Artículo facilitado por T-SYSTEMS

Cómo las empresas utilizan correctamente la inteligencia artificial, los modelos de IA y los datos, y crean valor añadido

Las empresas deben aprender a adaptarse y manejar la inteligencia artificial (IA), puesto que de lo contrario corren el riesgo de desaparecer. Para la mayoría de las áreas empresariales, la IA es una parte importante de la solución para crear sistemas más eficientes, precisos y fáciles de usar. Sin embargo, a muchas organizaciones les resulta difícil ponerla en práctica. Los siguientes cuatro principios explican a las empresas cómo pueden llegar a convertirse en líderes en inteligencia artificial (IA) basada en datos1

Principio 1: habilitar el flujo de datos
El mercado de la IA está en auge: cuando hablo con los analistas, estos dan por hecho que las ventas mundiales de esta tecnología se duplicarán con creces de aquí a 2028, hasta situarse en torno a los 1,2 billones de dólares. Muchas industrias —desde la automoción hasta el sector energético y las empresas de logística— están invirtiendo en soluciones de IA. Sin embargo, de momento, las empresas solo suelen utilizar la IA para aplicaciones individuales, a pesar de que precisamente las aplicaciones autónomas muy específicas son difíciles de transferir a otros ámbitos. Por lo tanto, el primer principio a la hora de tratar con IA es centrarse plenamente en la fusión de todos los sistemas operativos. Cada vez que una empresa introduce un nuevo sistema debe asegurarse de que el mismo se puede comunicar con los demás sistemas existentes mediante interfaces. De hecho, esto es aplicable tanto si se usa la IA como si no. Quienes se toman a pecho este principio se aseguran de que los datos fluyan juntos en toda la empresa y se puedan utilizar para entrenar las aplicaciones de IA.

Principio 2: Service Thinking
La digitalización está transformando los sistemas basados en funciones en sistemas basados en datos. Para evitar aplicaciones individuales, silos de datos inaccesibles y formatos de datos desconocidos, en la era de la IA es necesario proporcionar información en un formato que sea fácil de consumir. ¿Cómo puede la información de un nuevo sistema ayudar a otras aplicaciones? ¿Cómo deben prepararse los datos para incorporarlos en el futuro al propio modelo de IA de la empresa? El principio del «Service Thinking» logra que la empresa pueda utilizar todas las fuentes de datos —incluidos los datos históricos de los sistemas ERP o CRM— y facilita el escalado de las soluciones de IA. Un ejemplo es Dematic, proveedor de sistemas automatizados de transporte y clasificación: en colaboración con T-Systems, Dematic ofrece a sus clientes sistemas de almacenamiento en estanterías elevadas totalmente automatizados. La IA del sistema utiliza todos los datos disponibles de los clientes para reconocer patrones y mejorar los procesos.

Principio 3: promover la usabilidad
Las aplicaciones y plataformas de IA se aprovechan al máximo cuando las puede utilizar el mayor número posible de departamentos y usuarios. Por tanto, para que una estrategia de IA tenga éxito, las empresas deben promover la usabilidad de las aplicaciones de IA. Para este paso es necesario diseñar interfaces fáciles de usar que permitan a los usuarios de la empresa acceder a la plataforma de IA sin ninguna dificultad. Una interfaz de chatbot intuitiva permite a los empleados obtener de la IA información pertinente para sus propios pasos de trabajo. Por ejemplo, el personal de ventas que utiliza una plataforma de IA puede solicitar al chatbot que genere datos pertinentes del cliente para la siguiente llamada de ventas. Un efecto secundario de la mayor facilidad de uso: cuanta más experiencia tenga la plantilla en el manejo de la inteligencia artificial, más rápido se obtendrá un valor añadido rentable de la inversión en IA.

Principio 4: cultivar un enfoque creativo

Cualquiera que trabaje con modelos de IA no puede perder de vista la importancia de la gobernanza de los datos y la gestión de los riesgos. Por ejemplo, la Ley de Inteligencia Artificial de la UE, recientemente adoptada, formula requisitos administrativos claros que las empresas deben cumplir a la hora de utilizar la IA. Sin embargo, la normativa sigue ofreciendo a las empresas suficiente margen de maniobra para experimentar. La dirección de la empresa también debería tomarse esto muy en serio y definir lo que quiere conseguir con la IA para, a continuación, dar vía libre a sus departamentos especializados para que tracen un plan concreto con el que alcanzar dicha meta. Los empleados pueden crear sus propias aplicaciones de IA con la ayuda de herramientas de código reducido. Muchos de nuestros clientes tienen grandes ejemplos de ello: un equipo de producción que utiliza la IA para renovar los procesos en la cadena de montaje o el departamento de RRHH, que utiliza su propia aplicación de IA para analizar los documentos de las solicitudes de empleo. El uso proactivo y creativo de la IA está creando montones de pequeñas innovaciones que antes habrían necesitado departamentos de desarrollo enteros. 

Desarrollar una estrategia de IA
Por mi experiencia puedo decir que la transformación impulsada por los datos solo tiene éxito si las empresas definen una estrategia clara. Utilizar la IA no tiene por qué ser el objetivo inmediato. Sin embargo, cuanto antes se ocupen las empresas de la disponibilidad y armonización de las fuentes de datos, más fácil será utilizarlas después. Una base de datos sólida y una cultura de IA abierta y audaz son los mejores ingredientes para el éxito de la digitalización. Escríbeme si te interesa la IA, deseas saber más o ya estás aplicando tu propia hoja de ruta de IA. Estoy deseando intercambiar ideas y escuchar tus sugerencias.