Más de la mitad (53%) de las organizaciones ya han avanzado más allá de las pruebas piloto de inteligencia artificial, un aumento significativo del 36% según el reporte de Capgemini de 2017 sobre el mismo tema. Además, el 78% de los líderes de IA a escala continúan avanzando en sus iniciativas de IA al mismo ritmo que antes del COVID-19, mientras que otro 21% ha acelerado el ritmo de su implementación, de acuerdo con el nuevo reporte del Instituto de Investigación Capgemini que analizó el ritmo de adopción de la Inteligencia Artificial (IA) durante los últimos tres años.

Lo anterior muestra un claro contraste con las “organizaciones en problemas”^[2]: el 43% de las cuales ha retirado sus inversiones, mientras que otro el 16% ha suspendido todas las iniciativas de IA debido a las altas incertidumbres comerciales relacionadas con COVID-19.

El reporte, ‘La empresa impulsada por IA: Liberando el potencial de AI a escala’, reveló que la implementación exitosa de IA a escala ofrece beneficios tangibles en los ingresos; el 79% de los líderes de IA a escala observó un incremento del 25% en las ventas de productos y servicios tradicionales.

Además, el 62% de los líderes de IA a escala advirtió al menos un 25% de disminución en la cantidad de quejas de los clientes, y 71% fue testigo de al menos una reducción del 25% en las amenazas de seguridad.

Las ciencias de la vida y el comercio minorista continúan liderando la adopción de IA

En términos de los cinco sectores principales que lideran la adopción de IA, las organizaciones de ciencias de la vida y minoristas aventajan a otras ya que representan el 27% y el 21% de los líderes de IA a escala, respectivamente; seguido por productos automotrices y de consumo con 17% cada uno, y luego telecomunicaciones (14%).

Solo el 38% de las organizaciones de ciencias de la vida han suspendido o retirado inversiones debido al COVID-19, en comparación con los sectores de seguros (66%), banca (64%) y servicios públicos (64%). Esto refleja la importancia de la salud electrónica en el contexto actual, donde los asistentes virtuales, las aplicaciones de rastreo de contactos y los chatbots están proliferando, a medida que organizaciones como la Organización Mundial de la Salud, lanzan herramientas basadas en inteligencia artificial para recopilar y proporcionar información durante la actual pandemia^[3].

Los datos confiables y de calidad son fundamentales para escalar la IA

Los líderes de la IA a escala clasifican “mejorar la calidad de los datos” como el enfoque principal que les ayuda a generar más beneficios con sus sistemas de IA. Un buen gobierno de datos garantiza que los equipos de IA tengan la calidad de datos adecuada y mejora la confianza depositada en los datos entre los ejecutivos. Establecer las plataformas tecnológicas requeridas, como una arquitectura de nube híbrida y democratizar el acceso a los datos, fungen como bloques de construcción para escalar la IA.

La contratación de especialistas de IA es clave para apoyar los objetivos de IA de una organización

La investigación de Capgemini mostró que 70% de las organizaciones consideró que la falta de talento de nivel medio a superior es un gran desafío para escalar la IA. Más de la mitad de los líderes de IA a escala (58%) han designado a un jefe/líder/director de IA que puede proporcionar visión a los equipos de desarrollo, establecer lineamientos sobre la priorización de casos de uso, ética y seguridad, al mismo tiempo que unifica el uso de plataformas y herramientas para el desarrollo de IA.

La organizaciones también deben centrarse en una amplia gama de habilidades para escalar aplicaciones de IA, más allá de las habilidades técnicas de IA pura, para incluir analistas de negocios y especialistas en gestión del cambio. Sin embargo, actualmente existe una brecha significativa entre la demanda y la oferta en disciplinas importantes como aprendizaje automático o visualización de datos. Por lo tanto, la capacitación y el perfeccionamiento son fundamentales para abordar estas brechas y garantizar que estas habilidades se puedan mantener internamente.

Las interacciones éticas de IA desempeñan un papel vital

Independientemente del fuerte enfoque regulatorio y de los consumidores en la IA ética, Capgemini descubrió que muchas organizaciones no abordan activamente cuestiones como la necesidad de tener un equipo ético capacitado.

El reporte reveló que menos de un tercio de las organizaciones con dificultades (29% en comparación con 90% de los líderes de inteligencia artificial a escala) están de acuerdo en que tienen un conocimiento detallado de cómo y por qué sus sistemas de inteligencia artificial producen el resultado que tienen. Esto es importante para que los ejecutivos de negocios puedan confiar en los sistemas de IA organizacionales. Al mismo tiempo, es imposible establecer la confianza del consumidor si los empleados que atienden al cliente no confían en los modelos o los datos que usan las organizaciones.

El reporte recomendó cuatro principios para que las organizaciones se centren en escalar con éxito la IA:

• Empoderar: construir bases sólidas que proporcionen un acceso fácil a datos confiables y de calidad a través de plataformas y herramientas de datos e inteligencia artificial adecuadas junto con prácticas ágiles.
• Operacionalizar: implementar AI a través del modelo operativo correcto, priorizar iniciativas y garantizar una gobernanza equilibrada, mientras se integra la ética.
• Cultivar: desarrollar talento y colaboración con socios.
• Monitorear y amplificar: monitorear continuamente la precisión y el desempeño del modelo para ejecutar y amplificar resultados.