolio de iniciativas de más largo plazo, de mayor impacto, más estratégicas y transformacionales que abarquen procesos completos.
Rediseñar habilidades e invertir en el talento: Además de la adquisición de las destrezas que el portafolio de corto plazo pueda ofrecer, es necesario construir y desarrollar habilidades integrales que hoy son muy escasas en el campo de la IA. Muchas de estas habilidades, para el personal operativo, están enmarcadas en el manejo y análisis de grandes volúmenes de datos. Estas habilidades deben orientarse tanto a la producción de tecnología de IA como a su consumo dependiendo de las particularidades de cada empresa, de tal manera que se activen y tomen decisiones basadas en recomendaciones producidas por esta tecnología. La alta gerencia también debe estar capacitada y tener el conocimiento estadístico para entender las limitaciones y capacidades de la IA. No hay que olvidar que los sistemas de inteligencia artificial no necesariamente automatizan la totalidad de los procesos y muchas veces las personas tienen que permanecer involucradas. Es la responsabilidad de la gerencia acomodar los procesos y recursos humanos a la nueva realidad que introduce la IA donde seguramente se ganará en velocidad de procesamiento y escalabilidad de las soluciones.
Tener el foco en el largo plazo: La inteligencia artificial es un campo totalmente nuevo para muchos y es inevitable experimentar fracasos tempranos que no deben desmotivar el interés ni las inversiones en ella. El proceso de implementación y adopción a la IA no es corto, requiere de muchas pruebas y ajustes y debe tener un horizonte de largo plazo dada su naturaleza. Las empresas que persisten y aprenden de sus experiencias tempranas son las que terminarán sacando ventaja competitiva de la misma y adelantarse a las necesidades del mercado.
Tener en cuenta los riesgos y sesgos y mitigarlos agresivamente: Las empresas deben estar conscientes de los riesgos que el uso de la IA puede introducir y prepararse para manejarlos proactivamente. No hacerlo puede llevar a impactos negativos, no intencionales, y dejar a la organización expuesta a situaciones legales, regulatorias y reputacionales comprometedoras. Los algoritmos de IA, así como las decisiones humanas que estas emulan, están sujetos a sesgos introducidos por la lógica de los algoritmos y por los datos que los nutren y entrenan, que a su vez representan decisiones y comportamientos humanos que también pueden estar sesgados por múltiples razones. Los algoritmos de IA no crean nuevos sesgos, pero los pueden replicar en gran escala y causar mayor impacto. Los esfuerzos de IA no deben abandonarse por estos motivos, pero sí estar muy atentos los equipos de producción e implementación de soluciones de IA para identificarlos, revisarlos y atacarlos durante las etapas tempranas de auditoría de los algoritmos de IA.
Son inmensos los beneficios y aplicaciones de la inteligencia artificial para agregar valor a partir de los datos con repercusiones importantes en las cosas que hoy hace la empresa, cómo las hace, para qué las hace, en sus productos y en la creación de experiencias únicas y personalizadas para sus clientes. Para capitalizarlos con éxito, más que replicar lo que otros hacen, se requiere la adopción de estrategias claras y sencillas durante el proceso de planeación e implementación de las soluciones de IA.
