Durante los últimos meses, he estado viajando por todo el mundo conversando con clientes sobre inteligencia artificial (IA). Compartí mi perspectiva sobre ella ante empresarios y líderes y comprendí que ahí es dónde ha estado progresando verdaderamente la IA: en las organizaciones en el mundo. Existe un consenso rotundo sobre el impacto que ha tenido en la automatización en las distintas operaciones de TI, y hay un término que ha pasado a primer plano: AIOps.

En Melbourne, escuché a empresas que buscan hacer que los servicios para gobierno y de telecomunicaciones sean más inteligentes, más en sintonía con las necesidades de los clientes finales y de los ciudadanos sin que la responsabilidad caiga por completo en los equipos de TI. En Nueva York y Londres, las empresas de servicios financieros expresaron la necesidad de hacer que el negocio funcione más rápido y de la mejora en la administración de los recursos tecnológicos para respaldar sus necesidades comerciales.

Sao Paulo y Chicago desencadenaron conversaciones sobre el sector de manufactura. En Medio Oriente, las organizaciones de energía y recursos naturales querían formas de innovar sin contratar ni capacitar a más personas. Todas estas necesidades se pueden abordar utilizando las tecnologías existentes y aprovechando mejor los datos con los equipos actuales.

En Singapur y Hong Kong, hablé con integradores de sistemas que buscan formas de combinar el valor de las inversiones existentes con el riesgo de las tecnologías emergentes. Están viendo organizaciones (desde gobiernos hasta empresas comerciales y de consumo) que desean aprovechar su data para crear y ofrecer nuevos servicios, superar las expectativas de los consumidores y encontrar formas de hacer más con menos.

Aquí es donde entra la IA. Más importante aún, la IA generativa que utiliza grandes modelos de lenguaje con datos confiables: la data propia.

Pensándolo de esta manera: cada organización genera, almacena y, a menudo, analiza inmensas cantidades de datos propios. Las solicitudes y acciones de sus empleados y clientes generan cantidades increíbles de datos que no hacen más que crecer cada año. Luego, los activos de cada empresa (computadoras, servidores, terminales de IoT, procesadores, etc.), toda la maquinaria y aplicaciones que hacen funcionar su negocio, complementan los datos de las personas.

Esto es todo lo que se necesita para mejorar las solicitudes y el cumplimiento de servicios, garantizar la optimización de la tecnología y predecir las necesidades para operar las TIs de manera proactiva. Todo lo que se necesita hacer es utilizar los modelos de aprendizaje (machine learning por su nombre en inglés) e inteligencia para incorporar, gestionar y aplicar los datos correctos para obtener esos insights.

Por ejemplo, una gran empresa de talla mundial depende de su tecnología para proporcionar la información y los servicios que los suscriptores necesitan para tomar decisiones informadas. Sus servicios en línea le dan forma al comportamiento de los mercados. Esta empresa no puede darse el lujo de tener impactos en la disponibilidad de sus servicios digitales o incluso un retraso que podría afectar la toma de decisiones.

Esto significa que su equipo de TI (una organización ágil y eficiente) debe ser capaz de monitorear y dar cuenta constantemente de los millones de fuentes de datos, la tecnología que correlaciona los datos para obtener información valiosa y los vehículos de entrega y canales digitales, manteniendo al mismo tiempo a la empresa operando a su máxima velocidad. la velocidad del mercado.

Los modelos de IA integrados en el software de operaciones de TI presentan un enfoque que permite abordar estas necesidades comerciales. Con la IA incorporada en estas soluciones de observabilidad, se pueden predecir y optimizar de forma proactiva las operaciones de la empresa. En última instancia, significa que se necesitan menos horas de trabajo en el lado del monitoreo para garantizar una fuente de información constante y confiable. En cambio, pueden dedicar su tiempo a implementar nuevos servicios que generen otros ingresos.

Esta historia es única, pero el valor obtenido se puede replicar en todas las industrias. El mayor obstáculo es la renuencia y la duda a la hora de implementar modelos de IA en toda la organización, y con razón. Hay precauciones y preocupaciones que deberían ser necesarias cuando se trata de esta tecnología enormemente disruptiva.

Las preocupaciones éticas con la IA (y, en particular, con la IA generativa) son reales. Las alucinaciones son un desafío legítimo que hay que superar, y el mundo de los deepfakes no hace más que reforzar la necesidad de una mayor precaución. Sin embargo, hoy existe la oportunidad de aplicar la IA generativa en la empresa.

¿Qué pasaría si pudiera aprovechar el poder de los datos de su empresa? Soy un gran admirador de los datos de código abierto y los conjuntos de aprendizaje, pero cuando se trata de su empresa, existen conjuntos de datos específicos que son útiles y relevantes. Por ejemplo, saber cuál es la rutina diaria de mi abuela no será de mucha ayuda para agrupar los tickets de servicio y lograr una solución de los mismos de manera más rápida.

Más, no es necesariamente mejor cuando se trata de IA generativa en su organización. Los datos correctos son mucho más importantes y, a menudo, eso significa utilizar modelos de aprendizaje que seguirán aprendiendo de las necesidades específicas de su organización. En resumen, la IA generativa puede crear un valor aún mayor para los datos de cada empresa.

La IA tiene un lugar en las empresas y ofrece un valor increíble en la actualidad. Hay formas en que la IA generativa puede crear valor para las áreas de TI en las organizaciones y más allá gracias a su capacidad para predecir, resolver y abordar de manera proactiva las necesidades y requisitos de las empresas, desde operaciones automatizadas hasta operaciones de autoservicio, DevOps y más. Todo comienza con los datos en los que confía: los propios.

–Ram Chakravarti es Chief Technology Officer para BMC.