IA, un valioso aliado para las empresas

La Inteligencia Artificial (IA) se ha convertido en poco tiempo en un activo importante para las empresas, que pueden generar m¨¢s valor si la convierten en una industria con sus propias normas y principios comunes. Por ese motivo, es ya una prioridad de negocio. Solo en los ¨²ltimos tres a?os, las inversiones empresariales en IA han alcanzado los 306.000 millones de d¨®lares. Y aquellas corporaciones que adoptan e implementan esta tecnolog¨ªa en su funcionamiento interno, casi pueden llegar a triplicar el r¨¦dito de sus inversiones. El problema es que todav¨ªa son muchas las que no generan el valor que esperaban.

Por ello es imprescindible a largo plazo profesionalizar la industria para escalar la IA y hacer un uso eficaz de ella. Para conseguirlo, todos los implicados en el proceso (desde los profesionales hasta los l¨ªderes, tanto en el sector p¨²blico como en el privado) deben unir fuerzas para crear roles y responsabilidades bien diferenciadas; exigir el nivel adecuado de formaci¨®n acad¨¦mica y profesional de los empleados; definir procesos que permitan el desarrollo, la implantaci¨®n y la gesti¨®n de IA, y democratizar los conocimientos de IA en toda la estructura de negocio.

¡°Aquellas empresas que sean capaces de definir un modelo operativo y gobernanza del dato adecuado a sus necesidades podr¨¢n sacar provecho de la IA¡±, sostiene Jaime Rodr¨ªguez Lagunas, managing director de Applied Intelligence en Accenture en Espa?a, Portugal e Israel. De ah¨ª que las que consigan crear una estructura de responsabilidades clara en torno a los equipos de IA podr¨¢n contribuir a evitar riesgos como sesgos, mal servicio a los clientes y otras consecuencias imprevistas.

Eso es lo que hace que en campos profesionalizados (como la medicina, la construcci¨®n o incluso el servicio de alimentos) exista un nivel intr¨ªnseco de confianza entre los clientes y las empresas que componen cada industria. El origen de esa confianza hay que buscarlo en las normas que fijan las expectativas de todos los interesados.

Por ejemplo, todos damos por hecho que los arquitectos, los electricistas y otros profesionales de la construcci¨®n saben c¨®mo construir una casa. Han recibido la formaci¨®n necesaria y conocen sus roles y responsabilidades, las normas de seguridad y los protocolos que deben seguir durante todo el proceso. Nadie confiar¨ªa la construcci¨®n de su casa a un ¡°arquitecto aficionado¡±, del mismo modo que nadie acudir¨ªa a un ¡°m¨¦dico aficionado¡± para que le curara.

Pese a ello, las empresas siguen nutriendo sus equipos de an¨¢lisis de datos con ¡°investigadores de datos aficionados¡± (o personas que crean modelos usando anal¨ªtica predictiva, pero que son ajenas al campo de la anal¨ªtica de datos) sin darles las normas y garant¨ªas que necesitan para su trabajo. Las diferencias pueden ser grandes incluso entre los investigadores de datos formados y homologados. M¨¢s all¨¢ de la necesidad de una formaci¨®n formal y reglada, lo cierto es que estos especialistas suelen trabajar aislados, lo que les impide aprovechar todo el potencial de la IA. Solo es posible generar valor si los profesionales de IA trabajan mano a mano con el negocio para cumplir los objetivos de la organizaci¨®n y existen normas, reglas y procesos que facilitan la colaboraci¨®n entre esos equipos interdisciplinares.

Oportunidades de negocio

¡°La IA abre nuevas oportunidades a las empresas para sacar provecho de los datos de que disponen, ya sean internos o externos. El valor de los datos va generar nuevas expectativas de negocio, as¨ª como la posibilidad de incrementar beneficios y reducir costes gracias a la utilizaci¨®n de IA¡±, prosigue Rodr¨ªguez Lagunas. En ese sentido, una encuesta elaborada por Accenture a 1.500 directivos revela que aquellas compa?¨ªas que logran escalar la IA (para obtener m¨¢s beneficio de sus inversiones) emplean t¨¢cticas de profesionalizaci¨®n llevadas a cabo por ¡°escaladores estrat¨¦gicos¡±.

