Las empresas no están materializando los ahorros de la IA. Es el momento de avanzar

Todos los días se producen noticias sobre la Inteligencia Artificial, las ventajas que supone y sus previsiones espectaculares. El lanzamiento constante de nuevos productos por parte de las empresas tecnológicas lo confirma. La IA es la tecnología que más rápidamente se ha introducido y la mayoría de los usuarios la utilizan como herramienta de ayuda en sus tareas. Sin embargo, tenemos el contrasentido de que muy pocas empresas están consiguiendo ahorros de la IA en cuanto a costes significativos que puedan justificar en su cuenta de resultados.  

Un reciente estudio del MIT indica que sólo el 7% de las empresas han conseguido que la IA se traduzca en ahorros de costes, la mayoría no ha pasado de la realización de proyectos pilotos, con mejores o peores resultados. En España los resultados son inferiores. Una mayoría de los usuarios (más del 88%) utilizan IA como herramienta, pero su uso se limita la búsqueda de información, la realización de resúmenes y comparativas o ayudas para presentaciones. Estos usos están ahorrando horas de trabajo en las empresas pero, no se traducen en ahorros reales ya que falta un plan concreto sobre en qué aplicar las horas ahorradas ni tampoco consideran las restantes tareas del puesto de trabajo.

Los informes de MIT también indican que los modelos de IA están suficientemente avanzados para poder sustituir el 12% de las tareas que actualmente se realizan en las empresas. Nadie duda ya de la utilidad y las capacidades de la IA y la mayoría de los CEOs consideran que la viabilidad de la empresa depende de la adopción de la misma.

¿Por qué entonces las empresas no están materializando los ahorros que supone la IA?

Posiblemente la primera respuesta es que los avances punteros son rápidos pero los cambios en la economía y la sociedad son más lentos. Los humanos necesitamos tiempo para asimilar y adoptar de forma masiva una nueva tecnología, entender lo que puede suponer y aceptarla de forma generalizada.

Muchos de los proyectos pilotos realizados por las empresas no tenían objetivos transformacionales. Se trataba, en muchos casos, de conseguir resultados a corto plazo y con logros lo más espectaculares posibles que permitieran la venta interna de la nueva tecnología y la concienciación de su importancia, ahora bien, no tenían capacidad de escalar, ni buscaban conseguir ahorros importantes e incluso, a veces, ni siquiera se había pensado en cómo medir los ahorros.

Para conseguir los resultados hay que pasar de la fase de experimentación a la de trasformación o reinvención.  La implantación de la IA precisa de un proyecto empresarial que pueda generara ahorros en la cuenta de resultados.  Este proyecto precisa de inversiones sostenidas, la identificación clara de las áreas de la empresa donde la IA puede ser mas efectiva y la decisión de la alta dirección de realizar trasformaciones reales mediante ciclos interactivos que se retroalimenten con los resultados obtenidos. Estos procesos, como cualquier proceso de gestión de cambio, precisa de gobierno, medida y seguimiento de los resultados, formación específica en los ámbitos de cambio y, sobre todo, de liderazgo. Hay que conocer y combinar las posibilidades tecnológicas de la IA con la estrategia y gestionar un proceso de cambio complejo.

 Los departamentos de tecnología son los que más rápido están implantando la IA y consiguiendo resultados medibles. La razón principal es que los proveedores de herramientas de IA las están aplicando internamente y la tecnología y el desarrollo software son sus trabajos principales. En estos ámbitos ya no se trata de ser puntero, sino de no quedarse atrás en la trasformación acelerada y la mejora de productividad que se está produciendo con la introducción de la IA en el desarrollo de software. El cambio y las mejoras de productividad son superiores a los conseguidos con las mejoras, ya muy importantes, de DeVOps que se ha producido los años anteriores.

Como en cualquier proyecto estratégico resulta imprescindible medir los costes incurridos y los ahorros conseguidos en cada uno de los costes. Los proyectos de IA suponen licencias de herramientas y subscripciones que pueden incrementarse en los años siguientes.  Hay que considerar estas posibles situaciones y utilizar una arquitectura que permita reducir la dependencia de los proveedores.

Los informes de MIT indican que los modelos de IA están avanzados para poder sustituir el 12% de las tareas que se realizan en las empresas

Independiente de si se trata de tareasde desarrollo software, o cualquier otro tipo de tareas, resulta crucial poder medir el resultado y la calidad del trabajo. Esto nos permitiráconocer si estamos consiguiendo los resultados esperados y planificar el siguiente ciclo de mejora.   También resulta necesario poder compararnos con instalaciones similares. Puede darse el caso que estemos muy satisfechos porque estamos consiguiendo mejoras de productividad del 20% y no vemos que nuestra competencia está consiguiendo mejoras del 40% o superiores. 

Una alternativa válida es establecer un sistema que permita cuantificar la productividad. Si hablamos de desarrollo software hay que medir la calidad del software de manera objetiva. Tenemos que conocer si el tiempo de entrega de los proyectos ha disminuido, si los resultados se corresponden con las necesidades y especificaciones, y verificar que la calidad del software ha mejorado y los costes asociados se han optimizado. Estas métricas son cruciales para tomar decisiones sobre cómo avanzar en el desarrollo del software y poder definir ciclos de mejoras incrementales.

Otro recurso fundamental es el benchmarking, que posibilita la comparación del rendimiento de equipos, tecnologías y procesos en relación con los estándares de la industria o con resultados históricos de la propia organización. En este contexto, el benchmarking proporciona una visión clara de cómo la implementación de la IA está impactando la productividad.

Julián Gómez Bejarano, Chief Digital Officer LedaMC