1. Establecer una “torre de control” de la IA
Muchas organizaciones están asignando la responsabilidad de gestionar la implantación y uso de la IA a sus equipos de IT, pero lo realmente necesario es la creación de una especie de “torre de control”, una unidad de negocio encargada de definir la estrategia, asegurar los recursos y velar por que las otras cuatro acciones de este enfoque estén alineadas con la visión principal. Centralizar todos los procesos relacionados con la IA en un solo punto permite establecer las mejores prácticas y la gobernanza en toda la organización, reducir los riesgos que supone tener estos procesos dispersos entre distintos equipos e impulsar el valor de las inversiones que se realicen en IA.
2. Repensar el futuro del modelo de negocio
Para que una organización esté preparada para la era de la inteligencia artificial debe anticiparse a las disrupciones que esta tecnología va a provocar. La mayoría de las empresas ya se están planteando cómo se podría utilizar la IA generativa para hacer sus procesos más eficientes, pero deberían preguntarse cómo la IA va a transformar los modelos de negocio y las funciones empresariales tal y como están concebidas actualmente. Según la investigación de EY Tech Horizon, el 91% de las organizaciones están utilizando la IA principalmente para optimizar sus operaciones, desarrollar herramientas de autoservicio (como chatbots), o automatizar procesos; solo el 8% está impulsando la innovación, como por ejemplo plantearse la renovación u optimización de su propuesta de negocio.
3. Garantizar la confianza en la inteligencia artificial
A medida que aumente la implementación de la IA en la empresa, también lo harán los riesgos y las exigencias de los stakeholders. Estos riesgos irán más allá de la privacidad o la ciberseguridad, incluso más allá de los riesgos de la propia tecnología, como los sesgos o las “alucinaciones”. La próxima oleada de riesgos incluirá cuestiones específicas de cada caso de uso, desde la precisión de los diagnósticos médicos hasta la capacidad de las personas para controlar vehículos autónomos u otros riesgos más amplios, como los problemas de propiedad intelectual relacionados con los datos de entrenamiento de los modelos de lenguaje (LLM) o la posibilidad de que la IA no logre alcanzar su potencial tan rápido como se espera.
Los reguladores y legisladores están respondiendo a estos riesgos con la elaboración de nueva legislación, como Ley de IA propuesta por la UE. Pero mientras que la IA es un espacio en rápida evolución, legislar es, por su naturaleza, un proceso lento. Por tanto, la confianza dependerá en gran medida de los marcos de gobernanza desarrollados por las empresas.
4. Abordar las carencias tecnológicas y de talento
Las empresas afrontan sus mayores retos en dos funciones: Talento y Tecnología (IT). Casi dos tercios (62%) de las empresas coinciden en que su capacidad para maximizar el valor de la IA Generativa se ve obstaculizada por sus estructuras de datos, sus tecnologías preexistentes o por falta de competencias clave.
Estas carencias incluyen la disponibilidad de ciertos perfiles, como ingenieros de aprendizaje automático, que las empresas necesitan ampliar, pero que pueden escasear en el mercado de trabajo. Sin embargo, el mayor reto no residetanto las funciones que deben ampliarse como las funciones totalmente nuevas que deben obtenerse o desarrollarse.
5. Desarrollar un ecosistema de alianzas
Los ecosistemas de alianzas externas tienen la capacidad de generar valor, impulsar un crecimiento de los ingresos y promover eficiencias de costes, a la vez que aumentan la disponibilidad de un conjunto más amplio de talento y skills. No obstante, en un estudio de EY de 2021 sobre 300 CEO, sólo el 29% afirmó contar con una estrategia que incluyera un ecosistema de alianzas externas, lo que significa que muchas empresas son relativamente inexpertas en este enfoque.
Por otra parte, el mayor uso de un ecosistema de alianzas también aumenta los riesgos y los problemas de gobernanza. Trabajar con datos entre distintas organizaciones plantea el problema de la responsabilidad colectiva: uno es tan vulnerable como su eslabón más débil.