El Instituto de Investigación de Capgemini ha analizado el ritmo de adopción de la IA en las empresas en los últimos tres años, con su informe The AI Powered Enterprise: Unlocking the potential of AI at scale. En el que se muestra que más de la mitad de las firmas ya ha superado la etapa experimental, un marcado aumento en comparación con el 36% del 2017 

La implementación satisfactoria de la IA a gran escala puede tener ventajas tangibles en los ingresos. Pues, el 79% de líderes en IA a gran escala ha visto un incremento de más del 25% en ventas de productos y servicios tradicionales. Además, el 62% de los líderes en IA a gran escala ha notado un descenso del 25%, como mínimo, en el número de quejas de clientes, y un 71% asegura una reducción de al menos un 25 % en amenazas de seguridad. 

“En el contexto de la reciente crisis de Covid-19, 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”, afirma Anne-Laure Thieullent, Responsable Global de la oferta Inteligencia artificial y Analítica Capgemini.

Punto de vista sectorial

Dentro de los cinco sectores principales que lideran la adopción de IA, ciencias de la salud y retail están muy por delante de los otros: Un 27% y 21% de las empresas de estos sectores, respectivamente, es líder en IA a gran escala, respectivamente. Les siguen la automoción y los productos de consumo, con un 17% cada uno, y telecomunicaciones (14%). Solo el 38% de las empresas de ciencias de la vida han suspendido o retirado inversiones a causa de la covid-19, en comparación con los sectores de seguros (66%), la banca (64%) y servicios públicos (64%).

Por su parte, los líderes en IA a gran escala consideran que la mejor manera de obtener más beneficios de sus sistemas de IA es “mejorar la calidad de los datos”. Una política de datos robusta garantiza que los equipos de IA tengan datos de calidad adecuada, y mejora la confianza depositada en estos 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 para aplicar la IA a mayor escala.

La contratación de líderes en IA especializados es clave para fomentar los objetivos de una empresa a este respecto

El estudio de la compañía muestra que el 70% de las empresas considera la falta de talento entre los niveles medio y sénior como un gran desafío para la escalabilidad de la IA. Más de la mitad de los líderes en IA ha nombrado a un responsable de IA que pueda aportar 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.

La implementación satisfactoria de la IA a gran escala puede tener ventajas tangibles en los ingresos

Las interacciones con una IA ética tienen una función esencial en la generación de satisfacción y confianza del cliente 

Independientemente de la gran atención que cliente y normativa ponen en la ética de la IA, Capgemini ha observado que muchas empresas no están abordando activamente ciertos problemas, como la necesidad de tener un equipo ético capacitado.

El informe concluye con recomendaciones de cuatro principios para que las empresas se centren en la ampliación satisfactoria de la escala de IA:

  • Facultar: desarrollar una base fuerte que ofrezca un acceso sencillo a datos de confianza y calidad a través de las plataformas y herramientas de datos e IA adecuadas, junto con prácticas ágiles.
  • Poner en funcionamiento: implantar la IA a través del modelo operativo apropiado, priorizar iniciativas y garantizar un gobierno equilibrado, mientras se integra la ética. 
  • Educar: desarrollar el talento diversificado y la cooperación con ecosistemas y colaboradores. 
  • Llevar un seguimiento y amplificar: llevar un seguimiento continuo de la precisión y rendimiento del modelo para cumplir y amplificar los resultados de negocio.