Estos expertos tienen entre 1,5 y 2,5 m¨¢s probabilidades de desarrollar equipos interdisciplinares dedicados a la IA, con la formaci¨®n necesaria y l¨ªneas claras de responsabilidad. De ah¨ª que se deba considerar la profesionalizaci¨®n como un requisito indispensable para escalar la IA con ¨¦xito. Los directivos encuestados son conscientes de esta nueva realidad, ya que tres de cada cuatro admiten que corren el riesgo de quedarse sin trabajo si no consiguen escalar la IA en los pr¨®ximos cinco a?os.

Adem¨¢s, la pandemia de la covid-19 ha aumentado la brecha entre las compa?¨ªas que han profesionalizado y escalado sus capacidades de IA, y las que no lo han conseguido. Porque afrontar este reto no es f¨¢cil. A d¨ªa de hoy, las empresas a¨²n se topan con distintos problemas para adoptar la IA en sus procesos de trabajo. Jaime Rodr¨ªguez Lagunas enumera los principales: ¡°la disponibilidad y calidad de los datos, el talento adecuado en el seno de las organizaciones para aplicar IA (ingenieros de datos, cient¨ªficos de datos, arquitectos de nuevas tecnolog¨ªas¡­) y la definici¨®n de los casos de uso que aporten valor a la organizaci¨®n¡±.

Por ese motivo, ahora que las empresas est¨¢n adoptando nuevas capacidades de datos e IA en un intento por recuperarse y volver a la senda del crecimiento, es muy importante que tambi¨¦n se profesionalicen estos nuevos escaladores. Para ello, se deben seguir una serie de pasos. Solo de esta manera, las compa?¨ªas podr¨¢n aprovechar al m¨¢ximo esta tecnolog¨ªa en r¨¢pida evoluci¨®n.

1. Crear roles de IA claramente diferenciados

En una industria profesionalizada, los trabajadores saben cu¨¢les son los roles individuales que contribuyen a un resultado final. De ah¨ª la necesidad de contar con equipos interdisciplinares en los que coexistan personas con diferentes conocimientos, m¨¦todos y puntos de vista, y que trabajen para innovar y desarrollar productos y servicios basados en IA. El estudio de Accenture indica que el 92 % de los escaladores estrat¨¦gicos forma equipos interdisciplinares en su organizaci¨®n. Adem¨¢s, el 72 % asegura que sus empleados comprenden la IA y la relaci¨®n que tiene con su trabajo.

Estas cifras demuestran el importante papel que juegan los escaladores estrat¨¦gicos: al distribuir roles claramente diferenciados en equipos interdisciplinares, se eliminan las responsabilidades redundantes y se define el ¨¢rea de influencia de cada persona. Estos equipos, que normalmente est¨¢n dirigidos por el responsable de IA, datos o anal¨ªtica, suelen contar entre sus miembros con expertos en modelos de datos, ingenieros de aprendizaje autom¨¢tico y especialistas en calidad de datos, por nombrar algunos. La combinaci¨®n exacta de roles depender¨¢ de cada aplicaci¨®n y variar¨¢ de un proyecto a otro, pero hay un elemento com¨²n: la necesidad de definir responsabilidades y expectativas desde el principio.

