publicidad
  3/02/2022

Así va la (matizada) adopción de la IA

Bien está que prolifere la literatura gris acerca de la inteligencia artificial, no sólo la académica. La expresión se ha trivializado hasta ridiculizarla en ocasiones. La consultora McKinsey se ha marcado como una tarea el seguimiento de la adopción de la AI. Y ya va por la tercera edición del estudio The State of IA in 2021. Sobre la base de una encuesta con 1.843 entrevistas, los autores llegan a la conclusión de que la pandemia ha alterado la forma en que se utiliza la IA en el seno de las organizaciones, propiciando la búsqueda de una reducción de costes más que los beneficios tecnológicos. En cualquier caso, observa que las herramientas en uso se han sofisticado.

publicidad

Entre las evocaciones mentales que suele activar la sola mención de la IA, el estudio de McKinsey tiene más que ver con las técnicas de aprendizaje automática que con la tópica imagen robótica que recogen los medios en un intento de banalizar lo que no conocen.

¿Cuál es el impacto real de la AI? De las respuestas recogidas en diversos sectores “en todo el mundo” entre mayo y junio de 2021, se desprende un apreciable crecimiento: un 56% de los entrevistados aseguraba haber incorporado al menos una función de la IA: seis puntos porcentuales más que en el informe de 2020. El informe accesible en Internet omite la dispersión geográfica de la muestra, pero indica que la IA está cogiendo impulso en las economías emergentes: no sólo China (lo que es previsible) sino también Oriente Medio y África están por encima de la media.

Los procesos en los que se aplica la IA son cada vez más variados, constata McKinsey. Pero no por ello originales: la innovación no es su propósito principal. Mayoritariamente, se sigue usando la IA para lo mismo que dos años atrás: la optimización de las operaciones de servicio (27%), la mejora del desarrollo de productos y la automatización del marketing y las ventas (22% en ambas funciones). Con porcentajes inferiores, las intervenciones predictivas, el análisis de la atención al cliente, la modelización de riesgos y el análisis de deudas y fraude. Decididamente, el mayor incremento parcial corresponde a dos funciones importantes, pero no necesariamente estratégicas: asignación de presupuesto de marketing y análisis de la eficacia en el gasto.

La inversión en herramientas de IA se hace a mayor gloria del beneficio empresarial. Lo prueba el énfasis en una respuesta a priori periférica: un 27% de las empresas que han adoptado alguna de esas herramientas, dicen haber obtenido un 5% de EBITDA adicional, cinco puntos más que en 2020. Conviene tener muy en cuenta que en la gestión de la cadena de suministro – tal vez el problema más arduo ahora y en el momento de la encuesta – poco paliativo puede aportar la IA. Con los costes ocurre lo contrario: gracias a esta disciplina se han obtenido importantes ahorros.

Por lo tanto, los analistas de McKinsey dejan constancia escrita de que las empresas van a seguir empleando la IA para reforzar estas ventajas en los tres años venideros: lo declaran dos terceras partes de los entrevistados.

Como es de rigor, a la consultora le preocupa identificar qué prácticas están llevando a cabo las empresas más avanzadas en el uso de la IA y que experimentan un mayor aumento de beneficios. Del ejercicio se concluye que esas compañías van más allá de lo básico y se adentran en prácticas más ambiciosas con la incorporación de operaciones de aprendizaje automático (MLOps). Y, en la medida que observan la rentabilidad de esos avances, siguen ahondando en esa línea. Según McKinsey, son ellas las que invierten de manera más eficiente y aprovechan más y mejor las tecnologías basadas en cloud.

Una élite de empresas atribuye al menos el 20% de su resultado neto de explotación (EBIT) al uso de la IA, poniendo énfasis en el aprendizaje automático. Por el contrario, aquellas cuyo rendimiento es más bajo se limitan a las prácticas básicas.

Los casos de uso analizados destacan como prácticas centrales el diseño de herramientas de IA (60%), las pruebas internas del rendimiento de los modelos de IA antes de su despliegue (57%), el seguimiento sistemático del rendimiento de esos modelos para garantizar sus resultados (46%) o disponer de procesos bien definidos para la gestión de dato (45%).

Un apartado especialmente revelador es el que se refiere al empleo de las herramientas de IA para la gestión y uso de los datos. El estudio constata, sin extenderse demasiado, que se usan mayoritariamente para disponer en toda la organización de un diccionario de datos común (53%) o para integrar con rapidez los datos estructurados internos en iniciativas de IA (51%), así como para disponer de procesos internos escalables que hacen posible etiquetar los datos para machine learning (48%).

A continuación, McKinsey analiza qué aporta a esas empresas el uso de técnicas de IA avanzada y concluye que, en general, ayuda a industrializar y profesionalizar tareas, lo que conduce a mejores resultados y a una mayor eficiencia y previsibilidad. Según se desprende del informe, tres cuartas partes de las empresas con alto rendimiento atribuible a la IA aseguran que el coste de producción de modelos ´inteligentes`  ha estado a la par o incluso por debajo de lo que esperaban, mientras que sólo el 12% afirma que los costes de proyectos IA han desbordado los esperados.

Con todo, mirando al futuro, el estudio concluye que el trabajo de aquellas organizaciones que obtienen un alto rendimiento podría llevarles más lejos, toda vez que planean incrementar su gasto en IA en la misma cantidad invertida hasta el momento.

Por otro lado, la encuesta certifica que las empresas clasificadas como de alto rendimiento están ganando eficiencia gracias al uso intensivo del modelo cloud. La mayoría de las empresas consultadas (respondan o no a esa tipología) tienen a utilizar en su día a día una combinación variable de on-premise y plataformas cloud, con la peculiaridad de que la extienden a sus actividades en inteligencia artificial.

La evidencia que encuentra McKinsey es que las de alto rendimiento usan con más intensidad infraestructuras cloud o al menos más que otras: el 64% de las cargas de IA se ejecutan en nubes públicas o híbridas, en comparación con el 44% en el resto de las empresas. Las más avanzadas recurren a capacidades de IA alojadas en una nube pública cuando se trata de la comprensión del lenguaje natural y del reconocimiento facial, que requieren cálculo intensivo.

Aunque del informe se extrae que la utilización de la IA en todas las empresas [asumiendo que la muestra imprecisa sea representativa] les está aportando beneficios, también alerta sobre una deficiencia que expresa con cautela: en la gestión de riesgos es donde se observa mayor margen de mejora. Más concretamente, la ciberseguridad sigue siendo un dolor de cabeza incluso dentro de la IA. Todo hay que decirlo: es una preocupación que pierde dramatismo si se compara la encuesta de 2021 con la de 2020, lo que se interpreta como un retroceso: en lugar de mitigar los riesgos, a lo que debería obligarles la abundancia de ataques, las empresas parecen haberlos ´normalizado`. Los autores se preguntan por qué y llegan a la conclusión de que han asumido que carecen de capacidad para enfrentarse a ese enemigo. Mal  diagnóstico.


Contacto Suscríbete RSS


Sobre el autor. Copyright © 2024 El dominio norbertogallego.com es propiedad y está administrado por Diandro SL. B85905537. Creative Commons