Dos años después del lanzamiento de ChatGPT, se ha producido un cambio monumental en la conciencia, la actividad y el deseo de implementar proyectos de IA y GenAI. Las decisiones siguen estando impulsadas por el miedo a perderse algo (FOMO, por sus siglas en inglés) y el miedo a quedarse atrás de los competidores, ya que las organizaciones quieren explorar las opciones y los líderes empresariales de todas las áreas quieren aprovechar el entusiasmo para impulsar nuevas iniciativas.
Los beneficios potenciales a menudo parecen superar los riesgos y la falta de dirección de los proyectos de IA: “¡Es exploratorio! ¡Por supuesto que no sabemos cuáles serán los resultados!” Esto ha llevado a que los proyectos de IA comiencen sin una consideración profunda de cómo será el resultado final: qué es el éxito y cómo un equipo puede llevar adelante ese proyecto e implementarlo para el beneficio comercial.
Debido a este enfoque derrochador, hemos llegado al punto máximo de la toma de decisiones frenética e impulsada por la publicidad, cuando muchos proyectos han recibido luz verde sin una reflexión a largo plazo sobre la estrategia y el retorno de la inversión.
Cómo implementar la IA manteniendo la supervisión empresarial
Si bien la IA sigue siendo un imán para los presupuestos empresariales, la adopción empresarial se encuentra en las primeras etapas de desarrollo e implementación. Debido a que ya hemos superado el punto de fácil acceso a la financiación, las organizaciones deben asegurarse de que un proyecto de IA genere un verdadero retorno de la inversión y no esté impulsado por el miedo a perderse algo (FOMO, por sus siglas en inglés).
Para implementar una iniciativa de IA con impacto empresarial, aquí hay tres perspectivas para el éxito:
- Considera el costo y no te dejes llevar
Cuando se produjo el auge de la IA, había muchos impulsores del mercado para iniciar nuevos proyectos. Los presupuestos se redirigieron para implementar iniciativas impulsadas por la IA dentro de las empresas; el costo no era la preocupación principal. Sin embargo, este entusiasmo y el gasto libre se han visto frenados recientemente, ya que más organizaciones quieren controlar los costos y comprender de dónde proviene el retorno de la inversión.
Al embarcarse en un viaje de IA, las consideraciones clave incluyen cómo experimentar sin comprometer la financiación de un proyecto que puede no tener éxito; poder ampliar o reducir la escala garantiza que las organizaciones no corran el riesgo de amortizar los gastos. Los recursos de almacenamiento y computación son fundamentales para las iniciativas de IA, y garantizar que se utilicen por completo es clave para maximizar el retorno de la inversión. Si se compran GPU, pero no se usan durante 18 meses, es un recurso costoso que no se utiliza. Es mejor tener la capacidad de escalar hacia arriba y hacia abajo para mantener los costos bajo control y ofrecer valor a largo plazo.
- ¿Cuál es el alcance y la escala, y es probable que cambie?
Si un proyecto de IA es un experimento, es probable que exista incertidumbre sobre cuán grande podría crecer, tanto en la fase de prueba como en la etapa posterior a la implementación a gran escala. Poder crecer desde la prueba de concepto, a través de la implementación y luego respaldar un proyecto exitoso es vital.
Las organizaciones deben poder escalar sin tener que desperdiciar recursos informáticos y comenzar de nuevo. En este sentido, la nube es un buen lugar para hacer una prueba de concepto, experimentar y ajustar, descubrir el potencial, mapear el valor comercial y luego planificar el futuro. Pero puede ser costoso, lo que significa que un proyecto exitoso puede generar costos insostenibles.
La realidad (que cada vez más personas admiten) es que las organizaciones no saben hacia dónde se dirigirá un proyecto en los próximos 6 a 12 meses. Hay muchas direcciones y el éxito varía. No solo existe la incertidumbre comercial, sino también el panorama regulatorio, las consideraciones de seguridad, las expectativas y los requisitos de los clientes. Si bien no saber qué depara el futuro puede ser una limitación, para las organizaciones que tienen flexibilidad, no será un problema.
Considera los modelos como servicio, que eliminan las conjeturas del consumo. Dada la dependencia de la IA de los datos, una de las capacidades clave que puede respaldar esta incertidumbre es un modelo de almacenamiento como servicio respaldado por una plataforma física que se puede escalar para brindar rendimiento, rendimiento y capacidad de manera no disruptiva con un impacto instantáneo.
Elimina las conjeturas y permite a las organizaciones reaccionar muy rápidamente a las cargas de trabajo cambiantes. Esto se aplica no solo a la ampliación, sino también a la reducción. Esto es realmente atractivo para las organizaciones que experimentan pero que no quieren pagar por una infraestructura que no se está utilizando.
- Confiabilidad del sistema
En muchas organizaciones, una vez que los proyectos superan la etapa exploratoria, los líderes sénior buscan formas de convertir un proyecto en un servicio crítico para el negocio. Para estas situaciones, muchos buscarán confiabilidad y un tiempo de actividad del 100 %. Pero, si pensamos en los bancos o en el comercio minorista en línea, se requiere que las aplicaciones orientadas al cliente sean confiables y estén disponibles las 24 horas del día, los 7 días de la semana.
Estas no se pueden construir sobre bases débiles. Por razones de reputación y retención de clientes, sin mencionar la regulación y la resiliencia cibernética, las organizaciones no pueden tolerar fallas en sus sistemas. Es inaceptable no tener un tiempo de actividad del 100 %, por lo que las organizaciones deben buscar proveedores que tengan la máxima confiabilidad.
Poniendo fin a la financiación de proyectos derrochadores
No todas las implementaciones de IA son derrochadoras, por supuesto, pero los líderes sénior han comenzado a poner fin a las que lo son. Muchos querían comenzar un proyecto de IA y pensaron que era crítico para el negocio hacerlo. Pero los jefes ya no están dispuestos a entregar dinero con la esperanza de tener éxito.
Los proyectos que no tienen un camino claro hacia el éxito o que no tienen un caso de negocio adecuado para su implementación y éxito se están deteniendo o no se están iniciando. En el futuro, habrá mucha más introspección antes de que la gente dé rienda suelta a los presupuestos para proyectos de IA.
Es hora de que las organizaciones adopten un enfoque de financiación de vuelta a lo básico, en lugar de tomar decisiones impulsadas por el miedo a perderse algo (FOMO). Considera cuál es el impacto comercial; cuál es la probabilidad de éxito (la probabilidad de que el proyecto se complete y genere un retorno de la inversión); cuál es la estrategia detrás del proyecto; cómo mejorará las interacciones o los procesos con los clientes; ¿tiene el equipo los datos necesarios? Estas son las preguntas que deben hacerse antes de embarcarse y financiar un nuevo viaje de IA. Es necesario implementar un caso de negocio desarrollado con una lista de verificación formal antes de comprometer el presupuesto.
Por Douglas Wallace, Gerente de Ventas Distrital, América Latina y el Caribe (Excepto Brasil) en Pure Storage.
