La mayoría de las organizaciones ya tienen IA en producción. Casi ninguna la aplica donde importa: en experiencias de cara al cliente, decisiones críticas para el negocio o procesos con una supervisión humana mínima. Es en esa brecha donde se gana o se pierde la ventaja competitiva.
El obstáculo suele ser la confianza, no la capacidad. En los despliegues de IA de alto riesgo, esta confianza depende del cumplimiento de cuatro criterios concretos.
Estos criterios abarcan cómo se prueba el comportamiento de la IA, cómo se crean y gobiernan soluciones a escala empresarial y si la dirección comprende de verdad por qué todo esto importa.
Cumplir estos criterios de confianza genera experiencia y responsabilidad, y reduce los motivos para evitar desplegar IA con el fin de lograr cambios relevantes. Sin esa confianza, la IA queda relegada a ahorrar libras en usos periféricos, sin incidir de forma sustancial en el funcionamiento de la organización.
Por estas fechas el año pasado —décadas en años de IA—, la mayoría de las empresas estaban en el «purgatorio de las pruebas de concepto de IA»: tenían muchas pruebas interesantes que mostraban lo que podía hacer la IA, pero les costaba llevar alguna a producción. Un año después, muchas organizaciones ya tienen al menos algunas soluciones de IA en producción, lo cual supone un gran avance.
Sin embargo, a menudo se trata de IA aplicada a procesos periféricos: es más fácil, un equipo de Innovación puede desarrollarla con la ayuda de un usuario de negocio motivado y, si algo sale mal, «no es el fin del mundo». El proceso no es realmente importante, existe un procedimiento manual de respaldo o intervienen varias personas para limitar las posibles consecuencias negativas.
El resultado de este enfoque comprensible pero conservador es que el impacto de las soluciones también resulta limitado: es poco probable que hayan influido de forma apreciable en las oportunidades de crecimiento, la experiencia del cliente o la estructura de costes.
Eso es lo que separa a quienes triunfarán en el futuro del resto: las empresas más avanzadas invierten en aprovechar la IA donde incide en el rendimiento del negocio.
Las rezagadas también «trabajan con IA», pero no donde tendrá un impacto relevante en el negocio.
Y sí, aplicar IA a las decisiones de inversión, la experiencia del cliente, el desarrollo de productos, la investigación y el diseño o las «automatizaciones sin intervención humana» parecerá más arriesgado, pero ahí se encuentran las verdaderas recompensas.
Puede que el mercado aún no distinga a las empresas que están tomando la delantera en este ámbito, pero, cuando lo haga, la brecha ya será considerable. Además, su mayor velocidad para desplegar IA hará que siga ampliándose mientras las rezagadas descubren en qué se habían equivocado todo este tiempo.
La pregunta es, por tanto: ¿qué necesita una organización para confiar en la aplicación de IA a los procesos que realmente importan?
Primero, supongamos que ya se ha pasado de «Tenemos una herramienta de IA como ChatGPT» a «Tenemos pruebas de concepto» y después a «Tenemos 10 soluciones sencillas de IA operativas». Si no es así, debe resolverse de forma prioritaria. Puede que estos primeros pasos sean sencillos, pero resultan esenciales para empezar a desarrollar conocimientos de IA en toda la empresa, concebir mejores casos de uso y aclarar los pasos internos necesarios para llevar cualquier IA a producción.
Llegados a este punto, la organización debería ser más ambiciosa y avanzar hasta ofrecer «soluciones relevantes de IA aplicada con supervisión humana» para alcanzar después el diferenciador «aplicamos IA a nuestros procesos esenciales y a las experiencias de nuestros clientes».
Estos últimos avances rara vez están limitados por la tecnología; el freno suele ser la confianza de la organización. Porque siempre hay un motivo para retrasar o evitar lo difícil:
«¿Y si ofrece conclusiones erróneas?», «¿Y si se comporta de forma incorrecta y acabamos en las noticias?», «¿Y si se equivoca en el cálculo y tomamos una decisión errónea?», «¿Y si trata mal a los clientes?», «¿Y si el modelo deja de estar disponible?», «¿Cómo damos soporte a sus actualizaciones?», «¿Y si cambia la normativa?», «¿Deberíamos esperar al nuevo modelo?», etc.
En nuestra opinión, suelen existir cuatro condiciones que aportan la confianza necesaria para pulsar el botón «Poner en producción» ante un cambio basado en IA y de gran impacto.
El porqué: ¿cree de verdad la organización, especialmente la alta dirección, en el argumento de «por qué la IA es importante para el éxito de nuestro negocio»? Si no es así, será más probable que la organización encuentre motivos para eludir las decisiones difíciles.
La capacitación: ¿existe un equipo de Cambio, Transformación o Capacitación en IA que apoye a la organización mientras evoluciona con esta tecnología? Debe ocuparse de la adopción, la formación, la normativa, las nuevas formas de trabajar, el cuestionamiento de supuestos, la financiación necesaria, etc. La IA no es un cambio que se pueda «dejar en manos de Tecnología», como ocurrió a menudo con las iniciativas de nube o digitales. Debe estar liderado por el negocio y contar con un respaldo sólido.
