IA, un valioso aliado para las empresas

La Inteligencia Artificial (IA) se ha convertido en poco tiempo en un activo importante para las empresas, que pueden generar más valor si la convierten en una industria con sus propias normas y principios comunes. Por ese motivo, es ya una prioridad de negocio. Solo en los últimos tres años, las inversiones empresariales en IA han alcanzado los 306.000 millones de dólares. Y aquellas corporaciones que adoptan e implementan esta tecnología en su funcionamiento interno, casi pueden llegar a triplicar el rédito de sus inversiones. El problema es que todavía son muchas las que no generan el valor que esperaban.

Por ello es imprescindible a largo plazo profesionalizar la industria para escalar la IA y hacer un uso eficaz de ella. Para conseguirlo, todos los implicados en el proceso (desde los profesionales hasta los líderes, tanto en el sector público como en el privado) deben unir fuerzas para crear roles y responsabilidades bien diferenciadas; exigir el nivel adecuado de formación académica y profesional de los empleados; definir procesos que permitan el desarrollo, la implantación y la gestión de IA, y democratizar los conocimientos de IA en toda la estructura de negocio.

“Aquellas empresas que sean capaces de definir un modelo operativo y gobernanza del dato adecuado a sus necesidades podrán sacar provecho de la IA”, sostiene Jaime Rodríguez Lagunas, managing director de Applied Intelligence en Accenture en España, Portugal e Israel. De ahí que las que consigan crear una estructura de responsabilidades clara en torno a los equipos de IA podrán contribuir a evitar riesgos como sesgos, mal servicio a los clientes y otras consecuencias imprevistas.

Eso es lo que hace que en campos profesionalizados (como la medicina, la construcción o incluso el servicio de alimentos) exista un nivel intrínseco de confianza entre los clientes y las empresas que componen cada industria. El origen de esa confianza hay que buscarlo en las normas que fijan las expectativas de todos los interesados.

Por ejemplo, todos damos por hecho que los arquitectos, los electricistas y otros profesionales de la construcción saben cómo construir una casa. Han recibido la formación necesaria y conocen sus roles y responsabilidades, las normas de seguridad y los protocolos que deben seguir durante todo el proceso. Nadie confiaría la construcción de su casa a un “arquitecto aficionado”, del mismo modo que nadie acudiría a un “médico aficionado” para que le curara.

Pese a ello, las empresas siguen nutriendo sus equipos de análisis de datos con “investigadores de datos aficionados” (o personas que crean modelos usando analítica predictiva, pero que son ajenas al campo de la analítica de datos) sin darles las normas y garantías que necesitan para su trabajo. Las diferencias pueden ser grandes incluso entre los investigadores de datos formados y homologados. Más allá de la necesidad de una formación formal y reglada, lo cierto es que estos especialistas suelen trabajar aislados, lo que les impide aprovechar todo el potencial de la IA. Solo es posible generar valor si los profesionales de IA trabajan mano a mano con el negocio para cumplir los objetivos de la organización y existen normas, reglas y procesos que facilitan la colaboración entre esos equipos interdisciplinares.

Oportunidades de negocio

“La IA abre nuevas oportunidades a las empresas para sacar provecho de los datos de que disponen, ya sean internos o externos. El valor de los datos va generar nuevas expectativas de negocio, así como la posibilidad de incrementar beneficios y reducir costes gracias a la utilización de IA”, prosigue Rodríguez Lagunas. En ese sentido, una encuesta elaborada por Accenture a 1.500 directivos revela que aquellas compañías que logran escalar la IA (para obtener más beneficio de sus inversiones) emplean tácticas de profesionalización llevadas a cabo por “escaladores estratégicos”.

Estos expertos tienen entre 1,5 y 2,5 más probabilidades de desarrollar equipos interdisciplinares dedicados a la IA, con la formación necesaria y líneas claras de responsabilidad. De ahí que se deba considerar la profesionalización como un requisito indispensable para escalar la IA con éxito. Los directivos encuestados son conscientes de esta nueva realidad, ya que tres de cada cuatro admiten que corren el riesgo de quedarse sin trabajo si no consiguen escalar la IA en los próximos cinco años.