La profesionalizaci¨®n puede plantear problemas a las empresas por diversos motivos, incluida la incapacidad de cubrir carencias de conocimientos. Aunque sepan cu¨¢les son las habilidades que les faltan, no siempre les resulta f¨¢cil encontrar y contratar a suficientes personas que tengan la experiencia necesaria para paliar esas carencias en poco tiempo. Una soluci¨®n puede ser recurrir a la colaboraci¨®n (o adquisici¨®n, incluso) de una empresa profesionalizada que no solo tenga los conocimientos adecuados, sino tambi¨¦n equipos con m¨¦todos de eficacia probada y orientados a la producci¨®n. Accenture, por ejemplo, ha adquirido varias empresas profesionalizadas de software y servicios durante el ¨²ltimo a?o para reforzar su posici¨®n en el mercado.

2. Exigir formaci¨®n acad¨¦mica y profesional en IA

El aumento de la inversi¨®n de las organizaciones en IA y datos ha hecho que los empleados comprendan mejor la creciente influencia de estas tecnolog¨ªas en sus empresas y en sus carreras profesionales. Pese a ello, muchos carecen todav¨ªa de los conocimientos necesarios para utilizar la IA en sus trabajos. De ah¨ª que las organizaciones deban definir la formaci¨®n acad¨¦mica y profesional que exigen a sus empleados de IA. Las empresas que consiguen escalar la IA procuran contar con personal que ofrezca la combinaci¨®n adecuada de conocimientos y cualificaciones. El 70 % de los escaladores estrat¨¦gicos, por ejemplo, asegura que sus empleados han recibido formaci¨®n formal sobre IA y datos.

Las empresas que deseen contar con una plantilla profesionalizada y eficaz tienen que valorar las habilidades que necesitan, las carencias de formaci¨®n en sus plantillas y las cualificaciones de sus empleados para asignarles los roles m¨¢s adecuados. Una forma de paliar las carencias de conocimientos es adquirir una empresa profesionalizada o trabajar con ella, aunque tambi¨¦n es posible buscar acuerdos de colaboraci¨®n con instituciones acad¨¦micas y de investigaci¨®n para formar a los empleados o tener acceso a nuevas reservas de talento en el futuro.

Accenture, por ejemplo, mantiene una relaci¨®n estrat¨¦gica con el Berkeley Institute for Data Science (BIDS) de la Universidad de California para avanzar en el campo de la investigaci¨®n de datos. El programa est¨¢ pensado para que investigadores, estudiantes y la pr¨¢ctica de Applied Intelligence de Accenture tengan la oportunidad de colaborar en la exploraci¨®n de complejos problemas a los que se enfrenta la sociedad al tiempo que aprenden unos de otros.

A la hora de contratar talento, las empresas suelen emplear filtros t¨¦cnicos para valorar si un candidato posee el nivel de conocimientos necesario para un puesto. Si quieren que sus profesionales de IA tengan m¨¢s responsabilidad y confianza, las empresas deben establecer puntos de evaluaci¨®n peri¨®dica a lo largo de toda la carrera de un empleado para verificar sus conocimientos y proseguir su formaci¨®n t¨¦cnica.

Un buen modelo de formaci¨®n requiere que las empresas establezcan trayectorias profesionales claras para sus empleados de IA. Debe haber prerrequisitos bien definidos para cada nivel profesional, como cursos de formaci¨®n que ayuden a adquirir los conocimientos necesarios. En la definici¨®n de esos prerrequisitos deben participar responsables de tecnolog¨ªa, datos y recursos humanos, e incluso se puede consultar a expertos externos de importantes instituciones acad¨¦micas. Adem¨¢s de estas ventajas, establecer trayectorias profesionales contribuye tambi¨¦n a la retenci¨®n de talento, al desarrollo de los empleados y a la profesionalizaci¨®n de la pr¨¢ctica.

3. Definir procesos de IA

El estudio de Accenture indica que las empresas con un buen gobierno de la innovaci¨®n esperan doblar el crecimiento de ingresos en un plazo de cinco a?os.

Las industrias profesionalizadas cuentan con modelos est¨¢ndar de pruebas y referencias que pueden usar para la creaci¨®n (u optimizaci¨®n) de productos y servicios. Del mismo modo, contar con sistemas y procesos que faciliten el desarrollo de un producto o soluci¨®n de IA permite innovar de un modo predecible y eficiente, ya se trate de fabricar dispositivos inteligentes o de crear un modelo de datos para mejorar la experiencia de compra online.

Cuando alguien cae enfermo, tiene que pasar por las manos de enfermeras, m¨¦dicos y otros especialistas que le diagnostican el problema y le recomiendan el mejor tratamiento. Una vez definidos roles diferenciados para sus equipos de IA, las empresas pueden seguir el ejemplo de la profesi¨®n m¨¦dica y definir procesos que rijan el desarrollo, la implantaci¨®n y la gesti¨®n de soluciones de IA. Esos procesos tienen que indicar a los empleados c¨®mo deben colaborar, c¨®mo deben elegir tecnolog¨ªas para producir la soluci¨®n de IA y c¨®mo deben relacionarse con esas tecnolog¨ªas. Por ejemplo, si un grupo de investigadores de datos crea un algoritmo nuevo, una organizaci¨®n con un enfoque profesionalizado de la IA crear¨ªa un sistema para probar el algoritmo y garantizar que hace lo que tiene que hacer de una manera segura, predecible y uniforme.

4. Democratizar los conocimientos sobre IA en la organizaci¨®n

La verdadera profesionalizaci¨®n resultar¨¢ y depender¨¢ de la difusi¨®n de conocimientos sobre IA en toda la organizaci¨®n. Por su propio bien y el de sus empleados, las empresas tienen que ofrecer alg¨²n tipo de formaci¨®n sobre IA. Seg¨²n la encuesta de Accenture, el 62 % de los trabajadores cree que la IA tendr¨¢ un efecto positivo en su vida profesional y el 67 % considera que es importante adquirir habilidades para trabajar con m¨¢quinas inteligentes.Es evidente que los empleados comprenden las consecuencias que la IA puede tener sobre sus trabajos y est¨¢n dispuestos a aprender. Las organizaciones tienen la oportunidad (y la responsabilidad) de hacer lo posible por ayudarles. Ayudar a que toda la plantilla comprenda qu¨¦ es la IA, c¨®mo afecta a sus trabajos y c¨®mo beneficia a la empresa contribuir¨¢ a generar confianza en la IA y a aumentar los niveles de adopci¨®n y uso.

Exigir un nivel b¨¢sico de conocimientos sobre IA a todos los empleados har¨¢ que la organizaci¨®n tenga m¨¢s probabilidades a largo plazo de escalar la IA. La democratizaci¨®n de los conocimientos sobre IA podr¨ªa preparar a los equipos de marketing para presentar servicios de IA de manera clara a los clientes y venderlos con m¨¢s facilidad, dotar a los equipos jur¨ªdicos de los conocimientos necesarios para comprender mejor las implicaciones legales y evitar que la organizaci¨®n quede expuesta a riesgos que pueden resultar muy costosos, y ajustar los procesos y requisitos para contratar a nuevos profesionales de IA.

El esfuerzo de democratizaci¨®n para generar confianza en la IA debe ir mucho m¨¢s all¨¢ de los responsables de tecnolog¨ªa y anal¨ªtica y sus equipos respectivos. Una de las conclusiones del estudio es que una distancia menor entre directivos y profesionales de IA aumenta las probabilidades de generar valor. Cuando todo el mundo comprenda lo que es la IA, los empleados no solo ser¨¢n m¨¢s productivos, sino que tambi¨¦n estar¨¢n mejor preparados para ayudar a escalar la IA en toda la empresa.

Las empresas l¨ªderes no esperan que la industria o los organismos reguladores les digan c¨®mo tienen que profesionalizar la IA. Accenture trabaja con ellas para ayudarles a crear roles bien diferenciados, exigir formaci¨®n acad¨¦mica y profesional, definir procesos y democratizar los conocimientos sobre IA.