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 Un nuevo informe de Deloitte arroja luz sobre el complejo panorama de la adopción de IA generativa en la empresa, revelando tanto avances significativos como desafíos persistentes. La encuesta, titulada «El estado de la IA generativa en la empresa: ahora decide el futuro», reunió información de 2770 líderes empresariales y tecnológicos en 14 países y seis industrias. La encuesta es la última de la serie trimestral de la empresa sobre el estado de la IA generativa en la empresa. La primera edición de la encuesta publicada en enero encontró que los líderes empresariales estaban preocupados por el impacto social y el talento tecnológico. El nuevo informe pinta un panorama de organizaciones que se esfuerzan por capitalizar el potencial de la IA generativa mientras lidian con problemas de escalabilidad, gestión de datos, mitigación de riesgos y medición de valor. Destaca una coyuntura crítica donde los éxitos iniciales están impulsando mayores inversiones, pero el camino hacia una implementación generalizada sigue plagado de obstáculos. Los hallazgos clave del informe incluyen: El 67% de las organizaciones están aumentando las inversiones en IA gen debido al fuerte valor inicial El 68% ha trasladado el 30% o menos de sus experimentos de IA gen a producción El 75% ha aumentado las inversiones en la gestión del ciclo de vida de los datos para la IA gen Solo el 23% se siente altamente preparado para los desafíos de gestión y gobernanza de riesgos relacionados con la IA gen El 41% lucha por definir y medir los impactos exactos de los esfuerzos de IA gen El 55% ha evitado ciertos casos de uso de IA gen debido a problemas relacionados con los datos «Veo que muchos de nuestros clientes están haciendo prototipos y pruebas piloto, pero aún no están llegando a la producción», dijo Kieran Norton, director de Deloitte, a VentureBeat. «Mucho de eso se relaciona con las preocupaciones sobre la calidad de los datos y las implicaciones de los mismos, incluido el sesgo al ingresar a un modelo». Cómo las preocupaciones por el riesgo están afectando las implementaciones de IA empresarial La encuesta de Deloitte es una de las muchas en las últimas semanas que tienen como objetivo detallar el uso actual de la IA empresarial. PwC publicó un informe la semana pasada que mostraba que, si bien el interés en la IA gen es alto, existe una pequeña brecha cuando se trata de evaluar los riesgos de la IA. El informe de Deloitte va un paso más allá y señala que los riesgos de la IA podrían estar afectando a las implementaciones empresariales. Según Norton, los ejecutivos tienen un nivel significativo de preocupación y no están dispuestos a avanzar hasta que sientan que esas preocupaciones pueden abordarse. El informe de Deloitte destaca los riesgos clave, entre ellos la calidad de los datos, el sesgo, la seguridad, la confianza, la privacidad y el cumplimiento normativo. Si bien estos no son dominios completamente nuevos, Norton enfatizó que existen matices en la IA generativa. Kieran cree que las organizaciones pueden aprovechar sus programas de gestión de riesgos existentes para abordar estos desafíos. Sin embargo, reconoció la necesidad de mejorar ciertas prácticas, como la gestión de la calidad de los datos, para mitigar los riesgos específicos que plantea la IA generativa. «Hay algunos matices que deben abordarse, pero al final sigue siendo una gobernanza fundamental», dijo Norton. «La calidad de los datos ha sido una preocupación durante mucho tiempo y, por lo tanto, tal vez deba mejorar lo que está haciendo en torno a la calidad de los datos para mitigar el riesgo». Una preocupación particular es el riesgo de alucinación, donde un modelo de IA generativa produce resultados incorrectos o sin sentido. Norton explicó que este riesgo es ciertamente una preocupación y señaló que a menudo está vinculado a una falta de comprensión sobre los datos que se introducen en los modelos. Sugiere que para ciertos casos de uso, las organizaciones recurrirán a modelos de lenguaje más pequeños y específicos y a una capacitación específica para reducir los riesgos de alucinaciones. Cómo las empresas pueden demostrar el valor de las iniciativas de IA gen Uno de los grandes hallazgos del informe fue que el 41% de las organizaciones tuvieron dificultades para medir de manera efectiva su esfuerzo de IA gen. Aún peor es el hallazgo de que solo el 16% ha elaborado informes periódicos para el director financiero de su empresa que detallan el valor creado por la IA gen. Norton explicó que esta dificultad se deriva de la diversa gama de casos de uso y la necesidad de un enfoque más granular y específico para cada caso de uso. «Si tienes 20 casos de uso diferentes que estás explorando en diferentes partes de la organización, probablemente tengas manzanas, naranjas, plátanos y piñas, por lo que no podrás medirlos todos de manera similar», dijo Kieran. En cambio, Norton recomienda que las organizaciones definan indicadores clave de rendimiento (KPI) para cada caso de uso específico, apuntando a los problemas comerciales que están tratando de resolver. Esto podría incluir métricas como productividad, eficiencia o mejoras en la experiencia del usuario, según el caso de uso particular. Sugiere que las organizaciones identifiquen áreas donde hay problemas en el negocio y luego intenten resolver esos problemas. «Creo que realmente se trata de desglosarlo a nivel de caso de uso, más que de abordarlo como una cartera general», dijo. VB Daily ¡Manténgase informado! Reciba las últimas noticias en su bandeja de entrada todos los días Al suscribirse, acepta los Términos de servicio de VentureBeat. Gracias por suscribirse. Consulte más boletines de VB aquí. Se produjo un error.