Este contenido fue producido por MIT Technology Review Insights en colaboración con Concentrix
El año pasado marcó un punto de inflexión en la conversación corporativa sobre la IA. Tras un periodo de experimentación, las organizaciones se enfrentan ahora a una realidad más compleja: si bien la inversión en IA está en su punto más alto, el camino desde el piloto hasta la producción a gran escala en operaciones reales sigue siendo retador. Tres cuartas partes de las empresas continúan atrapadas en el modo de experimentación, a pesar de la creciente presión para convertir las primeras pruebas en resultados operativos medibles.
Como explica un experto, el desafío suele ser sistémico y está atado en cómo funcionan realmente las operaciones: «La mayoría de las organizaciones pueden sufrir de lo que nos gusta llamar PTSD, o desafíos de procesos, tecnología, habilidades y datos», afirma Shirley Hung, socia de Everest Group. «Tienen flujos de trabajo estrictos y fragmentados que no se adaptan bien al cambio, sistemas tecnológicos que no se comunican entre sí y personal que está sumergido en tareas de bajo valor en lugar de generar un alto impacto. Además, están estancados en flujos interminables de información, pero no cuentan con una estructura unificada que lo conecte todo
Por lo tanto, el desafío central radica en replantear cómo las personas, los procesos y la tecnología trabajan en conjunto en entornos operativos reales.
En industrias tan diferentes como la experiencia del cliente y el sector agrícola, está surgiendo el mismo patrón: las estructuras organizacionales tradicionales —la toma de decisiones centralizada, los flujos de trabajo fragmentados y los datos distribuidos en sistemas incompatibles— están resultando demasiado rígidas para soportar la IA autónoma en operaciones reales a escala. Para liberar valor, los líderes deben replantearse cómo se toman las decisiones, cómo se ejecuta el trabajo y cuál debería ser la contribución única e invaluable de los humanos.
Gran parte de la conversación se centró en lo que puede describirse como el próximo gran logro: operacionalizar la colaboración entre humanos e IA en entornos reales. En lugar de posicionar a la IA como una herramienta independiente o un «trabajador virtual», este enfoque la replantea como una capacidad a nivel de sistema, integrada en la forma en que se realiza el trabajo día a día, que potencia el criterio humano, acelera la ejecución y rediseña el trabajo de principio a fin. Ese cambio exige que las organizaciones definan el valor que desean crear; diseñen flujos de trabajo que combinen la supervisión humana con la automatización impulsada por IA en entornos operativos reales; y construyan las bases de datos, gestión y seguridad que hagan que estos sistemas sean confiables.
Mi consejo sería esperar algunos retrasos, porque debes asegurarte de proteger los datos», afirma Heidi Hough, vicepresidenta de mercado de repuestos para Norteamérica en Valmont. «Al pensar en comercializar u operacionalizar cualquier aspecto del uso de la IA, si empiezas desde cero y pones la gestión al frente, creo que eso ayudará a obtener mejores resultados
Los primeros en adoptar ya están demostrando cómo se ve esto en las operaciones reales: comienzan con casos de uso operativo de bajo riesgo, organizan los datos en entornos estrictamente delimitados, integran la gobernanza en la toma de decisiones diaria y empoderan a los líderes de negocio, no solo a los tecnólogos, para identificar dónde puede la IA generar un impacto comercial medible. El resultado es un nuevo modelo de madurez de IA, fundamentado en la reingeniería de la forma en que operan las empresas modernas a escala.
«La optimización se trata realmente de hacer mejor las cosas que ya existen, pero la reinvención consiste en descubrir cosas completamente nuevas que vale la pena hacer», afirma Hung
La diferencia entre los pilotos y el desempeño real radica en si la IA puede funcionar de manera confiable en la operación real
Este webcast se ha producido en colaboración con Concentrix.
Este contenido fue producido por Insights, la división de contenido personalizado de MIT Technology Review. No fue escrito por el personal editorial de MIT Technology Review. Fue investigado, diseñado y redactado por escritores, editores, analistas e ilustradores humanos. Esto incluye la redacción de encuestas y la recopilación de datos para las mismas. Los recursos de IA que pudieron haberse utilizado se limitaron a procesos de producción secundarios que pasaron por una rigurosa revisión humana
