Nunca es fácil calibrar el grado de adopción temprana de una tecnología. Pero cuando se trata de la inteligencia artificial generativa, la tarea se complica. El entusiasmo suscitado por ChatGPT y similares disparó de inmediato el uso masivo y suscripciones prematuras. Se sumaba un asombro que permeaba hasta el público, más las noticias acerca de ensayos – con frecuencia improvisados – dentro de las empresas que, tras completar algunos pilotos, se lo tan tomado con cautela. Por todas estas razones tiene relevancia el estudio elaborado por la consultora McKinsey bajo el título “The State of AI in early 2024” y un subtítulo revelador: Gen AI adoption spikes and starts to generate value.
La firma de McKinsey es un aval metodológico. Y la muestra es importante: 1.300 encuestas “representativas de regiones, industrias, tamaños de las compañías y especialidades funcionales”. 981 de ellas han adoptado IA en al menos una función del negocio y 878 dicen estar usándola con regularidad. Se llevó a cabo entre febrero y marzo de 2024, por lo que había pasado la sorprendente ola de 2023, que los autores califican como “año de descubrimiento” de la IA generativa. Es decir que las empresas empiezan a utilizarla de forma ordenada y a extraer valor, como avisa el subtítulo. El número de ellas que la utilizan regularmente se ha duplicado con respecto a la anterior ronda, diez meses atrás.
De ello concluye McKinsey que la utilidad de la IA generativa no se pone en cuestión y que, poco a poco, se van asentando ideas sólidas acerca de para qué sirve y, más importante, para qué no sirve. Las expectativas se mantienen altas entre las empresas y esto se advierte en el pico de interés que detecta el estudio. Después de seis años durante los cuales el interés de los encuestados por la IA – McKinsey ya vigilaba este mercado naciente mucho antes de que recibiera el adjetivo generativa – rondaba el 50%, mientras este año saltaba al 72%. En lo que toca específicamente a la Gen AI, un 33% de las empresas se declaraban interesadas en 2023 y en la edición de este año la proporción ha subido al 65%. Ver para creer.
La empresa promedio utiliza la IA generativa en dos funciones. Las categorías más comunes son la consabidas ´marketing y ventas` (34%) y desarrollo de productos y servicios (23%) dejando la categoría genéricamente descrita como TI. La función en la que se han comprobado más reducciones de costes es ´recursos es la categoría en la que el estudio detecta incrementos mayores de ingresos debidos a la IA generativa.
Estas buenas señales explican por qué cada vez las empresas invierten proporciones mayores de su presupuesto digital en la Gen AI. Aunque en la mayoría de los sectores se apuesta con más fuerza por la IA analítica o predictiva, la que menos ruido y más dinero genera (de momento) porque había inversiones y proyectos en marcha. En el sector tecnológico, un 18% de las organizaciones gastan más del 20% de su presupuesto digital a la IA tradicional, mientras que sólo el 11% lo hace en la IA generativa.
La inversión por sectores es muy desigual. En los servicios financieros, un 12% de las empresas gastan más del 20% del presupuesto digital en IA analítica, pero apenas hay – o eso parece – apuestas por la IA generativa. Distinto es el caso del agregado de energía y materiales, en el que un 17% de las consultadas se gastan más de esa quinta parte del presupuesto en IA generativa mientras sólo un 3% emplea idéntica proporción en la tradicional. En total, tomando como referencia el 10% del gasto de presupuesto digital, más del 20% de las entidades lo destina a IA generativa y, de esa proporción, una de cada cuatro l hace específicamente en la función analítica. Lo que deja claro que, a despecho del ruido mediático, ambas son complementarias y para nada excluyentes.
Especial interés tiene el apartado que los autores dedican a los riesgos de la IA generativa. El problema más señalado– y experimentado según las respuestas – es el de la imprecisión. Tras el fulgor de los primeros tiempos, los problemas de la IA generativa empiezan a ser la comidilla. La inexactitud de los resultados ha pasado de ser relevante para un 56% de las empresas en 2023 a serlo para un 63% en 2024 (sin olvidar que sólo han pasado diez meses entre un estudio y el siguiente). Traducido: casi una cuarta parte de los encuestados dice haber tenido experiencias negativas por imprecisión de los resultados. Hay otros riesgos de menor significación.
Las violaciones de la propiedad intelectual elevan la escala de las preocupaciones porque – advierte McKinsey – podrían afectar a toda la cadena de valor y, en concreto, a áreas como la programación de código o la creación de contenidos. La conciencia sobre la cuestión se hace notar en la edición 2024. Otro riesgo destacado – el segundo, en porcentaje de menciones – es la ciberseguridad, por evidentes razones. A lo anterior se suma, cómo no, la privacidad de los datos y el siempre temido sesgo, que aflora desde los primeros párrafos.
La fórmula para mitigar los riesgos atañe a la gobernanza. Pero esto, que es vox populi, no se concreta en medidas correctivas. Sólo un 18% de las empresas cuenta con un órgano que supervise las decisiones sobre IA y sólo una tercera parte demanda talento técnico (sic) a los equipos que se encargan del control de riesgos.
Algunas de las actuaciones al alcance de las empresas para obtener una implementación segura pasan por garantizar que los datos de las compañías y los prompts no se filtran a los modelos públicos. Para ello es necesario que los contratos con los proveedores de sistemas especifiquen este aspecto. El otro gran factor a tener en cuenta es la formación de los empleados o usuarios finales, que deben entender la diferencia entre las herramientas de la empresa y las de naturaleza pública.
En general, el porcentaje de encuestados que utiliza la IA regularmente en el trabajo puede considerarse alto para el tiempo transcurrido: un 39%. Ha crecido significativamente, además, porque en 2023 sólo era del 22%.
El estudio de McKinsey divide en tres categorías a las empresas según su tipología de adopción. Las hay que emplean modelos de terceros, otras que los modifican para adaptarlos a sus necesidades y un tercer grupo que desarrolla sus propias herramientas. Los sectores más propensos a estar en los dos últimos grupos son energía y materiales y los tecnológico y telcos.
Utilizar herramientas de terceros sin modificarlos es habitual en las tecnologías emergentes. La IA generativa, pese a los picos de adopción, recorre aún la fase de experimentación. Muchas de las empresas buscan sobre todo sencillez. Lleva tiempo poner en marcha proyectos de uso: entre uno y cuatro meses los que emplean plataformas de terceros y más de cinco meses aquellos que optan por modificar una solución existente o crear la suya propia.
McKinsey delimita un conjunto de empresas que aprovechan de modo intensivo la IA generativa. Un número reducido, pero al que atribuyen un 10% o más de su EBITDA. La utilizan en varias funciones de su negocio y generalmente cuentan con equipos propios de mitigación de riesgos o de I+D para la creación de modelos propios. Sin embargo, he aquí un hallazgo notable del estudio, un 70% encuentran dificultades para definir los procesos de gobernanza de datos y encuentran insuficiente la cantidad de información con la que cuentan para entrenar sus sistemas. La conclusión está al alcance: todavía es pronto para juzgar, viene a decir el estudio. Porque ni siquiera las empresas pioneras han conseguido tomarle el punto a la IA generativa, que ha irrumpido como un torbellino.
[informe de Pablo G. Bejerano]