Suscríbase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder en la industria. Más información Las organizaciones modernas son muy conscientes de la necesidad de aprovechar eficazmente la IA generativa para mejorar las operaciones comerciales y la competitividad de los productos. Según una investigación de Forrester, el 85% de las empresas están experimentando con IA generativa, y un estudio de KPMG US descubrió que el 65% de los ejecutivos creen que tendrá «un impacto alto o extremadamente alto en su organización en los próximos tres a cinco años, muy por encima de cualquier otra tecnología emergente». Como ocurre con cualquier tecnología nueva, la adopción e implementación de IA generativa sin duda planteará desafíos. Muchas organizaciones ya se enfrentan a presupuestos ajustados, equipos sobrecargados y menos recursos; por lo tanto, las empresas deben ser especialmente estratégicas en lo que respecta a la incorporación de IA generativa. Una faceta crítica (aunque a menudo pasada por alto) para el éxito de la IA generativa es la gente detrás de la tecnología en estos proyectos y la dinámica que existe entre ellos. Para obtener el máximo valor de la tecnología, las organizaciones deben formar equipos que combinen el conocimiento específico del dominio del talento nativo de IA con la experiencia práctica de los veteranos de TI. Por naturaleza, estos equipos suelen abarcar diferentes generaciones, conjuntos de habilidades dispares y distintos niveles de comprensión empresarial. Asegurarse de que los expertos en IA y los tecnólogos empresariales trabajen juntos de forma eficaz es primordial y determinará el éxito (o las deficiencias) de las iniciativas de IA de la generación de una empresa. A continuación, exploraremos cómo estos roles marcan la diferencia en lo que respecta a la tecnología y cómo pueden colaborar mejor para impulsar resultados empresariales positivos. El papel de los veteranos de TI y el talento nativo de IA en el éxito de la IA de la generación de En promedio, el 31% de la tecnología de una organización se compone de sistemas heredados. Cuanto más antigua, exitosa y compleja sea una empresa, más probable es que exista una gran huella de tecnología que se introdujo por primera vez hace al menos una década. Hacer realidad la promesa empresarial de cualquier nueva tecnología (incluida la IA de la generación de) depende de la capacidad de una organización para cosechar primero la máxima cantidad de valor de esas inversiones existentes. Hacerlo requiere un alto grado de conocimiento contextual sobre el negocio; del tipo que solo poseen los veteranos de TI. Su experiencia en la gestión de sistemas heredados, junto con un profundo conocimiento del negocio, crea el entorno óptimo para integrar la IA de última generación en productos y flujos de trabajo, manteniendo al mismo tiempo el impulso hacia adelante de la empresa. Los graduados en ciencia de datos y el talento nativo de IA también aportan habilidades críticas; a saber, la competencia en el trabajo con herramientas de IA y las habilidades de ingeniería de datos necesarias para que esas herramientas sean impactantes. Tienen un conocimiento profundo de cómo aplicar técnicas de IA, ya sea procesamiento del lenguaje natural (PLN), detección de anomalías, análisis predictivo o alguna otra aplicación, a los datos de una organización. Quizás lo más importante es que entienden qué datos se deben aplicar a estas herramientas y tienen el conocimiento técnico para transformarlos de modo que sean consumibles para dichas herramientas. Hay algunos desafíos que las organizaciones pueden experimentar a medida que incorporan nuevo talento de IA a sus profesionales empresariales existentes. A continuación, exploraremos estos obstáculos potenciales y cómo mitigarlos. Hacer espacio para la IA de última generación El principal desafío que las organizaciones pueden esperar encontrar a medida que crean estos nuevos equipos es la escasez de recursos. Los equipos de TI ya están sobrecargados con la tarea de mantener los sistemas existentes funcionando con un rendimiento óptimo; pedirles que reimaginen todo su panorama tecnológico para hacer espacio para la IA de nueva generación es una tarea difícil. Podría ser tentador secuestrar equipos de IA de nueva generación debido a esta falta de capacidad laboral, pero luego las organizaciones corren el riesgo de tener dificultades para integrar la tecnología en sus pilas de aplicaciones principales en el futuro. Las empresas no pueden