Inteligencia artificial y machine learning: una prioridad para resolver los desafíos comerciales críticos

En marzo de 2022, escribí sobre la aparición continua de la inteligencia artificial (AI) y su creciente potencial para fomentar eficiencias sin precedentes, anticipar las acciones del cliente, influir en las decisiones de compra y ofrecer mejores experiencias. También señalé los requisitos críticos para finalmente cumplir la promesa de la AI y el machine learning, en especial, un enfoque más intensificado en la centralización de los datos y en su calidad.

Desde entonces, hemos visto abundante evidencia anecdótica de una adopción creciente de la AI y el machine learning por parte de organizaciones en diversas industrias. Incluso ante la incertidumbre geopolítica y las interrupciones macroeconómicas en los últimos 18 meses, el hecho de que el caso de uso de la AI y el machine learning se haya fortalecido es un testimonio de su potencia esencial. (Al momento de escribir esto, OpenAI acaba de implementar una versión actualizada de su chatbot viral, ChatGPT).

En este contexto, Rackspace Technology® realizó hace poco su tercer informe anual de investigación sobre AI y machine learning. Los resultados confirman que la AI y el machine learning se están expandiendo como impulsor clave de las ventajas competitivas. Incluso ante la incertidumbre económica global, las organizaciones están recurriendo a las tecnologías de AI y machine learning para resolver desafíos empresariales críticos.

Resultados de la encuesta sobre AI y machine learning

En la nueva encuesta participaron 1,420 profesionales de TI de todo el mundo y de diversas industrias, como servicios financieros, manufacturing, retail, hospitalidad, gobierno y atención médica para comprender la dinámica de la adopción de la AI y el machine learning. Revela que un número creciente de organizaciones (69 %) clasifican la AI y el machine learning como una alta prioridad para sus organizaciones, lo que representa un aumento de 15 puntos porcentuales en comparación con 2021. 

Es notable que casi un tercio de los encuestados dijeron que solo han comenzado a lanzar proyectos de AI y machine learning en el último año. Esto se compara con el 17 % que comenzó a implementar AI y machine learning hace dos años y un 11 % hace tres años.

No hay duda de que todavía estamos en las primeras etapas de la adopción. Aunque la mayoría de los encuestados afirma que la AI/ML es una gran prioridad, solo el 41 % dice haber obtenido beneficios sustanciales. En comparación, el 33 % ha visto beneficios modestos, mientras que poco más de una cuarta parte (26 %) dice que es demasiado pronto como para poder saberlo.

A pesar del progreso que se está logrando con las nuevas tecnologías, todavía muchas organizaciones no comprenden las ventajas de la AI y el machine learning. A menudo, se enfrentan a una resistencia interna a su adopción o uso. Un 62 % de los encuestados dice que hubo un rechazo interno en lo que respecta a la adopción dentro de sus organizaciones.

Dicho esto, más organizaciones aprovechan la AI y el machine learning para mejorar la velocidad y la eficiencia de los procesos existentes, y un 67 % de las organizaciones los clasifican como un área de importancia, un aumento del 15 % con respecto a 2022.

La AI y el machine learning siguen siendo lentos

Aunque la adopción de la AI y el machine learning no llega a una gran velocidad, la encuesta señala una serie de funciones empresariales que ahora están empezando a enfocarse como candidatas para su aplicación.

Estamos viendo un aumento en los casos de uso en múltiples áreas, que incluyen:

• Predicción del rendimiento empresarial y de las tendencias de la industria
• Promoción de la innovación y la productividad
• Administración de los riesgos
• Contratación y reclutamiento
• Promoción de una mejor comprensión del negocio y de sus clientes
• Mejora de la seguridad de los trabajadores

En conjunto, esto da testimonio de la creciente utilidad de la AI y del machine learning. Y ahí radica la clave para desplegar toda su promesa.

La conexión del cómputo en la nube en toda la industria

La trayectoria de las nuevas e interesantes implementaciones de la AI y el machine learning está vinculada estrechamente con la migración de la industria al cómputo en la nube. La centralización de grandes almacenes de datos creados por el cómputo en la nube es el combustible que permite que la AI y el machine learning prosperen.

Estamos bien adentrados en una nueva generación de tecnología en la nube, como lo demuestra el surgimiento de diseños de nube especializados que ofrecen soluciones específicas para tipos particulares de datos basados en las necesidades específicas de las empresas.

Las implementaciones de AI y machine learning dependen de datos centralizados, consistentes y normalizados, y la integridad de los datos sigue siendo el eslabón más débil de la cadena en este momento. Solo a través de una alta integridad de los datos, la AI y el machine learning pueden realizar funciones complejas e inéditas que proporcionarán a las empresas una ventaja competitiva sostenible.

Si bien eso está mejorando, es otra barrera para la adopción de la AI y el machine learning: la necesidad de las capacidades y el talento necesarios para gestionar los datos de manera efectiva. Al abordar estos problemas, más de ocho de cada 10 encuestados dijeron que han hecho un esfuerzo para reclutar empleados con competencia de AI y machine learning en los últimos 12 meses, al tiempo que una proporción similar ha aumentado su propio personal con habilidades en AI y machine learning en los últimos 12 meses.

Cómo llevar la AI y el machine learning al siguiente nivel

Lo que suceda durante esta próxima fase de adopción de AI y machine learning será decisivo para mantener el impulso. Las empresas que están comenzando a usar las tecnologías, o que tienen dificultades para profundizar en sus iniciativas de AI y machine learning, deben centrarse en tres áreas clave:

• Establecer una estrategia general y crear aceptación en todo el liderazgo
• Fortalecer la calidad y precisión de sus datos
• Capacitar y brindar formación adicional a su talento

Por su parte, las partes interesadas deberán tener en cuenta varios aspectos clave a medida que se preparan para crear una estrategia eficaz de AI y machine learning, que incluya lo siguiente:

• Establecer un modelo de negocio y expectativas de resultados, hitos y plazos.
• Crear un proceso de control de datos que tenga en cuenta los roles, las responsabilidades y los procesos para una gestión de datos adecuada.
• Determinar los estándares y las métricas que se pueden utilizar para garantizar que los datos sean precisos, completos, consistentes y confiables.
• Monitorear y auditar los datos de manera regular para identificar y abordar problemas de calidad de datos, como valores incorrectos, duplicados o valores atípicos.
• Abordar los problemas de calidad y precisión de los datos al depurar los procesos de datos, lo que incluye el establecimiento de definiciones y la eliminación de silos de datos.

Con el tiempo, las organizaciones están demostrando una creciente voluntad de asumir los desafíos de implementar AI y machine learning en una o más partes de la empresa. Eso se debe a que ven los beneficios de hoy y los potenciales provechos del mañana. Con un enfoque constante en lograr la integridad de los datos, habremos superado el último obstáculo importante para convertir la AI y el machine learning en una parte más integral de nuestras vidas cotidianas.

Conozca las capacidades líderes en la industria de la AI y el machine learning de los expertos de Rackspace Technology. Nuestro equipo de desarrollo de AI y machine learning puede ayudarlo a utilizar sus datos para que pueda tomar decisiones inteligentes, mejorar la colaboración, transformar las experiencias de los clientes y obtener mejores resultados.

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.