En esta noticia
Frente al entusiasmo generalizado por la inteligencia artificial, los especialistas hacen una advertencia cada vez más repetida: no se trata de usar IA porque sí. Las organizaciones deben identificar un problema concreto que necesiten resolver y, a partir de ahí, diseñar una solución tecnológica. Hacerlo al revés puede terminar en frustración.
Gustavo Álvarez, Cofounder de Megafy, comentó: "A la hora de aplicar la IA al negocio, no hay que perder de vista que las empresas tienen su core business y su negocio y esto es la suma de sus procesos. Esa es la prioridad".
Dijo, a su vez, que, para eficientizar y mejorar el negocio, "es necesario entender cómo resolver los problemas de ese mismo. Entonces, hay que rediseñar procesos y aplicar herramientas, entre ellas, la IA para resolverlo. No tiene que ser primero la aplicación de la IA y después buscar la solución al problema".
Por su parte, Ernesto Mislej, cofundador y Chief Data Scientist de 7Puentes, comentó que los obstáculos más comunes a la hora de adoptar la inteligencia artificial en las empresas son dos: la calidad de los datos y la cultura de adopción dentro de la organización. "Trabajamos con datos y estos tienen que tener cierta calidad. No hablo solo de datos completos, sin duplicados ni errores. Me refiero a datos que sean confiables, robustos y útiles para modelar la realidad", detalló.
El segundo desafío está del lado de las personas. "Para la adopción de esta tecnología necesitamos datos, cultura y un catalizador que gestione esas dos puntas y pueda implementar una iniciativa que tenga impacto. Ese catalizador puede ser un equipo de datos interno con colaboración de externos, como una empresa que asista al diseño y desarrollo de esas iniciativas", dijo.
Herramientas simples
En ese contexto, el cofundador de 7Puentes planteó que no hace falta aplicar modelos de última generación para obtener buenos resultados. "Muchas veces lo más efectivo es empezar con herramientas simples, incluso con tecnologías que existen hace 20 años. Lo importante es tener un reporte accionable, con los datos correctos y la decisión sugerida al lado", aseguró. Y adelantó: "Estamos trabajando para no solo quedarnos con los datos, sino que podamos desarrollar también el accionable adecuado".
Gabriel Antelo, vicepresidente de Tecnología de Globant Enterprise AI, coincidió: "Hoy hay una sensación de que la barrera de adopción es bajísima. Todo está al alcance de la mano, y eso genera una presión por usar algo sin saber muy bien para qué. El riesgo es la frustración".
Según Antelo, muchas organizaciones se enfrentan a una sobreoferta de soluciones sin saber cómo elegir ni gobernar esa tecnología. "Desde Globant proponemos que las empresas vuelvan a tener el control. Que puedan gobernar su estrategia de IA con seguridad, observabilidad y una medición clara de resultados", sostuvo.
