Su vicepresidente y analista Luke Ellery considera que hay que centrarse en casos de negocio específicos.
El vicepresidente y analista de Gartner Luke Ellery ha reconocido en encuentro con ARN que la inteligencia artificial (IA) ya no debe ser consideraba como un simple medio para resolver los problemas de productividad, sino que ha de centrarse en casos de negocio específicos.
A su juicio, las afirmaciones sobre el aumento de la productividad a través de la IA se han exagerado en el sector, ya que es un concepto difícil de medir.
“Si tienes 10.000 empleados y les das a todos una herramienta de IA, ¿cómo vas a aprovecharlo de vedad?”, ha dicho, para añadir: “Lo que sí vemos, por lo general, es que hay un repunte en la satisfacción de los empleados gracias al uso grupal de una herramienta de IA, pero no significa que se vaya a incrementar la productividad”.
Como resultado, Ellery ha destacado que el enfoque debería centrarse en las oportunidades específicas.
“En lugar de limitarse a lanzar la IA a sus empleados, quizás resulte más interesante tratar de resolver un problema específico rico en datos y que requiera muchos recursos, para así probarlo en cualquier caso de negocio”, ha añadido.
En palabras de este analista, “puede ser un poco difícil, pero las organizaciones deberían intentar ayudar a desarrollar esos casos de negocio en áreas que están fuera de la productividad si lo que pretenden es vender servicios para proporcionar la información y los conocimientos”.
De hecho, ha afirmado que no hay suficientes ejemplos de implementación de IA que muestren explícitamente ganancias de productividad. También ha destacado que el auge de DeepSeek a principios de este año, una solución más asequible y con un menor impacto en comparación con los modelos de otras empresas, ha contribuido al aumento en general hacia la IA.
Como tal, Ellery espera que se preste más atención a los casos de uso empresarial tradicionales en lugar del “enfoque de capital de riesgo” experimentado hasta la fecha en el mercado.
En su opinión “estamos en un punto este año, especialmente [en el actual] ciclo económico, con mucha geopolítica y mucha más incertidumbre, para demostrar cuáles son esos beneficios que tienen una solución de IA o las capacidades de IA que han desarrollado, pero siempre mirando más allá de la productividad”.
Alucinación a la deriva
Al integrar modelos de IA en estos casos de uso empresarial específicos, Ellery ha recomendado tener cuidado con las deficiencias innatas de la tecnología. Aunque esto suele incluir alucinaciones (la generación de información inexacta), la deriva es una preocupación menos obvia, pero muy real.
“La deriva se produce con el tiempo y a veces se debe a que intentamos ayudar al modelo de IA a cumplir nuestras expectativas creando datos sintéticos. Podríamos descubrir que un modelo tiene, por ejemplo, un sesgo contra las mujeres, así que le añadimos algunos datos sintéticos para intentar equilibrarlo y que sea más uniforme, pero entonces tal vez la IA sobrevalora esos datos sintéticos y, de repente, tiene un sesgo contra los hombres. Ahí es donde vemos desviaciones, pero también que existen más responsabilidades operativas. Es como tener un equipo de personal y querer supervisarlo al completo. No se les deja ir sin gestionarlos, sino que se invierte en la gestión del personal”, ha dicho para concluir.
Fuente: Computerworld