Gartner predijo recientemente que al menos el 30% de los proyectos de IA generativa serán abandonados después de la prueba de concepto para fines de 2025. Las razones dadas incluyen mala calidad de los datos, controles de riesgo inadecuados, aumento de costos o valor comercial poco claro.
Durante la Cumbre de Datos y Análisis de Gartner en Sídney, Rita Sallam, vicepresidenta y analista distinguida de Gartner, señaló que, tras el revuelo del año pasado, los ejecutivos están impacientes por obtener el retorno de las inversiones en IA generativa, pero las organizaciones tienen dificultades para demostrar y obtener valor. A medida que se amplía el alcance de las iniciativas, la carga financiera que supone desarrollar e implementar modelos de IA generativa se hace cada vez más patente.
Un desafío importante para las organizaciones es justificar inversiones sustanciales en IA generativa para aumentar la productividad, lo cual puede ser difícil de traducir directamente en beneficios financieros. Muchas están aprovechando la IA generativa para transformar sus modelos de negocio y crear nuevas oportunidades, pero estos enfoques de implementación conllevan costos significativos.
Sallam señaló que no existe un enfoque universal para la IA generativa, y que los costos no son tan predecibles como para otras tecnologías. El gasto, los casos de uso y los enfoques de implementación determinan los costos. Ya sea una empresa disruptiva que busca implementar la IA en todas partes, o una organización con un enfoque más conservador en el aumento de la productividad o la ampliación de los procesos existentes, cada enfoque tiene diferentes niveles de costo, riesgo, variabilidad e impacto estratégico.
Independientemente de las ambiciones de la IA, un estudio de Gartner indica que la IA generativa requiere una mayor tolerancia a los criterios de inversión financiera indirecta y futura que al retorno de la inversión (ROI) inmediato. Históricamente, muchos directores financieros se han mostrado incómodos invirtiendo hoy para obtener valor indirecto en el futuro. Esta reticencia puede desviar la asignación de inversiones hacia resultados tácticos en lugar de estratégicos.
Realizando valor comercial
Los primeros usuarios de diferentes sectores y procesos empresariales reportan diversas mejoras que varían según el caso de uso, el tipo de trabajo y el nivel de habilidades del trabajador. Según una encuesta reciente de Gartner, los encuestados reportaron un aumento promedio del 15,8 % en ingresos, un 15,2 % en ahorros de costos y un 22,6 % en mejoras de productividad. La encuesta se realizó entre septiembre y noviembre de 2023 con 822 líderes empresariales.
Sallam enfatizó que estos datos sirven como un valioso punto de referencia para evaluar el valor comercial derivado de la innovación en modelos de negocio de IA generativa. Sin embargo, es importante reconocer los desafíos para estimar este valor, ya que los beneficios son muy específicos de cada empresa, caso de uso, función y plantilla. A menudo, el impacto puede no ser evidente de inmediato y materializarse con el tiempo, pero este retraso no disminuye los beneficios potenciales.
Cálculo del impacto comercial
Al analizar el valor comercial y los costos totales de la innovación en modelos de negocio de IA generativa, las organizaciones pueden determinar el retorno directo de la inversión (ROI) y el impacto futuro en el valor. Esto constituye una herramienta crucial para tomar decisiones de inversión informadas sobre la innovación en modelos de negocio de IA generativa.
Sallam concluye enfatizando que si los resultados empresariales cumplen o superan las expectativas, existe la oportunidad de ampliar las inversiones ampliando la innovación y el uso de la IA generativa a una base de usuarios más amplia o implementándola en otras divisiones de la empresa. De lo contrario, podría ser necesario explorar escenarios de innovación alternativos. Estos conocimientos ayudan a las organizaciones a asignar recursos estratégicamente y a determinar el camino más eficaz a seguir.
Mi impresión personal
Na Flexa Nube Tras trabajar en cientos de proyectos de IA, he visto que el principal problema surge cuando el cliente se centra en la herramienta y no en el problema real que resuelve. Al superar esta fase, los casos de uso se vuelven reales y tienen un impacto significativo. Es fundamental recordar que la tecnología es solo una herramienta; su verdadero valor reside en cómo la usamos para resolver desafíos específicos y crear oportunidades transformadoras.
Sigamos centrándonos en las soluciones, no en las herramientas, y juntos lograremos resultados significativos y duraderos.