Además, la pandemia de la covid-19 ha aumentado la brecha entre las compañías que han profesionalizado y escalado sus capacidades de IA, y las que no lo han conseguido. Porque afrontar este reto no es fácil. A día de hoy, las empresas aún se topan con distintos problemas para adoptar la IA en sus procesos de trabajo. Jaime Rodríguez Lagunas enumera los principales: “la disponibilidad y calidad de los datos, el talento adecuado en el seno de las organizaciones para aplicar IA (ingenieros de datos, científicos de datos, arquitectos de nuevas tecnologías…) y la definición de los casos de uso que aporten valor a la organización”.

Por ese motivo, ahora que las empresas están adoptando nuevas capacidades de datos e IA en un intento por recuperarse y volver a la senda del crecimiento, es muy importante que también se profesionalicen estos nuevos escaladores. Para ello, se deben seguir una serie de pasos. Solo de esta manera, las compañías podrán aprovechar al máximo esta tecnología en rápida evolución.

1. Crear roles de IA claramente diferenciados

En una industria profesionalizada, los trabajadores saben cuáles son los roles individuales que contribuyen a un resultado final. De ahí la necesidad de contar con equipos interdisciplinares en los que coexistan personas con diferentes conocimientos, métodos y puntos de vista, y que trabajen para innovar y desarrollar productos y servicios basados en IA. El estudio de Accenture indica que el 92 % de los escaladores estratégicos forma equipos interdisciplinares en su organización. Además, el 72 % asegura que sus empleados comprenden la IA y la relación que tiene con su trabajo.

Estas cifras demuestran el importante papel que juegan los escaladores estratégicos: al distribuir roles claramente diferenciados en equipos interdisciplinares, se eliminan las responsabilidades redundantes y se define el área de influencia de cada persona. Estos equipos, que normalmente están dirigidos por el responsable de IA, datos o analítica, suelen contar entre sus miembros con expertos en modelos de datos, ingenieros de aprendizaje automático y especialistas en calidad de datos, por nombrar algunos. La combinación exacta de roles dependerá de cada aplicación y variará de un proyecto a otro, pero hay un elemento común: la necesidad de definir responsabilidades y expectativas desde el principio.

La profesionalización puede plantear problemas a las empresas por diversos motivos, incluida la incapacidad de cubrir carencias de conocimientos. Aunque sepan cuáles son las habilidades que les faltan, no siempre les resulta fácil encontrar y contratar a suficientes personas que tengan la experiencia necesaria para paliar esas carencias en poco tiempo. Una solución puede ser recurrir a la colaboración (o adquisición, incluso) de una empresa profesionalizada que no solo tenga los conocimientos adecuados, sino también equipos con métodos de eficacia probada y orientados a la producción. Accenture, por ejemplo, ha adquirido varias empresas profesionalizadas de software y servicios durante el último año para reforzar su posición en el mercado.

2. Exigir formación académica y profesional en IA

El aumento de la inversión de las organizaciones en IA y datos ha hecho que los empleados comprendan mejor la creciente influencia de estas tecnologías en sus empresas y en sus carreras profesionales. Pese a ello, muchos carecen todavía de los conocimientos necesarios para utilizar la IA en sus trabajos. De ahí que las organizaciones deban definir la formación académica y profesional que exigen a sus empleados de IA. Las empresas que consiguen escalar la IA procuran contar con personal que ofrezca la combinación adecuada de conocimientos y cualificaciones. El 70 % de los escaladores estratégicos, por ejemplo, asegura que sus empleados han recibido formación formal sobre IA y datos.

Las empresas que deseen contar con una plantilla profesionalizada y eficaz tienen que valorar las habilidades que necesitan, las carencias de formación en sus plantillas y las cualificaciones de sus empleados para asignarles los roles más adecuados. Una forma de paliar las carencias de conocimientos es adquirir una empresa profesionalizada o trabajar con ella, aunque también es posible buscar acuerdos de colaboración con instituciones académicas y de investigación para formar a los empleados o tener acceso a nuevas reservas de talento en el futuro.

Accenture, por ejemplo, mantiene una relación estratégica con el Berkeley Institute for Data Science (BIDS) de la Universidad de California para avanzar en el campo de la investigación de datos. El programa está pensado para que investigadores, estudiantes y la práctica de Applied Intelligence de Accenture tengan la oportunidad de colaborar en la exploración de complejos problemas a los que se enfrenta la sociedad al tiempo que aprenden unos de otros.

