Buscar
Cerrar este cuadro de búsqueda.

Empresas

La IA en los procesos empresariales se consolida como motor de eficiencia empresarial

Por Redacción Capital

La pandemia ha generado un mayor acercamiento de las empresas a las tecnologías digitales, incluida la IA, así como su familiarización con el uso de la nube; el 56% de todos los encuestados afirman haber adoptado IA en al menos una función, frente al 50% de 2020

El uso de IA se ha incrementado más en las compañías en países emergentes que en los de economías desarrolladas, y se incrementa en cinco puntos porcentuales (a 27%) la proporción de encuestados que atribuyen al menos un 5% de sus beneficios (EBIT) a la IA

McKinsey & Company ha presentado las conclusiones de la nueva edición de su informe global sobre Inteligencia Artificial (IA) ‘El Estado de Inteligencia Artificial 2021’ que analiza la implementación de esta tecnología en las compañías de todo el mundo durante el último año, así como la forma en que les genera valor. Para ello, se realizó una encuesta a un total de 1.843 participantes representantes de toda la gama de regiones, industrias, tamaños de empresas, especialidades funcionales y cargos; el 56% de ellos afirma haber adoptado IA en al menos una función, frente al 50% de 2020.

McKinsey observa que las empresas de todo el mundo han continuado incorporando en 2021 la IA en sus productos y procesos, con beneficios sustanciales. No solo se adoptan más prácticas y más complejas, sino que utilizan las herramientas de manera más eficiente y sacan cada vez mayor partido de los recursos en la nube.

Este año, el uso de IA se incrementa más en las compañías radicadas en países de economías emergentes (de 45% en el 2020 a 57%) que en los de economías desarrolladas. A su vez, se incrementa en cinco puntos porcentuales la proporción de encuestados que atribuye al menos un 5% de sus beneficios (EBIT) a la IA, del 22% al 27%.

Mientras la percepción acerca de la contribución de la IA a la mejora de ingresos se mantiene estable, en el último análisis se le atribuye un papel en la reducción de costes mucho más significativo. Para casi todas las áreas analizadas, la mayoría de los encuestados afirman que el uso de IA ha permitido reducir los costes en más del 20%.

Resulta lógico que la aplicación de herramientas de IA implique un efecto directo importante de reducción de costes en el primer año, que podría mitigarse en años posteriores si el ritmo de implantación no continúa. En este sentido, dos tercios de los encuestados han señalado la intención de sus compañías de mantener las inversiones en IA durante los próximos 3 años, como ya recogía el estudio publicado en 2020.

¿Qué factores y prácticas distinguen unos programas de otros?

Las empresas que ven el mayor impacto en los resultados de la adopción de la IA son más propensas a seguir las mejores prácticas de la IA tanto básicas como avanzadas, incluyendo Operaciones de Machine Learning (MLOps); trasladar su trabajo de IA a la nube; y gastar en IA de manera más eficiente y eficaz que sus pares.

En el caso de las herramientas básicas, la mayor diferencia entre los dos grupos de empresas (las que usan mucho la IA y las que la usan menos) se produce con respecto a la existencia de un marco claro para la gobernanza de la IA que abarque el proceso de desarrollo de modelos. Esta es una práctica que adoptan el 38% de los encuestados en empresas de alto uso de la IA, respecto a sólo el 20% en el caso del resto de empresas.

Llevar las reglas y procedimientos a la fase de desarrollo requiere muchas veces involucrar en ellos a proveedores y clientes, lo que puede desincentivar a los menos convencidos, a pesar de las ventajas de contar desde el primer momento con un modelo sólido y comprehensivo de gobernanza, especialmente en procesos que implican a distintas áreas.

En cuanto a las prácticas avanzadas de gestión de datos, en torno a la mitad de las empresas más avanzadas se identifican con las actuaciones propuestas en el estudio, salvo en el caso de “Generar datos sintéticos para entrenar los modelos de IA cuando se carece de datos reales suficientes”.

