IA a escala o cómo tener éxito en la era de la Inteligencia Artificial

¿Qué estrategia seguir para aprovechar todo el poder que ofrece la Inteligencia Artificial? ¿Cómo establecer casos de uso que justifiquen su aplicación? ¿Qué indicadores hay que utilizar para medir el impacto de un proyecto de IA?¿Cómo luchar contra la resistencia cultural?

Todas estas preguntas y muchas más asaltan a las empresas hoy en día gracias a que la Inteligencia Artificial ha dejado de ser una promesa futurista para convertirse en una herramienta esencial para impulsar el crecimiento y la eficiencia. La digitalización de procesos, los avances en tecnología y los cambios en la propia sociedad han hecho que la inteligencia artificial sea el elemento más transformador que requerirán adoptar todo tipo de negocios para seguir siendo competitivos.

La irrupción de la IA generativa ha acelerado aún más la transformación de las organizaciones, abriendo un abanico de nuevas posibilidades para todo tipo de negocios, por ejemplo, revolucionando el ámbito de la eficiencia y optimización a través de agentes impulsados por esta IA generativa.

Sin embargo, uno de los desafíos más importantes para las organizaciones es escalar sus iniciativas de IA, incluyendo la IA generativa, y obtener resultados tangibles. Para precisamente ayudar a las organizaciones a establecer esa estrategia, expertos de Keepler organizaban junto a Silicon un evento al que acudían Daniel Taboas, Data & AI Innovation Manager de Acciona; Conrado Gallardo, Innovation Growth & AI Lead de Ferrovial; Xavier Rodríguez, Digitalization Specialist de Gestamp; Enrique Vasallo, Experto en Inteligencia Artificial de Línea Directa; David Sanz, Head of Corporate Business Intelligence de Logista; Abel Sanclemente, Data Scientist y Experto en IA; y Reyes Cánovas, especialista en Inteligencia Artificial.

La intervención de Juanma Aramburu, CEO de Keppler, que explicaba cómo una de las grandes dificultades de cualquier compañía actualmente es escalar un proyecto de Inteligencia Artificial. Además, afirmaba que no se debe enfocar la IA “como una forma de solucionar problemas sino que “es necesario buscar el problema que puede solucionar la IA”.

En el camino, una cultura del dato madura, apuntaba, es sinónimo de una más fácil evolución hacia las llamadas organizaciones data driven al tiempo que explicaba que es esencial “mejorar la experiencia del usuario en el consumo de los datos ya que muchas veces se desarrolla un proyecto sin pensar en el tipo de usuario, por ejemplo, más industrial, y claro, no se logra que lo usen todas las áreas de negocio a las que se quería impactar”.

Sin duda, es necesaria una estrategia pero también una metodología como la que tiene la propia Keepler, como explicó Esteban Álvarez, director de Negocio de la tecnológica “que permite detectar obstáculos en el camino y así guiar a las empresas hacia una auténtica cultura del dato”.

“Si no tienes una estrategia de datos no va a funcionar ningún proyecto que puedas abordar con Inteligencia Artificial”, aseguraba en la misma línea argumental Daniel Taboas, Data & Innovation Manager de Acciona.

Un propósito no siempre sencillo ya que, como añadía Taboas, “no siempre la gente está dispuesta a compartir sus datos, incluso entre diferentes áreas de negocio lo que dificulta cualquier proyecto”. Sin embargo, en Acciona ya han logrado iniciar algunos proyectos de IA por ejemplo para analizar toda la documentación de las licitaciones.

“Sí, ese es un gran caso de uso de la IA Generativa y como en casi todos el nivel de éxito va a marcarlo el valor y calidad de la documentación de la empresa”, opinaba Juanma Aramburu.

La gestión de llamadas en un call center era otros de los casos de uso donde la IA aporta un valor real, compartía Enrique Vasallo, experto en Inteligencia Artificial de Línea Directa que explicó “el chat digital que utilizan en la compañía para ayudar a los agentes y que ha sido especialmente útil por ejemplo durante la DANA que ha afectado a Valencia ya que ha permitido una atención más ágil”.

En el caso de Ferrovial la Inteligencia Artificial generativa también es ya una realidad en áreas como finanzas o recursos humanos, según explicó Conrado Gallardo, Innovation Growth & AI Lead de la empresa.

Como apuntó, “en IA generativa se ha pasado del hype a la estabilización; es el momento de poner orden, de identificar necesidades en las distintas áreas de negocio.

