Fernando Guarneros Olmos
El uso de la Inteligencia Artificial (IA) a nivel empresarial puede ser clave en el mejoramiento de las decisiones en tiempo real. Desde servicios financieros que la utilizan para prevenir fraudes o retailers que aseguran su cadena de suministro, hasta la creación de experiencias para la atención al cliente, como los asistentes virtuales; sin embargo, su implementación no está exenta de errores.
De acuerdo con datos del estudio AI Adoption Index, realizado por IBM, en México el 20% de las empresas aceleraron el uso de IA tras la pandemia, pero muchas de ellas se apresuraron a integrar la herramienta de forma súbita en sus operaciones sin preguntarse quién, cómo o por qué la implementaron, apunta el reporte.
Esta situación generó errores en la labor de la IA y el 38% de los profesionales de TI en el país citaron la experiencia o conocimiento limitados en torno a la tecnología como una barrera para su negocio, lo cual también provocó que no se alcanzaran los resultados deseados con su implementación.
Baltazar Rodríguez, evangelista tecnológico en IBM, comenta que uno de los errores más graves y comunes de una organización al explorar la implementación de IA en su negocio es “fallar al definir un caso de uso preciso y los resultados que esperan conseguir, a partir de una métrica cuantificable y clara”.
¿Cuáles son los principales problemas de las empresas al implementar IA?
Rodríguez recomienda establecer la intención de su sistema de IA, pues comenta que “muchas empresas realmente no tienen una idea clara de lo que esperan obtener de ella más allá de una vaga noción de eficiencia”.
Además detalla que es importante refinar las intenciones de la IA en el negocio, a partir de las oportunidades específicas en la que se puede utilizar, como mejorar la experiencia del cliente, optimizar la detección de fraudes, asegurar la cadena de suministro o estar mejor preparado para escenarios imprevistos.
Una vez que se haya seleccionado el objetivo general de la tecnología, señala el especialista, será posible definir los casos de usos para las necesidades de los usuarios, es decir, hallar las formas en que la aplicación de la IA pueda promover las intenciones descritas por el negocio.
Rodríguez también resalta que el proceso de integrar a la IA en un negocio debe estar acompañado del análisis de los datos de los diferentes equipos de la empresa, pues si bien estos se enfocan en distintas prioridades, eso no significa que la información que producen esté aislada.
Más bien, la organización debe “crear una visión holística de los datos a lo largo de toda la empresa porque, para implementar casos de uso exitosos con IA, debe asegurar que cuenta con datos precisos, sin sesgos y limpios que se extraen de toda la empresa”, resalta Rodríguez.
Andrés Mendoza, regional technical manager de la empresa de software, ManageEngine, comenta que esa data también es relevante para aumentar la confianza de los usuarios en la empresa y resalta que los motores de IA deben estar planteados de forma que los grupos de desarrollo y diseño sepan para qué se usará la información y el flujo que van a seguir los datos.
Las empresas deben planificar las acciones de la IA en su organización, lo cual incluye la revisión de las etapas, corregir desvíos y asegurar resultados cuantificables. Sin embargo, uno de los puntos más importantes en este proceso es implicar a un equipo de desarrollo diverso, pues esto influirá en cómo los usuarios reciben la herramienta.
“La estrategia de implementación debe tener en cuenta la confianza de los usuarios, entender cómo reaccionarán al ver que la empresa utiliza sus datos y cómo demostrará que su sistema de IA es explicable, transparente y confiable”, concluye el especialista.
