Rápido o lento: el impacto real de la velocidad de adopción de la IA

Existen muchas razones para adoptar un enfoque lento y cuidadoso en lo relativo a la inteligencia artificial (IA) generativa. La tecnología está cambiando rápidamente, por lo que invertir mucho dinero en la plataforma incorrecta podría terminar costando mucho dinero.

La IA generativa aún tiene problemas de precisión y seguridad, y las cuestiones de derechos de autor aún no se han resuelto en los tribunales, lo cual podría generar responsabilidades legales u otros problemas. Y, por supuesto, muchos de los primeros proyectos no ofrecerán ningún valor comercial real, lo que los convertirá en una pérdida de tiempo y recursos.

Según una encuesta de IDC, el 70% de los CIO informaron de una tasa de fracaso del 90% en sus proyectos de aplicaciones de IA personalizadas, y dos tercios informaron una tasa de fracaso del 90% en las pruebas de concepto de IA dirigidas por el proveedor. Rand Corp, por su parte, estima que la tasa de fracaso de la IA supera el 80%.

Sin embargo, algunos de los primeros en adoptar la IA informan de un aumento de los ingresos, una mejora de la productividad y de que los primeros esfuerzos dan sus frutos al ayudar a las empresas a desarrollar habilidades y capacidades críticas relacionadas con la IA generativa. De hecho, el Boston Consulting Group afirma que las empresas que han adoptado la IA de forma temprana afirman que han experimentado un crecimiento de los ingresos 1,5 veces superior al de otras empresas. Entonces, ¿cómo conciliar las altas tasas de fracaso de los proyectos de IA y los informes de beneficios empresariales de los primeros en adoptarla? Ambas cosas pueden ser ciertas. Los primeros en adoptarla probarán muchos enfoques diferentes antes de encontrar los que funcionen, y los que funcionen se ampliarán, se pondrán en producción y aportarán valor a las empresas. 

Construir vs. comprar

Los proveedores de tecnología están incorporando rápidamente capacidades de IA generativa a todos sus productos y servicios, pero algunas empresas no pueden esperar tanto. Intuit, por ejemplo, ha creado un sistema de IA con agentes para ayudar a los propietarios de empresas a cobrar un 45% más rápido. “Ayuda a los propietarios de empresas a entender qué son las facturas, cuándo enviar recordatorios y cómo cobrar el dinero”, afirma Ashok Srivastava, director de Datos de Intuit. Para ello, la empresa ha creado su propio sistema operativo de inteligencia artificial de última generación. “Elimina la complejidad de la plataforma para que los desarrolladores puedan desarrollarla”, afirma.

GenOS se lanzó en junio de 2023 y, en septiembre pasado, se amplió con GenOS AI Workbench, un entorno de desarrollo dedicado. Intuit también ha creado una capa de orquestación para flujos de trabajo de agentes, un conjunto de barandillas de seguridad, riesgo y fraude, un marco de experiencia del usuario con más de 140 componentes, widgets y patrones, y un jardín de modelos de los principales LLM comerciales y de código abierto, además de los propios modelos de dominio específicos entrenados a medida de Intuit.

“Llevamos entre 18 meses y dos años de ventaja sobre los actores de la plataforma”, añade.

¿Qué sucede entonces cuando Microsoft, Google o AWS lanzan su propio sistema operativo para la IA generativa? “A medida que se pongan al día, pasaremos a los servicios nativos que ofrecen”, dice Srivastava.

En cierto sentido, todo este trabajo habría sido en vano; en algún momento, la empresa cambiará a lo que los principales proveedores presenten, pero, hasta entonces, podrá cosechar los beneficios de sus primeras inversiones.

“Así es como nos mantenemos a la vanguardia”, afirma. “No podemos esperar. Debemos desarrollar tecnología y, mientras lo hacemos, la plataforma sigue evolucionando. Por supuesto, hay servicios que trasladamos de nuestras propias capacidades a las de otros. Lo que puedo decirles es que estas son inversiones fundamentales que estamos haciendo para impulsar el negocio”. Por ejemplo, las capacidades de IA de nueva generación han dado como resultado un aumento de la productividad promedio del 15% y tiempos de codificación un 30% más rápidos.

Otra empresa que está desarrollando su propio marco de trabajo de IA generativa es Capgemini. “La IA generativa ha sido transformadora”, afirma Jiani Zhang, vicepresidente ejecutivo y director de Software de Capgemini Engineering. “Hay un potencial enorme, especialmente en ingeniería de software”.

En mayo del año pasado, la empresa comenzó a desarrollar su propio marco de trabajo. “Creamos algo interno porque queríamos que fuera más de código abierto para poder adaptarnos mejor”, afirma. “Y comenzamos a utilizarlo en julio y ahora es muy sólido”. La plataforma está compuesta por muchos agentes especializados diferentes para migrar el código antiguo, dice, con un agente que puede generar código, un agente que puede crear requisitos y un agente que puede crear arquitectura. Y hay agentes especializados para fines particulares, como para trabajar en el código para software automotriz.

También hay una capa de orquestación que permite que todos los agentes se comuniquen entre sí, una forma de realizar un seguimiento de las diferentes iteraciones del código y capacidades de autodiagnóstico.

A principios de 2024, la IA generativa se centraba en casos de uso individuales a lo largo del ciclo de vida del software, afirma Zhang. Hoy, se trata de analizar el código de forma mucho más integral. Ese es un ritmo de cambio muy rápido. “No se puede tomar la tecnología en función de dónde estaba en marzo”, afirma. “Desde una perspectiva de adopción, no se puede permanecer inmóvil”.

