Más de la mitad de CEOs no logra beneficios financieros de la IA, pese al aumento de inversión
• El 56% de los CEOs asegura que su empresa no observa mejoras en ingresos ni reducciones de costos asociadas al uso de Inteligencia Artificial, de acuerdo con PwC
• Las organizaciones que lograron escalar sus proyectos de IA registraron mejoras en rentabilidad de entre 10% y 25%
• La demanda de proyectos de IA dejó de concentrarse en las áreas de TI y comenzó a surgir desde departamentos como marketing, finanzas y legales
• La falta de objetivos de negocio, gobierno, calidad de datos y coordinación entre áreas se mantuvo como uno de los principales obstáculos para generar resultados
La adopción de Inteligencia Artificial avanzó con rapidez dentro de las empresas, pero los resultados financieros permanecieron lejos de las expectativas para buena parte de las organizaciones. Mientras las inversiones crecieron y la presión por incorporar esta tecnología aumentó, más de la mitad de los directores generales reconoció que sus iniciativas todavía no generaron mayores ingresos ni reducciones de costos.
De acuerdo con PwC, el 56% de los CEOs afirmó que su empresa aún no observó beneficios concretos asociados al uso de ia. En contraste, las organizaciones que lograron escalar estas tecnologías registraron mejoras en rentabilidad de entre 10% y 25%, lo que evidenció que la diferencia radicó en la manera en que se implementó.
Leonardo Tocci, Data & Applied AI Practice Head de Baufest, explicó que el principal problema estuvo en el origen de los proyectos. Según McKinsey, casi dos terceras partes de las empresas continuaron en etapas experimentales de adopción. La presión por no quedarse fuera de la tendencia favoreció el desarrollo de proyectos aislados, pruebas piloto que no escalaron y herramientas que permanecieron al margen de los procesos del negocio.
“ La mayoría de los problemas que vimos no tuvieron que ver con el modelo de IA, sino con el punto de partida. Muchas compañías arrancaron porque alguien pidió ‘usar IA’, pero sin definir claramente qué problema querían resolver o qué impacto esperaban generar”: Leonardo Tocci, Data & Applied AI Practice Head de Baufest
A este escenario se sumó un cambio en la forma en que surgieron las iniciativas. Si anteriormente las áreas de tecnología encabezaban estos proyectos, el interés comenzó a provenir directamente de departamentos como marketing, legales y finanzas, con solicitudes orientadas a optimizar procesos o liberar tiempo de personal especializado. La falta de coordinación entre las distintas áreas propició el desarrollo paralelo de soluciones con diferentes niveles de supervisión y sin una arquitectura común, lo que complicó su integración y escalabilidad.
“ La velocidad sin un esquema de gobierno claro terminó jugando en contra. Vimos casos en los que, dentro de una misma compañía, se generaron agentes en cinco unidades distintas y el área de TI solo conocía la mitad. Cuando comenzaron a operar e interactuar con sistemas reales aparecieron problemas de seguridad, acceso a datos sensibles y falta de control”: Leonardo Tocci, Data & Applied AI Practice Head de Baufest
La clave muchas veces estuvo en saber dónde no usar IA. No todos los problemas requirieron de la solución y forzarla terminó por extender el problema. A estos desafíos se añadió otro obstáculo. De acuerdo con Bain & Company, muchas organizaciones intentaron avanzar en proyectos de Inteligencia Artificial sin resolver aspectos relacionados con la calidad de los datos o el rediseño de procesos internos, situación que terminó por generar una deuda técnica que volvió más complejo y costoso el escalamiento de estas iniciativas.
Para el especialista, las organizaciones que lograron capturar valor compartieron un elemento en común: definieron objetivos concretos de negocio antes de implementar la tecnología y fortalecieron aspectos relacionados con gobierno, datos y seguridad antes de ampliar el alcance de sus proyectos.