Esta práctica se limita al 27% de las empresas, tanto si son avanzadas en el uso de la IA como si no lo son. En materia de datos, la mayor diferencia se observa a la hora de “Contar con procesos internos escalables para el etiquetado de datos de entrenamiento de IA”, que utiliza apenas el 22% de las empresas no avanzadas en IA, frente al 48% de las empresas avanzadas.

El uso de modelos, herramientas y tecnologías avanzados es mínimo en las empresas que utilizan menos la IA. La mayor diferencia con las empresas avanzadas se produce al “Adoptar un enfoque de ciclo de vida completo para desarrollar e implantar modelos de IA”, que apenas usa el 26% de las empresas menos avanzadas, frente al 57% de las más avanzadas. Llama también la atención que solo un 16% de las empresas menos avanzadas considere la posibilidad de “Renovar la gama de tecnologías IA/ML cada año para aprovechar los avances tecnológicos más recientes”.

En cuanto a la capacitación de los usuarios, hay prácticas que se adoptan en ambos grupos de empresas, como la consulta a los usuarios en las diferentes fases de desarrollo e implantación, que realiza el 50% de las empresas en ambos grupos; o la formación sobre el uso de los modelos, que reconoce realizar el 46% de las empresas más avanzadas y el 45% de las menos avanzadas.

El hecho de que solo el 14% de las empresas menos avanzadas cuente con un centro de formación práctica dedicado al desarrollo de habilidades de IA en el personal no técnico pone de manifiesto el carácter mayoritariamente finalista con el que se inician las empresas en estas inversiones, que podría condicionar el reparto de sus recursos y la generación de impactos indirectos, que acaban alimentando también el retorno del uso de las herramientas.

El estudio evidencia que estas prácticas ayudan a las empresas más avanzadas a industrializar y profesionalizar su trabajo en IA, lo que genera mayores eficiencias y mejores resultados, y a la vez aumenta la predictibilidad de los gastos asociados. Parte de la eficiencia, para las empresas más avanzadas, proviene de un uso intensivo de la nube.

Por otra parte, el estudio recuerda también que el desarrollo y uso de herramientas de IA no está exento de riesgos que las compañías deben trabajar para mitigar, un área donde siempre se puede mejorar. De hecho, el mayor riesgo percibido sigue siendo la ciberseguridad, aunque escalan puestos respecto del año pasado la igualdad y la justicia.

Destaca también la diferencia entre la relevancia que las economías avanzadas atribuyen a los riesgos asociados al cumplimiento normativo o a la explicabilidad de los modelos, frente a las economías emergentes. Estas, por su parte, atribuyen una relevancia más alta que las avanzadas a los riesgos asociados al desplazamiento de trabajadores. Los encuestados señalan la necesidad de priorizar entre los riesgos que atienden, dada la falta de capacidad para atenderlos todos. Sin embargo, en las economías avanzadas consideran que esperan a que la ley empiece a exigir la prevención de dichos riesgos para llevarla a cabo.

En general, las empresas más avanzadas afirman usar más prácticas relacionadas con las pruebas y la comprobación de datos, con la identificación de sesgos en los modelos o con la conservación de evidencias y documentación sobre su funcionamiento.

Las diferencias sobre el resto de empresas son importantes en casi todos los casos, aunque cabe destacar una excepción: el 24% de las empresas avanzadas cuenta con profesionales en el ámbito legal y de riesgos para trabajar con los equipos de científicos de datos y ayudarles a entender las definiciones de sesgo y de grupos protegidos. Sin embargo, en las empresas menos avanzadas esta cautela se utiliza por el 26% de los encuestados.

Únete a nuestra Newsletter

A través de nuestra Newsletter con Capital te hacemos llegar lo más importante que ocurre en el mundo de la #economía, los #negocios, las #empresas, etc… Desde las últimas noticias hasta un resumen con toda la información más relevante al final del día, con toda comodidad.