La mayoría de las empresas no están preparadas para iniciativas de IA y ML

Las empresas se quedan a medio camino en lo que respecta a la IA y el aprendizaje automático.

 

La mayoría de las organizaciones globales carecen de los recursos necesarios para implementar iniciativas de inteligencia artificial (IA) y aprendizaje automático (ML), según se desprende de una nueva encuesta de la empresa de soluciones cloud Rackspace Technology.

La encuesta, “Are Organizations Succeeding at AI and ML?” (¿Están teniendo éxito las organizaciones con la IA y el ML?) se realizó en las regiones de las Américas, APJ y EMEA, e indica que aunque muchas organizaciones están ávidas por incorporar estrategias de IA y ML en sus operaciones, normalmente carecen de la experiencia y la infraestructura necesaria para implementar programas de IA/ML adecuados y exitosos.

El estudio ilustra la lucha por equilibrar los beneficios potenciales de la IA y el ML con los retos actuales de poner en marcha las iniciativas de IA/ML. Mientras que algunos de los primeros en adoptar estas tecnologías ya están viendo los beneficios, otros todavía están tratando de navegar por los inconvenientes más comunes, como la falta de conocimientos internos, las pilas de tecnología anticuadas, la mala calidad de los datos o la incapacidad de medir el retorno de la inversión.

Otras conclusiones clave del informe son las siguientes:

– Las organizaciones todavía están explorando cómo implementar capacidades maduras de IA/ML – Sólo el 17% de los encuestados informan de capacidades maduras de IA y ML con un marco adecuado. Además, la mayoría de los encuestados (82%) dijeron que todavía están explorando cómo implementar la IA o batallando para hacer operativos los modelos de IA y ML.

– La implementación de IA/ML fracasa a menudo debido a la falta de recursos internos – Más de un tercio (34%) de los encuestados informan de iniciativas de I+D de inteligencia artificial que han sido probadas y abandonadas o han fracasado. Los descalabros ponen de manifiesto la complejidad de crear y ejecutar un programa productivo de IA y ML. Las principales causas de que fracasen son la falta de calidad de los datos (34%), la falta de experiencia dentro de la organización (34%), la falta de datos listos para la producción (31%) y una estrategia mal concebida (31%).

– La implementación exitosa de IA/ML tiene claros beneficios para los primeros en adoptarla – Cuando las organizaciones miran hacia el futuro, las TI y las operaciones son las principales áreas en las que planean agregar capacidades de IA y ML. Los datos revelan que las organizaciones ven el potencial de la IA y el ML en una variedad de unidades de negocio, incluyendo TI (43%), operaciones (33%), servicio al cliente (32%) y finanzas (32%). Además, las organizaciones que han implementado con éxito programas de IA y ML informan de un aumento de la productividad (33%) y una mejora de la satisfacción del cliente (32%) como los principales beneficios.

– La definición de los indicadores clave de rendimiento (KPI) es fundamental para medir el rendimiento de la inversión en IA y ML – Junto con la dificultad de desplegar proyectos de IA y ML viene la dificultad de la medición. Los principales indicadores clave de rendimiento utilizados para medir el éxito de la IA/ML incluyen los márgenes de beneficio (52%), el crecimiento de los ingresos (51%), el análisis de datos (46%) y la satisfacción de los clientes/puntuación del promotor neto (46%).

– Las organizaciones recurren a socios de confianza – Muchas organizaciones todavía están determinando si crearán un soporte interno de IA/ML o lo subcontratarán a un socio de confianza. Pero dado el alto riesgo de fracaso en la implementación, la mayoría de las organizaciones (62%) están, en cierta medida, trabajando con un proveedor experimentado para navegar por las complejidades del desarrollo de la IA y el ML.

“En casi todas las industrias, estamos viendo que los responsables de la toma de decisiones de TI recurren a la inteligencia artificial y al aprendizaje automático para mejorar la eficiencia y la satisfacción del cliente”, dijo Tolga Tarhan, Directora de Tecnología de Rackspace Technology. “Pero antes de lanzarse de cabeza a una iniciativa de IA/ML, aconsejamos a los clientes que limpien sus datos y sus procesos de datos, es decir, que introduzcan los datos correctos en los sistemas adecuados de forma fiable y rentable. En Rackspace Technology, estamos orgullosos de proporcionar la experiencia y la estrategia necesarias para garantizar que los proyectos de IA/ML superen la fase de I+D y se conviertan en iniciativas con impactos a largo plazo.”

El informe completo está disponible en el sitio de Rackspace – su descarga requiere registro.

Fuente: DiarioTI