Durante años, hemos escuchado la misma promesa de que la inteligencia artificial reduciría costos, automatizaría tareas complejas y haría más eficientes las infraestructuras tecnológicas de las empresas. Es una idea que hemos visto repetida una y otra vez. Sin embargo, a medida que estos proyectos comenzaron a entrar en la vida cotidiana de las organizaciones, surgió una realidad que no era del todo coherente con la historia original. Muchas de estas implementaciones no producen los resultados esperados.
los numeros. Según un estudio de Gartner citado por El RegistroSólo el 28% de las implementaciones de IA en infraestructura y operaciones logran el retorno de la inversión esperado. El resto se reparte entre proyectos que no alcanzan este valor y otros que no se ejecutan inmediatamente, con una tasa de fracaso del 20%. Además, más de la mitad de los directivos encuestados (57%) admiten que ha habido al menos una iniciativa fallida. Los datos se centran en cómo las empresas están aplicando la IA en su infraestructura tecnológica y operaciones internas, en lugar del rendimiento general de la tecnología.
Falsas expectativas y problemas subyacentes. Cuando intentamos entender por qué tantos proyectos quedan en el camino, las respuestas apuntan más a su planificación que a la tecnología en sí. Melanie Freeze, directora de investigación de Gartner, explica que Muchos equipos asumieron que la IA automatizaría instantáneamente tareas complejas, reduciría costos o resolvería problemas operativos de años de duración. También hay otros factores recurrentes como la falta de trabajadores cualificados, las dificultades para integrar estos sistemas en los procesos existentes y los problemas con la calidad o disponibilidad de los datos.
Donde funciona. Si afinamos un poco más el enfoque, la imagen completa no es negativa. El propio análisis de Gartner muestra que los mejores resultados se producen en áreas donde la tecnología ya tiene más experiencia y aplicaciones más específicas. Este es el caso de la gestión de servicios TI y las operaciones en la nube, áreas donde la compañía ubica muchos de sus casos de éxito, con un 53% de los responsables reportando resultados positivos. La clave aquí parece estar no en modelos más avanzados, sino en la forma en que se integran en procesos reales, con casos de uso claramente definidos y alineados con requisitos operativos claros.
Dos niveles de infraestructura de IA. Para entender por qué estos datos van más allá de un problema interno de la empresa, tiene sentido distinguir los dos niveles sobre los que se construye esta ola de inversión. Por un lado, están los grandes proveedores de tecnología que están invirtiendo cientos de miles de millones en la construcción de centros de datos bajo la premisa de que la demanda seguirá aumentando. Por otro lado, las empresas utilizan estos servicios para utilizar la IA en sus operaciones. Es precisamente en este segundo grupo donde Gartner reconoce las dificultades, y esto plantea una pregunta relevante para el mercado: ¿Qué pasa si estos clientes no logran rentabilizar sus proyectos y empiezan a reducir su gasto?
El análisis. Está claro que las empresas siguen invirtiendo en IA, pero al mismo tiempo empiezan a exigir resultados más claros a corto y medio plazo. Paralelamente se llevaron a cabo otras encuestas actuales, como un estudio de la Oficina Nacional de Investigación EconómicaSeñalan que muchas empresas aún no han visto un impacto claro en la productividad o el empleo.
Imágenes | tecnología de dominio Ledl.net
En | Los modelos chinos de IA se jactaban de ser buenos, bonitos y baratos. Sólo hay dos de estas tres cosas.