Claves para implementar la inteligencia artificial con éxito

La inteligencia artificial, y más con la explosión de IA generativa, va a dejar de ser sólo un proyecto de TI para convertirse en iniciativa empresarial, según Gartner. La firma de análisis sostiene que es más que una tendencia, ya que supone un cambio en la manera en la que interactuamos los humanos y las empresas. Su pronóstico es que, para 2025, la IA generativa será un aliado o socio laboral para el 90% de las empresas del mundo.

Esta tecnología se ha convertido en una herramienta avanzada, que cuenta con una ejemplar técnica algorítmica, pero que, en muchas ocasiones, las organizaciones no saben cómo utilizarla para que genere un valor de negocio real. Las empresas que quieran integrar la inteligencia artificial en sus procesos de negocio deben una visión clara de esta tecnología, pero, hoy en día, tan solo el 9% la tienen. Innovery ha identificado las cuatro fases a seguir para que las empresas puedan conseguir esa visión y desplegar la inteligencia artificial con éxito:

-- Definición de objetivos. Es importante que en esta etapa el personal de aquellos departamentos que van a utilizar la tecnología y el equipo de especialista en IA trabajen conjuntamente para definir qué se espera de la iniciativa, plantear hasta dónde llegar y prevea dónde pueden surgir problemas.

Además, en este punto habrá que abordar dos cuestiones clave. Por un lado, la preparación de datos con criterios de seguridad. Por otro lado, es indispensable definir la política de seguridad y gobernanza que se aplicará en el proyecto, identificando no solo quién puede ver esa información, sino qué tipo de información se ofrece y si es la correcta, siempre alineada con la estrategia de datos y los principios éticos de la compañía.

-- Prueba de concepto. Otra de las recomendaciones es elegir un área para empezar el proyecto y realizar una prueba de concepto para comprobar la viabilidad del proyecto y garantizar que este está alineado con los objetivos previamente definidos. De esta forma, se eliminan las incógnitas tecnológicas y se comprueba si las fuentes de información escogidas son útiles y correctas. También deben tenerse en cuenta las consecuencias del proyectos, previstas e imprevistas, además de diseñar un plan de cualificación y adaptación de las personas. Una vez realizada esta prueba, será posible conocer si el proyecto es viable, aporta valor y encaja perfectamente con los objetivos corporativos.

-- Desarrollo del proyecto e integración con los sistemas existentes. El uso de metodologías ágiles ayuda a definir el concepto, la hoja de ruta y el trabajo diario, definiendo las tareas a desarrollar, divididas en tres grandes grupos: las que tienen que ver con IA, que requieren de preentrenamiento; desarrollo puro o la integración con sistemas ya existentes. A partir de este punto, se entregan los incrementos y mejoras del producto para pasar posteriormente a producción. Una vez superada esta fase, el modelo entra ya en productivo y se van realizando pruebas.

-- Monitorización. Una vez que el proyecto está en pleno funcionamiento, requiere de un mantenimiento como cualquier otro producto de desarrollo. Por eso, tiene que llevarse a cabo una monitorización constante. En esta etapa también se localizan posibles puntos de mejora para generar mayores eficiencias y ganar en optimización. La monitorización, como en cualquier otro desarrollo, puede ser un servicio gestionado, un proyecto llave en mano o bien dejar parte del mantenimiento a proveedores especializados, aunque el cliente ejerza como supervisor.