Antes de integrar soluciones de inteligencia artificial, ¿qué aspectos o preparativos son necesarios para asegurar una implementación exitosa?

Los proyectos de IA suelen ser complejos debido a su naturaleza técnica y su alta interacción con el resto del negocio y las operaciones. Por esta razón, es fundamental tener definido desde el comienzo varios aspectos.

Primero, tener un objetivo claro, definir de manera precisa el problema a solucionar con IA y establecer indicadores concretos, medibles y realistas para evaluar el éxito del proyecto. Es muy importante, también, tener un sponsor dentro de la empresa, contar con el apoyo del senior management brinda flexibilidad, recursos y promueve la adopción de la tecnología en toda la organización. Se debe pensar en la integración con el negocio, reconocer que los proyectos de IA no son solo tecnológicos, sino que afectan aspectos clave del negocio. ¿Conocemos lo suficiente nuestros procesos actuales? ¿Tenemos la madurez y flexibilidad necesaria para incorporar tecnología en nuestros procesos? ¿Hemos evaluado los riesgos tanto para nuestros clientes como para nuestro equipo?

Además, es clave contar con el equipo adecuado, ya sea interno o externo, el equipo debe cubrir todas las áreas relevantes del negocio y la tecnología. La diversidad en el equipo enriquece las soluciones cubriendo diferentes puntos de vista. Se requieren datos de calidad: garbage in, garbage out. Los datos de buena calidad son fundamentales para obtener resultados valiosos. Si bien no buscamos la perfección, un assessment temprano de la calidad de los datos puede evitar problemas futuros. Hay que pensar en la escalabilidad. Una vez finalizada la prueba de concepto, hay que preparar el terreno para expandir la solución a otros procesos, operaciones y tecnologías de la empresa. La incorporación exitosa de la IA en estas áreas permitirá un crecimiento sostenible y eficiente.

Posteriormente, cada área establecerá objetivos intermedios y evaluará aspectos más específicos. Sin embargo, es de vital importancia que todos los stakeholders estén alineados en los objetivos y puntos clave de la estrategia de implementación.

¿Cuáles son los errores más comunes que las empresas cometen al implementar soluciones de IA?

Aunque existen múltiples desafíos al implementar un proyecto tecnológico, uno de los principales errores, especialmente en un momento de hype en torno a la tecnología de IA como ahora, es la falta de un objetivo claro. Es imprescindible plantearse la pregunta: ¿qué problema queremos resolver? Si no podemos proporcionar una respuesta clara a esta interrogante, sería imprudente invertir recursos en el proyecto.

Un segundo error importante es plantear proyectos del estilo all-in. La clave reside en comenzar de manera gradual, iterar, corregir y escalar. Siempre es aconsejable realizar pruebas de concepto, aplicando la tecnología a una parte concreta y bien definida de nuestro problema para evaluar rápidamente si hay potencial para obtener resultados, establecer un caso de negocio, medir el ROI y, en caso contrario, redefinir el rumbo.

En tercer lugar, otro grave error es fracasar en la implementación por considerar que los proyectos de IA o tecnología son entidades aisladas del resto del negocio y las operaciones. En la mayoría de los casos, las implementaciones de IA afectarán aspectos clave de nuestras operaciones, por lo que debemos estar preparados para enfrentar los cambios. Debemos cuestionarnos: ¿hemos analizado adecuadamente nuestros procesos actuales? ¿El equipo afectado está preparado para incorporar la solución propuesta? ¿Cómo será el roll-out de la solución? ¿Y cómo afectará la motivación del equipo la incorporación de esta tecnología?

Por último, otro error grave es considerar que se trata únicamente de un problema tecnológico que no afecta a las personas. Es esencial cuestionarse acerca de los riesgos que podrían surgir al implementar la solución, tanto para nuestros clientes como para nuestros empleados. ¿Cuál sería el costo de los potenciales errores? Por ejemplo, si aplicamos un sistema de recomendación de precios masivos, ¿los errores podrían dañar nuestra reputación o llevarnos a incumplir contratos con proveedores? Si desarrollamos un sistema de credit scoring y resulta que tiene sesgos que excluyen a ciertos segmentos de la población, ¿estamos alineados con nuestros valores culturales? Es fundamental considerar el impacto humano y ético de las soluciones tecnológicas que implementamos.

¿Es preferible desarrollar un equipo de IA in-house o contratar a un proveedor especializado?

La elección de la estrategia adecuada para implementar un proyecto de IA depende de las capacidades de la empresa y del alcance del proyecto.

Para aquellas empresas que tienen objetivos a largo plazo, como desarrollar un equipo propio de IA o utilizarla en procesos que definan su ventaja competitiva, puede ser recomendable construir un equipo interno. Esto permitirá tener un mayor control sobre la herramienta y su implementación, alcanzar mayores niveles de personalización y asegurar que la solución esté alineada con la cultura de la empresa, facilitando la colaboración entre los equipos.

