Aunque no faltan las expectativas en torno a la inteligencia artificial (IA), las empresas están empezando a darse cuenta de lo difícil que puede ser ofrecer algo útil con esta tecnología. Los ingresos que acaparan los titulares del fabricante de chips Nvidia son un indicador de cuánto dinero se está gastando en construir infraestructura para respaldar la inferencia de IA y las cargas de trabajo de aprendizaje automático, pero en realidad, muchas empresas están teniendo dificultades con esta tecnología. Los últimos resultados financieros de Nvidia muestran que su negocio de centros de datos registró ingresos de 26.300 millones de dólares en el último trimestre, gran parte de los cuales provinieron de las ventas de hardware de aceleración de IA a proveedores de la nube, empresas de Internet para consumidores y empresas que se suben a la ola de la IA. Sin embargo, una encuesta de Sapio Research para Hewlett Packard Enterprise (HPE) descubrió que solo un tercio (32%) de los líderes de TI en el Reino Unido e Irlanda creen que sus organizaciones están completamente preparadas para aprovechar los beneficios de la IA. La encuesta realizada a 400 líderes de TI en el Reino Unido e Irlanda para el informe Architect an AI advantage de HPE concluyó que, si bien el compromiso con la inteligencia artificial muestra inversiones crecientes, las empresas están pasando por alto áreas clave que tendrán un impacto en su capacidad para ofrecer resultados exitosos de IA. Estas incluyen niveles bajos de madurez de datos, posibles deficiencias en su red y aprovisionamiento de cómputo y consideraciones vitales de ética y cumplimiento. Matt Armstrong-Barnes, tecnólogo jefe de IA en Hewlett Packard Enterprise, dijo: «Las empresas están invirtiendo en IA sin tener primero una visión holística de la tecnología y cómo implementarla. Lanzarse a la acción antes de considerar si están preparados para beneficiarse de la IA y quién debe participar en su implementación conducirá a una desalineación entre departamentos y una fragmentación que limitará su potencial». La encuesta se encuentra entre una serie de nuevas investigaciones que muestran la brecha entre la publicidad exagerada de la IA y la realidad en términos de resultados comerciales. Una encuesta independiente de KPMG a líderes empresariales del Reino Unido informó que, a pesar de las promesas de la IA generativa (GenAI), existen preocupaciones significativas sobre sus implicaciones para el desempeño comercial. Los líderes empresariales encuestados en la encuesta de KPMG citaron la inexactitud de los resultados, incluidas las alucinaciones, como la mayor preocupación al adoptar GenAI (60%). Según KPMG, a los consejos directivos también les preocupan los errores en los datos subyacentes y la información que distorsiona los resultados del modelo (53%), así como los problemas relacionados con la ciberseguridad (50%). KPMG también informó que solo el 30% de los directores encuestados dijo que se han publicado y comunicado pautas de uso responsable de GenAI en toda su organización para mitigar estos posibles problemas. Es importante que las empresas definan cuidadosamente una estrategia clara de IA en lugar de simplemente perseguir la próxima innovación tecnológica. Esta estrategia debe equilibrar el valor, el costo y el riesgo asociados con los casos de uso de IA. Leanne Allen, KPMG UK Leanne Allen, directora de IA en KPMG UK, dijo: «Dadas las preocupaciones de los consejos directivos, es importante que las empresas definan cuidadosamente una estrategia clara de IA en lugar de simplemente perseguir la próxima innovación tecnológica. Esta estrategia debe equilibrar el valor, el costo y el riesgo asociados con los casos de uso de IA. Este equilibrio estratégico es crucial tanto para el progreso como para la confianza de las partes interesadas». Uno de los desafíos para el éxito de la IA es la calidad de los datos. La investigación de HPE mostró que la madurez de los datos entre los encuestados sigue siendo baja. Encontró que solo un pequeño porcentaje (6%) de las organizaciones puede ejecutar push and pull de datos en tiempo real para permitir la innovación y la monetización externa de datos, mientras que solo el 29% ha establecido modelos de gobernanza de datos y puede ejecutar análisis avanzados. HPE también informó que menos de seis de cada 10 encuestados dijeron que su organización era completamente capaz de manejar cualquiera de las etapas clave de la preparación de datos para su uso en modelos de IA, desde el acceso (57%) y el almacenamiento (51%), hasta el análisis (54%) y el procesamiento (52%). Según HPE, esta discrepancia no solo corre el riesgo de ralentizar el proceso de creación de modelos de IA, sino que también aumenta la probabilidad de que el modelo proporcione información inexacta y un retorno de la inversión (ROI) negativo. Una investigación adicional, de Vanson Bourne para Fivetran, presentada en el informe AI in 2024 – hopes and hurdles, encontró que casi todas (el 97 %) de las 550 organizaciones encuestadas enfrentaron barreras en su adopción de IA. El estudio informó que solo el 40 % de los líderes de TI encuestados miden completamente el ROI de sus programas de IA. Significativamente, la encuesta de Vanson Bourne informó que, en promedio, las empresas perdieron el 6 % de sus ingresos anuales globales debido a decisiones comerciales mal informadas basadas en sistemas de IA que utilizan datos inexactos o de baja calidad. Sin embargo, Vanson Bourne también descubrió que las organizaciones en la fase inicial de adopción de IA están viendo un ROI del 62 %, en promedio, lo que indica que los beneficios financieros comienzan altos antes de que los datos subóptimos conduzcan a modelos de IA de bajo rendimiento e impacten negativamente en el retorno financiero. El estudio informó que, en promedio, el ROI financiero es ligeramente más alto (56 %) para aquellos que construyen sus propios modelos de IA, en comparación con aquellos que utilizan proveedores externos, ya sean de código abierto (52 %) o de código cerrado (51 %). “Si las empresas continúan con su enfoque actual en materia de IA, esto afectará negativamente su éxito a largo plazo”, afirmó Armstrong-Barnes de HPE. “Deben adoptar un enfoque integral de principio a fin a lo largo de todo el ciclo de vida de la IA para optimizar la interoperabilidad e identificar mejor los riesgos y las oportunidades”.