El cómo: ¿existe una arquitectura empresarial y de soluciones consolidada para la IA aplicada? Aunque este ámbito evoluciona continuamente, contar con una visión obliga a reflexionar y ampliar conocimientos sobre las medidas de protección, los costes, la observabilidad, los controles, el acceso a modelos, etc. Esto empieza a generar credibilidad interna en que la organización «sabe lo que hace» con la IA y evita que se adopten múltiples métodos de desarrollo dispares.
La prueba de confianza para la puesta en producción: los responsables de una solución pueden posponer indefinidamente la respuesta a «¿es lo bastante buena para ponerla en producción?». Las pruebas tradicionales realizadas por los equipos de control de calidad no aportan esa confianza ni el sentido de responsabilidad necesarios para un sistema de IA no determinista. Las evaluaciones sí.
Veámoslas en orden inverso, porque así nos acercamos más al orden de las decisiones relacionadas con la confianza para poner una solución en producción.
Durante décadas, las organizaciones han confiado en el equipo de control de calidad para decidir si una versión era lo bastante buena. Sobre el papel, las pruebas las realizaban los responsables del negocio; en la práctica, las hacía el equipo de control de calidad. El resultado era apto o no apto, conforme a innumerables reglas del tipo si ocurre esto, entonces debe pasar aquello. Mucho trabajo, pero sencillo.
Esto no funciona con la IA, cuyo comportamiento debemos evaluar.
Las evaluaciones, o evals, permiten medir el comportamiento cualitativo de la IA. En lugar de un resultado apto o no apto, se definen criterios —como corrección, tono, anclaje factual o comportamiento de rechazo— y se asignan puntuaciones. Si se siguen esas puntuaciones durante el proyecto a medida que mejoran las instrucciones, los modelos, las medidas de protección, etc., el equipo del proyecto, los comités de cambio y la dirección dispondrán de un dato sobre el que actuar con confianza: una puntuación de corrección que pasó de x a y durante el proyecto.
Ese dato cumple dos funciones. En primer lugar, genera confianza al demostrar mejoras continuas y ofrecer a las partes interesadas pruebas tangibles de que el sistema se comporta de forma fiable y coherente conforme a las expectativas establecidas.
En segundo lugar, genera responsabilidad. Son las cifras que pueden citar y el historial de esas evaluaciones. Un conjunto documentado de evaluaciones, probado en una variedad bien definida de situaciones, equivale en IA al informe de pruebas que demuestra al comité de aprobación que se ha actuado con la debida diligencia: ¿hace —únicamente— lo que debe y lo hace —únicamente— como debe?
Por supuesto, esas cifras solo son significativas si los criterios de evaluación son lo bastante completos. Esto exige un cambio del modelo operativo que la mayoría de las organizaciones aborda mal al principio: el «negocio» debe responsabilizarse de los criterios de evaluación; no el equipo tecnológico, el de control de calidad ni un único usuario júnior en quien se haya delegado la tarea. Los responsables de producto y los especialistas conocen el ámbito, los casos límite, el tono deseado, los tipos de interacción que pueden plantear los usuarios, los pasos de razonamiento adecuados, los modos de fallo, los pares correctos de preguntas y respuestas, etc. Quienes utilizarán y desplegarán la solución deben decidir qué se considera un buen resultado.
Esto significa que, para aprobar una solución que aplica IA en el centro mismo de la experiencia del cliente, solo hay que formular dos preguntas:
(1) ¿quién diseñó los criterios de evaluación?; y
(2) ¿ha mejorado con el tiempo el rendimiento de las evaluaciones según esos criterios y supera ya el umbral mínimo?
Si la respuesta es «los creó el equipo tecnológico, pero estamos satisfechos con los resultados», la aplicación no está lista. Si la respuesta es «sí, hicimos las pruebas la semana pasada y las superó», probablemente no exista la madurez de evaluación necesaria para generar confianza, ya que es poco probable que las evaluaciones fueran el punto de partida del desarrollo.
Pero si el responsable de producto del negocio ha definido, revisado y perfeccionado las evaluaciones durante todo el desarrollo y puede mostrar una evolución del rendimiento en la dirección correcta, hay motivos para aprobar la solución.
Otra fuente de confianza es la conformidad con los principios y estándares de arquitectura de IA. Aunque para poner en marcha las primeras cinco aplicaciones de IA bastara con desarrollarlas como resultara más conveniente, para ampliar la escala y desplegar IA segura y bien gobernada con rapidez en toda la organización empieza a ser necesario adoptar un enfoque más estructurado, con arquitecturas de referencia para aplicaciones y una plataforma empresarial de IA.
Todos los equipos de ingeniería deben poder «heredar» rápidamente el acceso a modelos, las medidas de protección, la observabilidad, el escalado, la gestión de costes, etc., para centrarse en diseñar la solución.