Es crucial también considerar quién va a mantener la propiedad intelectual de la solución. En casos donde la IA se convierte en una ventaja competitiva para la empresa, el desarrollo interno puede ser otra vez preferible desde esta perspectiva. De todos modos, hay que tener en cuenta que existen proveedores externos que ceden la propiedad intelectual como parte de la negociación del contrato. Este aspecto debe definirse desde el principio y ponderar su importancia.

Por otro lado, cuando la empresa no cuenta con las capacidades técnicas adecuadas o busca una rápida implementación, puede ser conveniente optar por un proveedor externo. Contratar un proveedor especializado brinda acceso inmediato a conocimientos técnicos, reduce los riesgos y minimiza los posibles errores. También facilita la escalabilidad, ya que encontrar talento especializado puede ser un desafío hoy en día.

Sin embargo, no es necesario tomar una decisión absoluta, ya que muchas empresas que desean crear un equipo interno de IA inician su camino contratando un proveedor externo para agilizar el desarrollo y fortalecer las capacidades del equipo para posteriormente seguir con los desarrollos in-house.

Por último, también existen soluciones plug-and-play disponibles en el mercado. Estas son paquetes prearmados que abordan problemas específicos. Aunque suelen ser más económicas y cuentan con el respaldo y soporte del proveedor, su personalización es limitada y es importante entender cómo se manejan los datos que se proporcionan a estos sistemas.

En conclusión, la decisión sobre si desarrollar internamente o recurrir a un proveedor externo dependerá de la visión a largo plazo de la empresa, sus capacidades técnicas, la importancia de la propiedad intelectual y la urgencia del proyecto. Cada enfoque tiene sus ventajas y desafíos, y es esencial sopesar cuidadosamente cada opción antes de tomar una decisión.

¿Qué indicadores o métricas se utilizan para medir los resultados y el éxito de las soluciones de inteligencia artificial?

Al evaluar el éxito de un proyecto de IA, es de vital importancia considerar dos tipos de indicadores: los relacionados con el negocio y aquellos que miden el rendimiento de los modelos.

Con respecto a los indicadores de negocio, los directivos deben establecer objetivos claros, medibles y observables. Iniciar un proyecto tecnológico sin tener una definición clara de qué se considera éxito desde el punto de vista empresarial puede conllevar riesgos significativos. Al final del día, un proyecto de IA debe ser capaz de medirse a través del Retorno de la Inversión (ROI), ya sea aumentando ingresos, reduciendo costos o mejorando la experiencia del cliente.

Por ejemplo, podemos fijar metas como reducir el porcentaje de clientes que nos abandonan o aumentar el ticket promedio mediante recomendaciones de productos. Estos objetivos deben estar alineados con la estrategia general de la empresa y permitir medir el impacto real de la implementación de la IA.

En ocasiones, resulta útil realizar experimentos tipo A/B testing, definiendo un escenario baseline antes de comenzar el proyecto y comparándolo luego con el resultado de la implementación para identificar los efectos del proyecto.

Desde el punto de vista técnico, y sin entrar en demasiados detalles, debemos enfocarnos en cinco aspectos clave: la performance del modelo o precisión (desvíos versus valores reales), la explicabilidad (entender por qué nuestro modelo toma ciertas decisiones), los sesgos (concepciones de la realidad que asume el modelo consciente o inconscientemente), los costos de infraestructura y procesamiento y la seguridad de los datos.

Así como es importante comenzar el proyecto con una dirección clara, también es esencial cuestionar nuestros objetivos a medida que avanzamos y tener la flexibilidad para iterar. Redefinir y ajustar según sea necesario a lo largo del camino es fundamental para el éxito de la implementación.

¿Existen conocimientos específicos que las empresas deben tener antes de aplicar inteligencia artificial en sus operaciones y procesos de negocio?

Como mencioné anteriormente, al iniciar un proyecto de IA es crucial enfocarse en dos aspectos fundamentales: el negocio y la parte técnica. Por ello, se recomienda formar un equipo de trabajo multidisciplinario que incluya expertos en negocios, operaciones y tecnología. ¿Por qué es esto tan importante? Los técnicos podrían pasar por alto la visión general y el impacto en el negocio, mientras que las personas del ámbito empresarial pueden carecer de conocimientos especializados en tecnología, lo que dificulta hacer estimaciones precisas de los recursos y esfuerzos necesarios, sin mencionar la implementación en sí. Cualquiera de estos errores podría tener costos significativos.

Por lo tanto, es recomendable contar con un líder en cada área. Los líderes del proyecto suelen ser internos a la empresa, ya que conocen mejor los procesos. Es importante que el líder de negocio tenga tiempo dedicado para la implementación y la autoridad para actuar ágilmente dentro de la organización, ya que estos proyectos requieren mucha interacción y coordinación interna.

Por el lado técnico, se puede tener un líder interno o externo, dependiendo de los objetivos de la empresa, la urgencia y el presupuesto. Además, siempre es valioso contar con el apoyo del equipo interno de tecnología, que será clave en el día a día de la implementación. En caso de que este equipo no cuente con conocimientos específicos en el área, se puede obtener apoyo de proveedores externos que aporten conocimiento y músculo para acelerar el proceso.