Recientemente, el Banco de Inglaterra emitió su advertencia más severa hasta el momento sobre Inteligencia artificial Evaluaciones: El auge del gasto multimillonario financiado con deuda corre el riesgo de desmoronarse.
Días antes, Michael Burry (el inversor que predijo la crisis inmobiliaria de 2008, popularizada en The Big Short de 2015) comparó la AI auge de la burbuja puntocom. Mientras tanto, los investigadores del MIT descubrieron que el 95% de los pilotos corporativos de IA no ofrecen retornos.
El artículo continúa a continuación.
Director de Tecnología Avantra.
Pero este encuadre no capta el punto. El problema que enfrentan los líderes empresariales de tecnología no tiene nada que ver con las valoraciones del mercado o el estallido de burbujas. Lo que importa es si la IA específica aplicaciones cree valor medible y sostenible para sus operaciones.
Responder a esta pregunta requiere una mentalidad pragmática que priorice los resultados sobre la sofisticación tecnológica.
Las tendencias tecnológicas empresariales surgen, maduran y, en ocasiones, implosionan. Pero el patrón se repite: llega la tecnología transformadora, los proveedores se apresuran a llevar soluciones al mercado, las expectativas aumentan más allá de lo razonable y las empresas luchan por separar la señal del ruido.
La IA sigue este arco familiar, pero la capacidad subyacente sigue siendo real y sustancial. El desafío radica en su implementación y enfoque.
Deja de comprar IA según las especificaciones
Las implementaciones de IA empresarial fallan con mayor frecuencia porque los equipos optimizan para el objetivo equivocado. La creación de capacidades de IA que son técnicamente impresionantes pero operativamente sin sentido desperdicia recursos y erosiona la confianza en la tecnología misma.
La prueba para cualquier aplicación de IA debería ser sencilla: ¿resuelve un problema? cliente problema mejor que cualquier otra cosa disponible?
Este es un principio concreto en las operaciones de SAP. Los operadores que gestionan escenarios complejos enfrentan tres desafíos críticos: detectar problemas más rápido, identificar las causas fundamentales y recuperar los sistemas antes. Las interacciones impulsadas por la IA que abordan estos puntos débiles específicos crean un valor tangible.
Todo lo demás equivale a teatro tecnológico.
Considere lo que sucede cuando un sistema SAP crítico sufre una anomalía. El monitoreo tradicional genera alertas basadas en violaciones de umbrales, lo que permite a los operadores analizar datos, correlacionar eventos y determinar el impacto.
Una aplicación de IA que acorte este ciclo al sacar a la luz el contexto relevante, identificar las causas probables y sugerir pasos de remediación agrega un valor mensurable a esto. negocio. El operador resuelve el problema más rápido, los usuarios enfrentan menos interrupciones y el propio negocio mantiene la continuidad.
Este mismo principio se aplica a todas las operaciones comerciales. Las aplicaciones de IA deberían ayudar a las personas a hacer mejor su trabajo, en lugar de introducir sofisticación algorítmica. En el momento en que empiezas a justificar una inversión en IA basándose en la elegancia del modelo en lugar de mejorar los resultados de tu negocio, estás perdido.
Demostrando los beneficios de la IA en el mundo real
La implementación de la IA orientada a resultados necesita métricas claras vinculadas a la experiencia del usuario final. Para los productos técnicos, esto se traduce en confiabilidad y rendimiento de API. Para las aplicaciones empresariales, esto es la continuidad del flujo de trabajo.
Estas métricas anclan la toma de decisiones e impiden que los equipos persigan el perfeccionismo técnico sin un valor comercial concreto.
No todas las inversiones en IA tienen éxito. Algunas aplicaciones que parecen prometedoras en desarrollo no logran ofrecer las mejoras esperadas en producción. Otros crean valor de maneras inesperadas.
La diferencia entre las empresas de alto rendimiento y las que luchan con la implementación de la IA se reduce a la disciplina de medición. Los equipos que rastrean resultados específicos, aprenden de esos fracasos y se adaptan rápidamente se separan de aquellos que siguen las últimas técnicas sin un propósito claro.
Esta disciplina de medición también ayuda a identificar dónde las aplicaciones de IA crean valor agregado. Las mejoras de calidad y las ganancias en eficiencia operativa no se detienen; se acumulan con el tiempo.
Una capacidad de IA que reduzca el tiempo de diagnóstico en un 20% parece modesta de forma aislada. Pero con el paso de los meses y años, esta mejora se va acumulando, liberando capacidad para trabajos de mayor valor y evitando la deuda operativa.
Clasificación AAA AI de bonos basura
El panorama de la IA empresarial sufre de una abrumadora cantidad de soluciones en busca de problemas. Todos los proveedores afirman tener capacidades de IA, la mayoría sin demostrar un valor claro. Los líderes tecnológicos necesitan un marco para minimizar la deserción e identificar oportunidades genuinas.
Comience examinando sus puntos débiles operativos más persistentes. ¿Dónde los procesos manuales consumen excesivo tiempo y esfuerzo? ¿Dónde se resisten los problemas recurrentes a las soluciones convencionales? ¿Dónde genera riesgos la falta de visibilidad? Estas áreas problemáticas representan oportunidades potenciales de IA, pero solo si se pueden definir KPI claros para el éxito.
Luego, exija prueba de valor antes de comprometer recursos. Piloto proyectos debería demostrar mejoras mensurables en unas semanas. Si una aplicación de IA no puede mostrar resultados tangibles rápidamente, probablemente no entregará valor a escala. La tecnología ha madurado hasta el punto de que las largas fases de prueba de concepto no tienen sentido.
Finalmente, resista la tentación de implementar la IA por sí misma. La pregunta siempre debería ser si la IA resuelve el problema mejor que alternativas más simples. A veces sucede. Esto muchas veces no sucede. Pero las organizaciones que mantienen estas disciplinas evitan caer en la trampa de tratar la IA como una solución para resolver problemas.
Construyendo la cartera que sobreviva a la corrección de la IA
Si el mercado experimenta una corrección o continúa su trayectoria ascendente es mucho menos importante que cómo su empresa aborda la implementación de la IA. El Banco de Inglaterra y Michael Burry pueden resultar proféticos en cuanto a las valoraciones, pero esto no debería determinar si se debe invertir en capacidades de IA.
Los hallazgos del MIT cuentan una historia diferente: la mayoría de las organizaciones están implementando la IA de manera deficiente, y no es que la tecnología no sea valiosa.
Centrarse en resultados específicos y mensurables. Cree métricas que capturen la experiencia del usuario final. Filtre aplicaciones técnicamente impresionantes que no crean ningún valor operativo.
Exija pruebas de resultados rápidamente. El valor sostenible de la IA proviene de resolver problemas operativos reales, no de implementarla porque los competidores lo hacen o los analistas lo recomiendan.
EL negocio Quienes generen valor duradero a partir de la IA serán quienes mantengan un enfoque poco sentimental y orientado a resultados. Otros buscan la sofisticación tecnológica por sí misma. Cuando la burbuja finalmente se desinfle, estas aplicaciones prácticas seguirán siendo fuertes.
Presentamos el mejor chatbot de IA para empresas.
Este artículo se produjo como parte del canal Expert Insights de TechRadarPro, donde mostramos las mejores y más brillantes mentes en tecnología actual. Las opiniones expresadas aquí son las del autor y no son necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
