El debate sobre la aplicación de la inteligencia artificial (IA) en las empresas ha cambiado radicalmente. No hace mucho, se instaba a las organizaciones a "ponerse en marcha", a crear un “dream team” de científicos de datos y a blindarlos frente al resto de la empresa, dejando que desarrollaran pruebas de concepto y permitiendo que fracasaran o triunfaran de forma más o menos inmediata.

Esos días despreocupados han terminado. Ha llegado el momento de aplicar a gran escala la IA en las empresas y empezar a sacar beneficios concretos, como p. ej., conseguir mejoras en el servicio al cliente u obtener rentabilidad al tiempo y dinero invertidos. Por otra parte, la pandemia sin duda ha acelerado la digitalización -comprimiendo años en meses- y las organizaciones que priorizan los datos y la IA serán las que tendrán éxito en el futuro. 

En cierto modo, la IA debería ser algo aburrido, en el sentido de que tendría que convertirse en una parte imperceptible del tejido de cualquier organización. Sin más. Se debería dar por hecho que la IA está integrada en las operaciones de una empresa. Sin embargo, estamos muy lejos de ello. Gran parte del discurso existente en torno a la aplicación de la IA se ha centrado en estrategias de datos, colaboraciones con otras empresas y marcos éticos relacionados con el escalamiento. Todo esto es de gran importancia, pero falta el ingrediente más relevante para garantizar la adopción de la tecnología: los seres humanos.

Los argumentos en torno a los seres humanos y la IA suelen centrarse en recapacitar y educar a las personas sobre las sinergias entre ambos, entendiendo que la IA es una oportunidad y no una amenaza para los puestos de trabajo. 

Sin embargo, estamos pasando por alto un aspecto fundamental del papel que deben desempeñar los seres humanos para impulsar la IA en toda la organización: cerrar la brecha entre la gestión de los datos y el negocio. Mientras que al principio tenía sentido separar el equipo de innovación de IA del resto de la empresa, ahora tenemos que volver a integrar la gestión de datos en el negocio principal.

Esto requiere trabajo y esfuerzo por ambas partes. Para que la IA se expanda y se aplique rápida y eficazmente en toda la organización, evitando los escollos habituales, la ciencia de los datos y el resto de la empresa tienen que llevarse bien.      

Tres razones por las que la IA no consigue expandirse dentro de las empresas y qué se puede hacer al respecto:

La ciencia de los datos -o la IA- están desconectados del negocio. Las empresas deben dejar de pensar en la IA y en la empresa como si fueran dos ramas diferentes. Por ejemplo, los departamentos de atención al cliente y de IA no deberían tratarse como entidades separadas. La IA tendría que ser parte integrante del equipo de atención al cliente. Un desfase en este punto es una de las razones más comunes por las que la IA no consigue imponerse en una organización.

Los científicos de datos o data scientists deben integrarse en los equipos de trabajo, aprender a hablar de negocios y entender la estrategia empresarial. Deben ser incentivados de la misma manera que la empresa para la que trabajan. Es decir, tienen que sentirse motivados por la facturación y la entrega de proyectos, igual que se incentiva al resto de la unidad de negocio. La IA sólo es posible si todos se sientan a la misma mesa. 

Construir el modelo de IA es sólo el primer paso. Cuando la IA está desconectada del resto de la organización, es fácil que los científicos de datos olviden que su código es sólo una pequeña parte del sistema completo. Su modelo tiene que estar pensado para ser utilizado en un contexto real, por los profesionales de la empresa, ya que, en el 90% de los casos, la creación de ese modelo es donde va a parar la mayor parte de la inversión y de los esfuerzos. En última instancia, aquellos que usarán la IA en las empresas también tendrán que elaborar informes y auditorías, y a la vez necesitarán una interfaz fácil de usar y la seguridad de que ese modelo de IA impulsará los resultados empresariales. Los científicos de datos que tienen más éxito son aquellos que se comprometen plenamente con los objetivos empresariales de su organización; siguen haciendo preguntas y piensan en cómo su trabajo está siendo percibido por los usuarios internos en la propia empresa o por sus clientes. Solo así entenderán de verdad cuál es el negocio para el que están trabajando.  

Los sistemas existentes frenan el avance. Supongamos que hemos conseguido implementar un proyecto del departamento de atención al cliente en toda la organización, gracias al impulso de la IA. Para ello, los equipos de datos y de negocio se han unido para visualizar cuáles iban a ser los beneficios empresariales reales del proyecto. Han demostrado cómo estos beneficios están alineados con los objetivos del negocio, con algo más que mostrar a los directivos de la empresa que simplemente un algoritmo en una pantalla. El equipo de atención al cliente está satisfecho de poder utilizar la IA de una manera que funcione y todos están felices de que su adopción vaya a mejorar la experiencia del cliente e impulsar los ingresos.  Pero queda un puente más que cruzar: para introducir los datos en el nuevo modelo de IA - y luego los resultados en el sitio web -, hay que revisar completamente los sistemas existentes; esto es algo que requiere tiempo y dinero, algo de lo que las empresas a menudo no disponen. En estos casos, los trabajadores digitales impulsados por la automatización inteligente (AI) son la solución: utilizar la AI para migrar "manualmente" los datos, de forma rápida y precisa entre sistemas dispares y poner en marcha el nuevo proyecto de AI.

El mundo ha pasado de una mentalidad de "lo principal es empezar" a una llamada urgente para integrar la IA en el núcleo de las organizaciones. Apenas hemos comenzado a arañar la superficie de las ventajas que ofrece la IA. Deberíamos avanzar hacia un futuro en el que la IA esté presente en nuestras organizaciones como una capacidad tecnológica generalizada.