¿Cómo y cuándo invertir en inteligencia artificial en mi empresa?

Esta es la pregunta que todo empresario se sigue haciendo a día de hoy. Vamos camino de cerrar ya el tercer año desde que a finales de 2022 se anunciara el lanzamiento masivo de GPT-3. Treinta y seis meses donde la velocidad en innovar ha ido aumentando de manera exponencial. Y no solo en la carrera de los grandes players por posicionarse como referentes mundiales; sino en la adopción de esta disruptiva tecnología por parte de todas las empresas (pequeñas, medianas y grandes).

La pregunta no tiene fácil respuesta, pero algo de luz podemos dar. Para lograr entender cómo y cuándo tiene sentido invertir, experimentar o escalar con la IA vamos a aplicar la combinación de dos matrices muy interesantes.

La curva de maduración de nuevas tecnologías (Gartner Hype Cycle) centrada en las expectativas y madurez de la tecnología. Y el modelo Technology Adoption Life Cycle (Crossing the Chasm) de Everest Rogers centrado en los tipos de usuarios que la adoptarán en el tiempo. Ambas metodologías describen cómo una tecnología pasa de promesa emergente a algo estable y productivo, tanto en capacidad técnica como en adopción del mercado.

La matriz Hype Cycle define cinco grandes momentos o fases evolutivas:

1- Disparo tecnológico, cuando surge la innovación, hay prototipos y mucha atención mediática, pero pocas aplicaciones reales.

2.- Pico de expectativas infladas: se promete que lo cambia todo, aparecen muchos proveedores y casos de éxitos aislados.

3.- Valle de la desilusión: llegan los fracasos, se ve la complejidad real y parte del mercado se baja del barco.

4.- Rampa de la iluminación: se identifican casos de uso realistas y buenas prácticas, baja el ruido y sube el aprendizaje.

5.- Meseta de la productividad: la tecnología se vuelve madura, estándar e invisible, genera valor estable y predecible.

Es importante que te hagas esta pregunta: ¿dónde se encuentra tu organización?

La matriz Crossing the Chasm establece cuatro perfiles o posiciones de los usuarios frente la nueva tecnología:

A) Innovadores: los primeros, muy techies, aceptan bugs y riesgos altos.

B) Early adopters: líderes visionarios que prueban antes que el resto, buscan ventaja competitiva.

C) Mayoría temprana y tardía: segmentos grandes y más prudentes que entran cuando ya hay referencias claras, estándares y menor riesgo.

D) Rezagados: adoptan solo cuando ya es inevitable o cuando las alternativas desaparecen.


Es importante que te hagas esta pregunta: ¿dónde se encuentra tu equipo?

En proyectos de IA sumamos además otros factores que complican la ecuación. Piezas que a priori deberían encajar. Hablamos de IA tradicional y de IA generativa. Hablamos de automatizaciones simples y automatizaciones complejas. Hablamos de robotización y RPA. Hablamos de datos estructurados y no estructurados. Hablamos de gobernanza. Hablamos de marco regulatorio. Hablamos de ética y privacidad. Múltiples vectores confluyentes que deben avanzar a diferentes velocidades y direcciones. Siendo todos necesarios al término del proyecto.

Muchas empresas ya están saliendo de la segunda fase (pico de expectativas), para entrar en la fase tercera (el valle de la desilusión). Otras avanzan imparables hacia la fase cuarta (rampa de la iluminación). Los directivos quieren menos promesas grandilocuentes y más foco en casos de uso concretos y testados; métricas de impacto y cómo aplicar de manera correcta la gobernanza en sus modelos de IA.

Pero entonces, ¿dónde reside el verdadero problema si no es ni tecnológico ni de infraestructuras ni de inversión?

Una gran parte de los proyectos de IA fracasan en el proceso de adopción por parte de los equipos por motivaciones como por ejemplo: resistencia al cambio, miedo a la pérdida de empleo, falta de formación, desconfianza en los nuevos sistemas, ausencia de liderazgo, comunicación, rediseño de procesos…

En este sentido el consenso es unánime por parte de las grandes consultoras internacionales. El principal freno para integrar la IA en las empresas ya no es la tecnología en sí, son las personas. La cultura de empresa, las habilidades (hard y soft skills), la confianza (compartir las métricas y resultados con el equipo) y saber medir las expectativas en la gestión del cambio son insights claves sobre los que trabajar.

La solución por tanto es compleja pero factible. ¿Hay que invertir en tecnología e infraestructuras? SI. Y en paralelo invertir en formación, en rediseño de roles, en apoyar al equipo, en trabajar la cultura de empresa. Los proyectos de IA deberían diseñarse como proyectos de cambio organizativo ante todo. Con foco en tres palancas claves:

  1. Comunicar el por qué de la IA a todos los stakeholders (equipo interno, clientes, proveedores, accionistas…).

  2. Desarrollar nuevas capacidades en los equipos (soft skills).

  3. Rediseñar el trabajo para que sean un complemento real a las personas (nuevos flujos de trabajo).

En definitiva, pasar de hablar de implementar IA a hablar de transformar cómo trabajamos gracias a la IA.

Y ojo porque los empresarios debemos subrayar en amarillo fosforito en nuestra hoja de ruta que el ROI de la IA se mueve a la velocidad que las personas de tu equipo consigan adoptar esta nueva tecnología.