esperar hacer avances significativos con la IA de nueva generación aislando a los doctores en una oficina de esquina que está desconectada del negocio; es vital que estos equipos trabajen en tándem. Las organizaciones pueden necesitar ajustar sus expectativas ante estos cambios: sería irrazonable esperar que TI mantenga sus prioridades existentes y al mismo tiempo aprenda a trabajar con nuevos miembros del equipo y los eduque en el lado comercial de la ecuación. Es probable que las empresas deban tomar algunas decisiones difíciles sobre el recorte y la consolidación de inversiones anteriores para crear capacidad desde adentro para las nuevas iniciativas de IA de nueva generación. Tener claro el problema Al incorporar cualquier tecnología nueva, es esencial tener muy claro el espacio del problema. Los equipos deben estar totalmente de acuerdo en cuanto al problema que están resolviendo, el resultado que buscan lograr y qué palancas se requieren para desbloquear ese resultado. También deben estar alineados en cuanto a cuáles son los impedimentos entre esas palancas y qué se requerirá para superarlos. Una forma eficaz de lograr que los equipos estén en la misma página es crear un mapa de resultados que vincule claramente el resultado objetivo con las palancas de apoyo y los impedimentos para garantizar la alineación de los recursos y la claridad de las expectativas sobre los entregables. Además de cubrir los factores anteriores, el mapa de resultados también debe abordar cómo se medirá cada aspecto para responsabilizar al equipo del impacto comercial a través de métricas mensurables. Al profundizar en el espacio del problema en lugar de especular sobre posibles soluciones, las empresas pueden evitar posibles fallas y una reelaboración excesiva después del hecho. Esto se puede comparar con las inversiones desperdiciadas observadas durante el auge del big data hace aproximadamente una década: existía la idea de que las empresas podían simplemente aplicar big data y herramientas de análisis a sus datos empresariales y los datos les revelarían oportunidades. Lamentablemente, esto resultó ser una falacia, pero las empresas que se tomaron el tiempo y el cuidado de comprender profundamente su espacio problemático antes de aplicar estas nuevas tecnologías pudieron desbloquear un valor sin precedentes, y lo mismo será cierto para la IA de generación anterior. Mejorar la comprensión Existe una tendencia creciente de profesionales de TI que continúan su educación para obtener habilidades en ciencia de datos e impulsar de manera más efectiva las iniciativas de IA de generación anterior dentro de su organización; yo soy uno de ellos. Los programas de posgrado en ciencia de datos actuales están diseñados para satisfacer simultáneamente las necesidades de los recién graduados universitarios, los profesionales de mitad de carrera y los ejecutivos sénior. También brindan el beneficio adicional de una mejor comprensión y colaboración entre los veteranos de TI y el talento nativo de IA en el lugar de trabajo. Como recién graduado de la Escuela de Información de UC Berkeley, la mayoría de mi cohorte eran profesionales de mitad de carrera, un puñado eran ejecutivos de nivel C y el resto recién salidos de la licenciatura. Si bien no es un requisito para el éxito de la IA de generación anterior, estos programas brindan una excelente oportunidad para que los profesionales de TI establecidos aprendan más sobre los conceptos técnicos de ciencia de datos que impulsarán la IA de generación anterior dentro de sus organizaciones. Al igual que cada uno de sus predecesores tecnológicos, la IA de generación anterior está creando nuevas oportunidades y desafíos. Cerrar las brechas generacionales y de conocimiento que existen entre los profesionales veteranos de TI y los nuevos talentos de IA requiere una estrategia intencional. Si tienen en cuenta los consejos anteriores, las empresas pueden prepararse para el éxito e impulsar la próxima ola de innovación de IA de generación dentro de sus organizaciones. Jeremiah Stone es el director de tecnología de SnapLogic. DataDecisionMakers ¡Bienvenido a la comunidad VentureBeat! DataDecisionMakers es el lugar donde los expertos, incluidos los técnicos que trabajan con datos, pueden compartir ideas e innovaciones relacionadas con los datos. Si desea leer sobre ideas de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers. ¡Incluso podría considerar contribuir con un artículo propio! Leer más de DataDecisionMakers