A la hora de contratar talento, las empresas suelen emplear filtros técnicos para valorar si un candidato posee el nivel de conocimientos necesario para un puesto. Si quieren que sus profesionales de IA tengan más responsabilidad y confianza, las empresas deben establecer puntos de evaluación periódica a lo largo de toda la carrera de un empleado para verificar sus conocimientos y proseguir su formación técnica.

Un buen modelo de formación requiere que las empresas establezcan trayectorias profesionales claras para sus empleados de IA. Debe haber prerrequisitos bien definidos para cada nivel profesional, como cursos de formación que ayuden a adquirir los conocimientos necesarios. En la definición de esos prerrequisitos deben participar responsables de tecnología, datos y recursos humanos, e incluso se puede consultar a expertos externos de importantes instituciones académicas. Además de estas ventajas, establecer trayectorias profesionales contribuye también a la retención de talento, al desarrollo de los empleados y a la profesionalización de la práctica.

3. Definir procesos de IA

El estudio de Accenture indica que las empresas con un buen gobierno de la innovación esperan doblar el crecimiento de ingresos en un plazo de cinco años.

Las industrias profesionalizadas cuentan con modelos estándar de pruebas y referencias que pueden usar para la creación (u optimización) de productos y servicios. Del mismo modo, contar con sistemas y procesos que faciliten el desarrollo de un producto o solución de IA permite innovar de un modo predecible y eficiente, ya se trate de fabricar dispositivos inteligentes o de crear un modelo de datos para mejorar la experiencia de compra online.

Cuando alguien cae enfermo, tiene que pasar por las manos de enfermeras, médicos y otros especialistas que le diagnostican el problema y le recomiendan el mejor tratamiento. Una vez definidos roles diferenciados para sus equipos de IA, las empresas pueden seguir el ejemplo de la profesión médica y definir procesos que rijan el desarrollo, la implantación y la gestión de soluciones de IA. Esos procesos tienen que indicar a los empleados cómo deben colaborar, cómo deben elegir tecnologías para producir la solución de IA y cómo deben relacionarse con esas tecnologías. Por ejemplo, si un grupo de investigadores de datos crea un algoritmo nuevo, una organización con un enfoque profesionalizado de la IA crearía un sistema para probar el algoritmo y garantizar que hace lo que tiene que hacer de una manera segura, predecible y uniforme.

4. Democratizar los conocimientos sobre IA en la organización

La verdadera profesionalización resultará y dependerá de la difusión de conocimientos sobre IA en toda la organización. Por su propio bien y el de sus empleados, las empresas tienen que ofrecer algún tipo de formación sobre IA. Según la encuesta de Accenture, el 62 % de los trabajadores cree que la IA tendrá un efecto positivo en su vida profesional y el 67 % considera que es importante adquirir habilidades para trabajar con máquinas inteligentes.Es evidente que los empleados comprenden las consecuencias que la IA puede tener sobre sus trabajos y están dispuestos a aprender. Las organizaciones tienen la oportunidad (y la responsabilidad) de hacer lo posible por ayudarles. Ayudar a que toda la plantilla comprenda qué es la IA, cómo afecta a sus trabajos y cómo beneficia a la empresa contribuirá a generar confianza en la IA y a aumentar los niveles de adopción y uso.

Exigir un nivel básico de conocimientos sobre IA a todos los empleados hará que la organización tenga más probabilidades a largo plazo de escalar la IA. La democratización de los conocimientos sobre IA podría preparar a los equipos de marketing para presentar servicios de IA de manera clara a los clientes y venderlos con más facilidad, dotar a los equipos jurídicos de los conocimientos necesarios para comprender mejor las implicaciones legales y evitar que la organización quede expuesta a riesgos que pueden resultar muy costosos, y ajustar los procesos y requisitos para contratar a nuevos profesionales de IA.

El esfuerzo de democratización para generar confianza en la IA debe ir mucho más allá de los responsables de tecnología y analítica y sus equipos respectivos. Una de las conclusiones del estudio es que una distancia menor entre directivos y profesionales de IA aumenta las probabilidades de generar valor. Cuando todo el mundo comprenda lo que es la IA, los empleados no solo serán más productivos, sino que también estarán mejor preparados para ayudar a escalar la IA en toda la empresa.

Las empresas líderes no esperan que la industria o los organismos reguladores les digan cómo tienen que profesionalizar la IA. Accenture trabaja con ellas para ayudarles a crear roles bien diferenciados, exigir formación académica y profesional, definir procesos y democratizar los conocimientos sobre IA.