¿IA a cualquier precio?
Alrededor del 81% de las empresas confían en sus resultados de IA/ML y casi nueve de cada diez empresas utilizan métodos de IA/ML para crear modelos para la toma de decisiones autónoma. El 97% invertirá en IA generativa en los próximos uno o dos años. Tienen previsto invertir una media del 12% de su facturación anual global en este ámbito.
Estas son las conclusiones de un nuevo estudio realizado por el especialista en estudios de mercado Vanson Bourne en nombre de Fivetran. Ofrece información sobre cómo se utiliza realmente la IA en las empresas, especialmente en lo que respecta a los retos, el rendimiento de la inversión y los costes. Se encuestó a empresas con 500 o más empleados en EE.UU., Reino Unido, Irlanda, Francia y Alemania sobre el tema de la IA y los procesos y estructuras asociados.
Las empresas encuestadas, que en general tienen un alto nivel de confianza en sus resultados de IA/ML, también afirman que tienen ineficiencias fundamentales en los datos. Las empresas que utilizan grandes modelos lingüísticos (LLM) informan de imprecisiones en los datos y alucinaciones en el 50% de los casos. De media, pierden el 6% de su facturación anual global o 406 millones de dólares estadounidenses (con una facturación anual media de 5.600 millones de dólares estadounidenses).
AI alucinante
La causa son los modelos de IA inadecuados que se crean con datos inexactos o de calidad inferior. Según la encuesta, casi nueve de cada diez organizaciones utilizan métodos de IA/ML para crear modelos para la toma de decisiones autónomas. Al mismo tiempo, las empresas tienen problemas con la inexactitud de los datos y las alucinaciones, así como preocupaciones sobre la gobernanza y la seguridad de los datos.
Las empresas alemanas se encuentran todavía en las primeras fases de utilización de la IA (60%), mientras que sólo el 39% de las estadounidenses y el 36% de las francesas se clasifican a sí mismas como "principiantes de la IA". En consecuencia, las empresas de estos países se consideran avanzadas: el 31% (EE.UU.) y el 28% (Francia) utilizan IA que requiere la mínima o nula intervención humana posible. En Alemania, la cifra es sólo del 14%.
En general, casi nueve de cada diez empresas (89%) utilizan métodos de IA/ML para crear modelos que puedan hacer predicciones y tomar decisiones automáticamente. El 80% de las empresas de EE.UU. y el 75% de las de Francia llevan haciéndolo al menos seis meses, mientras que sólo el 44% de las alemanas afirman lo mismo. La confianza en los resultados de la IA también es baja en Alemania: mientras que el 30% de las empresas alemanas confía plenamente en los resultados de la IA generativa, el 47% de las empresas estadounidenses y el 48% de las francesas dicen lo mismo.
Aproximadamente una de cada cuatro empresas (24%) afirma haber alcanzado una fase avanzada de uso de la IA, en la que aprovecha plenamente sus ventajas y depende poco o nada de la intervención humana. Sin embargo, hay diferencias significativas de opinión entre los encuestados: los directores técnicos que desarrollan y operan modelos de IA están menos convencidos de la madurez de la IA de sus empresas. Sólo el 22% de ellos la califican de "avanzada", frente al 30% de los empleados no técnicos. La situación es diferente en el caso de la IA generativa: el 63% de los empleados no técnicos confía plenamente en ella, frente al 42% de los directores técnicos.
Expertos y jerarquías
Existe otro desacuerdo entre los expertos en datos de los distintos niveles de gestión de una empresa: mientras que los empleados en puestos subalternos consideran que las infraestructuras informáticas obsoletas son el mayor obstáculo para el desarrollo de modelos de IA (49%), los colegas sénior consideran que el principal problema es que los empleados con las competencias adecuadas se centran en otros proyectos (51%). De hecho, se ven obligados a dedicar sus recursos a procesos de datos manuales, como la limpieza de datos y la reparación de canalizaciones de datos rotas. Las empresas confirman que sus científicos de datos dedican la mayor parte (67%) de su tiempo a preparar datos en lugar de crear modelos de IA.
Malas prácticas en materia de datos
La causa del desaprovechamiento del potencial de los especialistas en datos y del bajo rendimiento de los programas de IA es la misma: datos inaccesibles, poco fiables e incorrectos. La magnitud del problema queda ilustrada por el hecho de que la mayoría de las organizaciones tienen dificultades para acceder a todos los datos necesarios para ejecutar programas de IA (69 %) y ponerlos en un formato utilizable (68 %).
Los nuevos enfoques de la IA generativa han traído más complicaciones: el 42% de los encuestados ya ha experimentado alucinaciones con los datos. Éstas pueden dar lugar a decisiones erróneas porque la base de información es inadecuada. Reducen la confianza en los LLM o la disposición de los empleados a utilizar la herramienta. También consumen mucho tiempo en encontrar y corregir los datos. Dado que el 60% de los altos ejecutivos utilizan IA generativa y son responsables de decisiones estratégicas, los problemas de calidad y fiabilidad de los datos se agravan.
Gobernanza de datos e IA
También persisten los temores en relación con el uso de la IA generativa, siendo el "mantenimiento de la gobernanza de los datos" y los "riesgos financieros debido a la sensibilidad de los datos" las mayores preocupaciones de las empresas (37%). Una sólida gobernanza de los datos es especialmente importante para las organizaciones que desean utilizar modelos de IA generativa total o parcialmente desarrollados en casa.
Sin embargo, dado que la mayoría (67%) de los encuestados tiene previsto utilizar las nuevas tecnologías para reforzar las funciones básicas de movimiento de datos, gobernanza y seguridad, hay motivos para el optimismo. Taylor Brown, cofundador y director de operaciones de Fivetran y cliente del estudio, valora los resultados: "La rápida adopción de la IA generativa refleja un optimismo y una confianza generalizados en las organizaciones.
Pero bajo la superficie, sigue habiendo problemas de datos fundamentales que impiden a las empresas aprovechar todo su potencial. Las empresas necesitan reforzar sus bases de integración y gobernanza de datos para lograr resultados de IA más fiables y minimizar los riesgos financieros."
A la entrada de socios:
