El éxito de los proyectos de inteligencia artificial en las empresas dependen de varios factores, pero sobre todo de la calidad de los datos en las organizaciones. Con bases de datos deficientes, la IA, que se alimenta de enormes volúmenes de información, no funciona, o funciona de forma deficiente. En los dos últimos años, los responsables de la estrategia del negocio tienen muchas expectativas de que las inversiones en inteligencia artificial puedan impulsar innovaciones transformadoras que revolucionen desde la satisfacción del cliente hasta el desarrollo de productos. Además, han visto a la IA como una pieza clave para aumentar la productividad de los empleados y reducir costes.
Sin embargo, la realidad es obstinada. Así, una base para los datos deficiente impide que el 78% de las organizaciones alcancen estos objetivos, según un informe de MIT Technology Review Insights, realizado en colaboración con Snowflake. Ese estudio, que parte de una encuesta a 276 ejecutivos de una amplia variedad de industrias y de todo el mundo, revela que, aunque las empresas tienen muchas aspiraciones con la IA generativa (el 72% busca aumentar la eficiencia o la productividad, el 55% apuesta por una mayor competitividad en el mercado y el 47% aspira a ver más innovación en productos y servicios), es necesario mejorar la estrategia de la base para los datos a fin de maximizar el potencial de la IA.
Las empresas necesitan una base para los datos sólida, impulsada por plataformas de datos modernas en la nube, que les permitan aprovechar su propio almacenamiento de datos, así como grandes volúmenes de datos antes inaccesibles, en gran parte procedentes de datos no estructurados como vídeos e imágenes. Según el estudio, solo el 22% de los responsables de la estrategia del negocio afirma estar “muy preparados” para adoptar la IA, mientras que el 53 % se considera “algo preparado”.
Una mayor preparación implica afrontar menos desafíos relacionados con el acceso a una capacidad de computación escalable, los silos de datos y los problemas de integración, así como con la gobernanza de datos. A pesar de la confianza de muchos líderes empresariales en los resultados que puede ofrecer la IA, se están dando cuenta de que los datos son la clave para determinar la rapidez y la eficacia con la que pueden desbloquear el valor de la IA.
Otros retos: gobernanza, seguridad y privacidad de la información
Otro desafío al que se enfrentan las organizaciones es el despliegue de la IA a gran escala. El 95% de los encuestados afirmó que se encontraban con obstáculos a la hora de implantar la IA. El 59% de los encuestados citó la gobernanza, la seguridad o la privacidad de los datos como el desafío más frecuente, seguido de la calidad y la disponibilidad de los datos (53%) y el coste de los recursos o la inversión (48%). Las decisiones de gasto y dotación de recursos, incluidas las necesarias para mejorar las bases para los datos, son un reto en cualquier inversión tecnológica. Pero el coste de la IA generativa en sí está disminuyendo, ya que las empresas han empezado a desarrollar large language models (LLM) más pequeños que siguen ofreciendo las mismas capacidades, pero cuestan menos.
“Hoy en día, muchas organizaciones tienen altas expectativas con respecto a la IA generativa: buscan cambiar su forma de operar y lo que venden”, afirma Baris Gultekin, responsable de IA de Snowflake. “Nuestra investigación conjunta muestra que, a medida que las organizaciones sienten una mayor urgencia por desplegar aplicaciones de IA, se están dando cuenta de que sus datos pueden ayudar a ofrecer perspectivas a partir de fuentes de información hasta ahora inexploradas. Es fundamental contar con una base para los datos sólida es fundamental para ofrecer capacidades de IA generativa, y los líderes empresariales deben actuar con rapidez para hacer frente a cuestiones como la seguridad y el coste de los datos, y establecer los cimientos que necesitan para cumplir la promesa de la IA”.