Contar con una visión de la plataforma empresarial de IA y de los enfoques arquitectónicos, aunque quede obsoleta pronto por la rapidez de los cambios, refuerza la confianza de la organización en que puede desplegar IA de forma segura en sistemas críticos. Esto implica que alguien habrá considerado todos los factores clave y elegido la mejor vía de despliegue, lo que también aumenta la confianza en que la solución sustentará esos procesos importantes.
No se trata de «hacer lo mismo, pero con acceso a una herramienta de IA». Puede sonar a tópico, pero transformarse significa rediseñar procesos, replantear la oferta de productos, hacer evolucionar la experiencia del cliente y cambiar las formas de trabajar y, muy probablemente, la estructura de los equipos.
Eso no se consigue como una tarea secundaria ni puede impulsarlo el área de Tecnología por sí sola (y no, tampoco un equipo de «Innovación» de tres personas a tiempo completo). Y si se adopta el enfoque de «ya se resolverá solo», no se alcanzará el ritmo de cambio que podrían lograr los competidores ganadores.
Además, descubrir los casos de uso verdaderamente «transformadores» y conseguir apoyo para ellos exige conocimientos exhaustivos de IA en toda la empresa, además de una actitud positiva hacia ella.
Por tanto, la transformación mediante IA requiere que quienes conocen las necesidades de la organización, saben facilitar el cambio y entienden la IA reciban del consejo el mandato de hacerla realidad y aportar coordinación, impulso, financiación, influencia, gobernanza, priorización y toma de decisiones.
Especialmente en las primeras fases, funciona bien una unidad central del tipo Centro de IA, Transformación mediante IA u Oficina de IA. Este equipo central genera confianza en que la organización dispone de una estrategia ejecutable, puede tomar y distribuir rápidamente las grandes decisiones y establecer los controles de calidad para la transformación mediante IA. Sin él, el enfoque puede quedar demasiado fragmentado y generar incoherencias en las decisiones, la elección de productos o soluciones y la calidad, lo que termina minando la confianza necesaria para implantar IA en ámbitos de alto riesgo.
Como ya se ha señalado, las empresas que obtengan una verdadera ventaja competitiva de la IA serán aquellas que desarrollen la experiencia, los conocimientos y la confianza necesarios en toda la empresa para desplegar IA de forma frecuente, rápida y segura en el núcleo de los procesos y experiencias importantes que mejoran la experiencia del cliente, el rendimiento de los productos, la velocidad de producción, etc.
Se necesitan buenas prácticas de evaluación, una arquitectura que se adapte y escale con rapidez y una gestión de la transformación con actitud resolutiva que ayude a la organización a aprender, adaptarse y establecer nuevas formas de trabajar.
Sin embargo, nada de esto tendrá éxito si se impulsa «de abajo arriba». Los cambios y sus implicaciones son demasiado rápidos y trascendentes. Tampoco bastan la «aprobación del consejo» ni el «apoyo de la dirección».
Si los empleados no comprenden claramente por qué son necesarios los cambios, qué implican para ellos personalmente —para bien o para mal— y qué ganan, la transformación llegará por la puerta de atrás y causará muchos daños colaterales.
Por tanto, el cuarto elemento para obtener una verdadera ventaja de la adopción de IA es que la dirección comprenda y crea sinceramente que invertir en ella resulta esencial para el éxito futuro de la empresa. Es su estrategia de IA, incorporada a la declaración de misión y a los objetivos; una estrategia que promueven una y otra vez y que respaldan visiblemente con decisiones y acciones.
Esto proporciona incentivos, apoyo y un sentido de urgencia para que los equipos de toda la organización mejoren sus capacidades y tomen esas decisiones importantes y algo incómodas que permiten elegir el camino más difícil, pero también más gratificante. Aporta la confianza necesaria para pulsar «Poner en producción» en una experiencia de cliente o un proceso de decisión de inversión basado en IA.
Las empresas que triunfen con la IA durante los próximos dos años no serán las que acumulen más despliegues. Serán aquellas que logren que la IA funcione en sistemas y procesos importantes, críticos para el negocio, de cara al cliente y capaces de influir en las decisiones, y que desarrollen la capacidad empresarial para hacerlo siempre de forma segura.
¿Cuál es el siguiente paso? Si su organización «trabaja con IA» pero esta no influye en el éxito de la empresa, intente responder a estas preguntas:
¿Está claro qué papel desempeña la IA en el cumplimiento de la misión de la empresa? ¿Cree que la dirección considera realmente esencial adoptar IA para el éxito futuro de la empresa?
¿Existe una unidad central que impulse la agenda de IA, forme a toda la empresa y coordine las actividades?
¿Está el equipo tecnológico desarrollando los conocimientos, la capacidad y los patrones necesarios para facilitar una ingeniería de IA más rápida y segura?
¿Llegan las versiones a producción sin obstáculos causados por preguntas sin respuesta sobre el comportamiento de la IA?
Si la respuesta a alguna de estas preguntas es no, ya sabe por dónde empezar para reforzar la confianza de la organización en que puede desplegar IA con rapidez y coherencia, y obtener así una ventaja competitiva en los ámbitos donde realmente importa.