Las empresas se enfrentan a los obstáculos de la implantación de la IA en medio de la escasez de datos

Hace unos años, el panorama de la tecnología empresarial estaba dominado por la palabra de moda "Big Data", referida a la acumulación masiva de información por parte de las organizaciones, que prometía descubrir nuevos enfoques operativos y sugerir direcciones estratégicas óptimas.

Lo que hoy está cada vez más claro es que persisten los problemas que las empresas encontraron para aprovechar eficazmente los Big Data, y es la aparición de una nueva tecnología -la IA- la que está volviendo a poner de relieve estas mismas cuestiones. Si no se abordan los problemas fundamentales que afectaron a los macrodatos, las implantaciones de la IA están destinadas a quedarse cortas.

Entonces, ¿qué es exactamente lo que impide que la IA esté a la altura de su potencial?

La mayoría de los obstáculos proceden de los propios recursos de datos. Para entender el problema, consideremos las diversas fuentes de información que se utilizan durante un día de trabajo normal.

En una pequeña o mediana empresa (PYME):

• Las hojas de cálculo guardadas en los portátiles de los usuarios, en Google Sheets o en el almacenamiento en la nube de Office 365.
• La plataforma de gestión de relaciones con los clientes (CRM).
• Correspondencia por correo electrónico entre compañeros, clientes y proveedores.
• Documentos de Word, archivos PDF y formularios en línea.
• Aplicaciones de mensajería instantánea.

En una gran empresa:

• Todas las fuentes anteriores, más,
• Sistemas de planificación de recursos empresariales (ERP).
• Flujos de datos en tiempo real.
• Lagos de datos.
• Bases de datos independientes que dan soporte a varias aplicaciones independientes.

Es importante señalar que esta breve lista no es exhaustiva, ni pretende serlo. Su propósito es mostrar que incluso en sólo cinco puntos, la información puede estar dispersa en aproximadamente una docena de lugares. Lo que Big Data requería -y aún requiere a menudo-, y de lo que también dependen las iniciativas de IA, es un método para unificar estos elementos dispares de modo que los algoritmos informáticos puedan interpretarlos eficazmente.

En el Hype Cycle for Artificial Intelligence 2024 de Gartner, los datos preparados para la IA se situaban en la pendiente ascendente, con un plazo estimado de dos a cinco años antes de alcanzar la "meseta de la productividad". Dado que los sistemas de IA se basan en la minería y extracción de datos, la mayoría de las organizaciones -excepto las más grandes- carecen de la infraestructura básica necesaria. En consecuencia, es posible que no se beneficien de la ayuda de la IA hasta dentro de uno o cuatro años.

El principal reto para el despliegue de la IA es similar al que obstaculizó las iniciativas de Big Data a medida que avanzaban por el ciclo del bombo publicitario: desde el desencadenante de la innovación, el pico de las expectativas infladas, el valle de la desilusión, la pendiente de la iluminación y la meseta de la productividad. Los datos existen en múltiples formatos; pueden ser incoherentes; pueden seguir normas diferentes; pueden ser inexactos o sesgados; pueden contener información muy sensible, o estar desfasados y ser irrelevantes.

El proceso de transformación de los datos para prepararlos para la IA sigue siendo hoy tan crítico -si no más- que nunca. Las empresas que deseen obtener una ventaja temprana podrían experimentar con las numerosas plataformas de tratamiento de datos disponibles. Siguiendo las recomendaciones habituales, podrían empezar con proyectos limitados y discretos como bancos de pruebas para evaluar la eficacia de las tecnologías emergentes.

Una ventaja clave de los sistemas modernos de preparación y ensamblaje de datos es que están específicamente diseñados para organizar los recursos de información de una organización para su uso por plataformas de creación de valor de IA. Por ejemplo, pueden incorporar barandillas cuidadosamente codificadas para ayudar a garantizar el cumplimiento de los datos y evitar que los usuarios accedan a información sesgada o comercialmente sensible.

No obstante, la creación de recursos de datos coherentes, seguros y bien estructurados sigue siendo un reto permanente. A medida que las organizaciones acumulan más datos a través de las operaciones diarias, mantener los recursos de datos actualizados y accesibles es un esfuerzo continuo. Mientras que los macrodatos podrían tratarse a menudo como un activo estático, los datos destinados al consumo de inteligencia artificial deben prepararse y procesarse lo más cerca posible del tiempo real.

En consecuencia, las organizaciones deben encontrar un delicado equilibrio a tres bandas entre oportunidad, riesgo y coste. La selección del proveedor o la plataforma adecuados nunca ha sido tan crítica para la empresa moderna.

(Fuente: "Inside the business school" por Darien y Neil está licenciado bajo CC BY-NC 2.0.)

¿Le interesa saber más sobre IA y big data de la mano de los mejores expertos del sector? Asista a la AI & Big Data Expo en Ámsterdam, California y Londres. Este exhaustivo evento forma parte de TechEx y se celebra junto con otros importantes encuentros tecnológicos. Haga clic aquí para obtener más información.

TechForge Media pone a su disposición AI News. Descubra más eventos y seminarios web sobre tecnología empresarial aquí.