Una opinión que compartía también David Sanz, Head of Corporate Business Intelligence de Logista que iba incluso un paso más allá: “Según Gartner la IA es la única tecnología que está a la vez en el hype y en el suelo”.

En su caso, aún están en una fase temprana haciendo pilotos “pero sin llevar nada a producción” y aseguraba que “aún hay demasiados interrogantes como quién controla a la IA o que realmente el ROI de un proyecto esté claro”.

Mitos y realidades

Uno de los principales obstáculos a los que se enfrentan las empresas a la hora de comenzar a utilizar la IA es el rechazo que a priori provoca en los empleados. “Es necesario ayudarles a entender el valor que aporta esta tecnología o cómo les va a ayudar en su día a día. Tienen miedo de que les quite el trabajo y precisamente es todo lo contrario; la IA permite ponerle al trabajador esteroides para que sea mejor aún”, afirmaba Abel Sanclemente, Data Scientist y Experto en IA.

Pero además de esa labor de evangelización, la irrupción de la Inteligencia Artificial Generativa ha puesto sobre la mesa la importancia de los equipos híbridos, apuntaba en ese sentido Reyes Cánovas, especialista en Inteligencia Artificial. “Es preciso involucrar tanto al área de tecnología como a negocio porque si el proyecto únicamente lo lidera TI puedes perder la oportunidad de que aporte valor y resuelva un problema de negocio”.

También en la lista de nuevas necesidades, Reyes Cánovas señalaba la obsolescencia “ya que estos proyectos no cambian en años sino en meses y necesitas por un lado que tenga un ROI también en meses y por otro que haya un responsable del proyecto de principio a fin, en todo momento”.

Barreras culturales

Desde Gestamp, Xavier Rodríguez, Digitalization Specialist de la multinacional especializada en el diseño, desarrollo y fabricación de componentes metálicos para los principales fabricantes de vehículos, comentaba que los datos recogidos en nuestras fábricas son hoy en día uno de los mayores activos del negocio. “Utilizamos los datos para analizar e implementar medidas de mejora y optimización de nuestros procesos productivos Tenemos adecuada nuestra infraestructura y captación de datos desde hace mucho tiempo, y estamos preparados para la implantación de proyectos basados en IA”.

Tecnológicamente, aseguraba, “no hay ningún stopper, pero es importante trabajar el cambio cultural. En Gestamp apostamos por la capacitación de los empleados que les permite entender y extraer el valor que aporta la IA”.

“Es esencial la formación. Estamos enfrentándonos a algo totalmente nuevo y desconocido y nosotros somos los que podemos marcar que nos ayude o no”, señalaba Abel Sanclemente.

También las personas, su resistencia al cambio, era marcado por Daniel Taboas como uno de los desafíos que la IA representa junto a “la ciberseguridad, la gente celosa de sus datos, la legislación… Lo cierto es que hay toda una amalgama de retos a superar”.

En el capítulo de barreras a salvar también está la gestión de expectativas, según Enrique Vasallo de Línea Directa: “Creen que todo puede hacerse con IA y no es así. Hay gente que no entiende que esta tecnología no responda como ellos quieren que lo haga o que no comprenden que tienen que cambiar la forma en la que trabajan o realizan determinados procesos para que realmente la IA pueda funcionar”.

Medir es también un reto intrínseco a los proyectos de IA, como apuntaba desde Ferrovial Conrado Gallardo. “Antes de iniciar cualquier proyecto tenemos que definir el caso de uso y el delivery plan. Además se establecen los KPIs que nos van a permitir medir el ROI del mismo así como un análisis de riesgos y una estrategia clara de cómo responder a estos”.

Pero esos KPIs, añadía en ese sentido Reyes Cánovas, “no son fáciles de determinar igual que no es sencillo establecer el ROI de un proyecto de IA porque es algo distinto completamente a todo lo anterior”. Por esa misma razón, reiteraba, “es imprescindible contar con un product owner a lo largo de todo el ciclo de vida del proyecto”.

Retos e incluso interrogantes que sin duda abre la transformación de las organizaciones y cómo obtener un valor tangible a través de la IA que, como concluían desde Keepler requiere de un proceso en el que identificar y priorizar las iniciativas de IA, desarrollar una hoja de ruta clara, concisa y valorada para la implementación y el escalado de soluciones de IA, así como medir y optimizar el impacto de las iniciativas de IA en el negocio.