Intuit y Capgemini no son las únicas empresas que han adoptado un enfoque agresivo en materia de innovación y despliegue de IA generativa. Según una encuesta reciente realizada por Google Cloud y National Research Group a 2500 altos directivos de empresas globales, los líderes de IA generativa son aquellas empresas que tienen cuatro o más casos de uso en producción y han invertido más del 15% de sus gastos operativos totales en IA generativa durante el año anterior.

Además, el 69% de los líderes utilizan IA generativa para al menos la mitad de sus funciones principales, en comparación con el 36 % de otras organizaciones. Y están obteniendo resultados. En la encuesta, los líderes de IA generativa tienen un 33% más de probabilidades de informar de aumentos de ingresos del 10% o más impulsados ​​por IA generativa, y también ven ganancias de eficiencia sustanciales, informando ROI para proyectos de IA generativa relacionados con la mejora de los procesos administrativos, la productividad individual, la productividad de ingeniería y desarrolladores, y las ventas y el marketing.

Moviéndonos rápidamente aprovechando las plataformas comerciales

Sin embargo, no todos los líderes de IA crean todo desde cero para avanzar rápido. Tomemos como ejemplo RSM, una firma de contabilidad global con alrededor de 20.000 empleados.

“Todos los proveedores de datos como Dun & Bradstreet y los proveedores de software como ServiceNow están incorporando IA en sus productos”, afirma Sergio de la Fe, líder digital empresarial de RSM. “Estamos trabajando para entender lo que están desarrollando. No quiero desperdiciar mi dinero si uno de mis socios va a desarrollar esto. Preferimos invertir nuestro dinero en áreas en las que tenemos experiencia. No quiero apresurarme y desarrollar algo que luego voy a desechar. Eso no es inteligente”.

RSM creó un comité directivo de IA en 2023 e identificó cuatro tipos principales de casos de uso que eran fundamentales para su negocio: chat, creación de documentos, evaluación de documentos y análisis de datos.

“Estos cuatro temas principales representan cientos de casos de uso”, afirma de la Fe. “Y empezamos con los casos de uso, no con la tecnología. Creemos que la tecnología respalda los casos de uso, no al revés”.

La empresa decidió que OpenAI se ejecutara en una nube privada de Azure. “Somos una tienda de Microsoft”, afirma, “así que trabajamos en la plataforma Microsoft Azure y nos resultó sencillo”.

Para su sistema de cumplimiento automatizado, RSM afinó un modelo OpenAI, mapeando las regulaciones gubernamentales de todo el mundo a los controles internos de los clientes y haciendo recomendaciones. Hoy, hay unas pocas docenas de casos de uso diferentes en producción y un par de docenas más en desarrollo. “Estamos avanzando muy rápido para ponerlos en cola para ejecutarlos, ponerlos a prueba y testarlos”, dice. Hasta ahora, el mayor beneficio ha sido una mayor eficiencia y una mayor calidad.

“Se trata de permitir que nuestros profesionales dediquen más tiempo a las partes de su trabajo que aportan valor añadido”, añade. “Si podemos reducir el tiempo que se dedica a las tareas rutinarias y dedicar más tiempo a mejorar la calidad, eso es increíblemente importante”.

Otra organización que está acelerando su adopción de la IA generativa aprovechando las capacidades de los proveedores es la empresa de pagos ACI Worldwide. Con más de 3500 empleados, todos tienen algún tipo de IA generativa a su disposición, ya sea para correos electrónicos o para resumir reuniones de Teams. Para su base de conocimiento interna, utiliza una versión optimizada de ChatGPT de OpenAI. “Definitivamente no vamos a ir lento”, dice Abe Kuruvilla, el director de Tecnología de la empresa. Pero tampoco está construyendo todas sus plataformas de IA de última generación internamente. Para la generación de código, por ejemplo, la empresa está utilizando GitHub Copilot. “Nos estamos acostumbrando a ello”, dice Kuruvilla. “Aun así, nuestros ingenieros superiores miran el código antes de que lo registremos”.

En la actualidad, el 50% del personal de ingeniería lo utiliza y la empresa espera llegar a dos tercios este año. Para la productividad general de los empleados, la empresa utiliza Office 365 Copilot de Microsoft. También es cliente de Salesforce y está considerando implementar la funcionalidad de Agentic que está disponible en la plataforma.

La estrategia principal, dice Kuruvilla, es implementar la IA generativa para casos de uso internos primero, con humanos involucrados para validar la calidad y los resultados. “Se trata del impacto y de asegurarse de que se están identificando los casos de uso correctos”, dice.

El caso de la educación

Los líderes en IA están reportando claros beneficios financieros en sus implementaciones de IA generativa, pero la promesa de una adopción temprana es más que un simple ROI a corto plazo.

“Se aprende mucho a través de la experimentación y la iteración”, afirma el analista de Gartner Arun Chandrasekaran. “Cuando se trata de IA, es necesario tener una mentalidad de crecimiento. Hay que experimentar activamente”.

Eso no significa que las empresas deban emprender proyectos de IA al azar, añade. Las organizaciones deben tener objetivos claros en mente, pero deben estar preparadas para no acertar en el primer intento.

“Hay que aprender de los fracasos y repetirlos”, afirma. “El fracaso no es un estigma. El fracaso es parte del camino del aprendizaje. Y esto es cierto para la vida en general. Si tienes éxito en el primer intento, significa que te pusiste el listón demasiado bajo”.