El informe publicado por el Instituto de Investigación de Capgemini analiza el ritmo de adopción de la inteligencia artificial (IA) en las empresas en los últimos tres años. Más de la mitad de las organizaciones (53%) ha superado la etapa experimental, un importante aumento respecto al 36% del informe de 2017. Además, el 78% de los líderes en IA a gran escala sigue progresando con sus iniciativas al mismo ritmo que antes de la COVID-19; mientras el restante 21% ha acelerado su implementación. El contrapunto lo ponen las empresas con dificultades, entre las cuales un 43% ha retirado sus inversiones y un 16% ha suspendido todas las iniciativas de IA, por la elevada incertidumbre empresarial relacionada con la crisis sanitaria.
‘The AI Powered Enterprise: Unlocking the potential of AI at scale’ muestra también que la implementación satisfactoria de la IA a gran escala puede tener ventajas tangibles en los ingresos de las organizaciones. El 79% ha visto un incremento en más del 25% la venta de productos y servicios tradicionales. Además, el 62% ha reducido el número de quejas de clientes, y un 71% asegura que también ha detectado una significativa disminución, de al menos un 25%, en amenazas de seguridad.
Dentro de los cinco sectores principales que lideran la adopción de la IA, ciencias de la salud y retail están muy por delante del resto, en un 27% y 21%, respectivamente. Le siguen la automoción y los productos de consumo, con un 17% cada uno, y el sector de las telecomunicaciones (14%). Solo el 38% de las empresas de ciencias de la vida han suspendido o retirado inversiones a causa del virus, en comparación con los sectores de seguros (66%), la 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 conforme a las organizaciones, con el lanzamiento de herramientas basadas en la IA para recopilar y proporcionar información durante la pandemia.
Además, los líderes en IA a gran escala consideran que la mejor manera de obtener más beneficios de sus sistemas es mejorar la calidad de los datos, para aumentar así la confianza a nivel ejecutivo. La implantación de las plataformas tecnológicas necesarias, como una arquitectura híbrida en la nube y la democratización del acceso a datos, conforman los pilares principales para aplicar la IA a mayor escala.
Por otro lado, el estudio de Capgemini muestra que el 70% de las empresas considera la falta de talento como un gran desafío para la escalabilidad de la Inteligencia Artificial. Más de la mitad (58%) ha nombrado a un responsable de IA para que aporte a los equipos de desarrollo una visión concreta, establecer directrices en torno a la priorización de casos de uso, ética y seguridad, y que unifique el uso de plataformas y herramientas para el desarrollo de la IA. Sin embargo, actualmente, hay una brecha considerable entre la oferta y la demanda en disciplinas importantes como el machine learning o la visualización de datos. Por lo tanto, la formación y la mejora de cualificaciones son críticas para salvar esta distancia y garantizar que estos conjuntos de competencias se queden en la propia empresa.
Además, Capgemini ha observado que muchas empresas no están abordando activamente ciertos problemas, como la necesidad de tener un equipo ético capacitado. El informe indica que menos de un tercio de las empresas con dificultades para escalar la IA (29% en comparación con el 90% de líderes en esta tecnología) está de acuerdo en que cuentan con conocimientos detallados sobre cómo y por qué sus sistemas de IA dan los resultados que dan. Esto es importante a nivel ejecutivo, a efectos de confiar en sus sistemas organizativos. A su vez, es imposible establecer una confianza con el cliente si el personal de cara al público carece de ella en los modelos o datos que utilizan las empresas.
“En el contexto actual, si bien las empresas esperan que los datos y la IA refuercen sus operaciones, todavía hay una necesidad de conexiones más fuertes entre la implementación y los objetivos empresariales generales para llegar a una escala mayor. Nuestro estudio pone de relieve que las empresas con más éxito combinan esfuerzos para racionalizar y modernizar su gestión de datos y procesos de gobernanza, enfocadas en implementar herramientas más ágiles a través de ecosistemas de partners, el uso de metodologías como DataOps y MLOps (machine learning ops) para desarrollar e implantar soluciones IA, la creación de equipos con perfiles diversos y la generación de modelos de negocios equilibrados”, relata Anne-Laure Thieullent, responsable global de Inteligencia artificial y analítica de Capgemini.
Fuente: https://www.interempresas.net/