Las organizaciones ignoran puntos ciegos gigantescos por su excesiva confianza en la IA

En un informe investigativo comisionado por Hewlett Packard Enterprise (NYSE: HPE), casi la mitad (44%) de los líderes de TI consideran que sus organizaciones están completamente preparadas para aprovechar los beneficios de la IA. El informe revela vacíos importantes en sus estrategias, tales como la falta de alineación entre los procesos y las métricas, lo que produciría una fragmentación en la estrategia y empeoraría los problemas de entrega.

El informe, “Architect an AI Advantage”, que entrevistó a más de 2,000 líderes de TI de 14 países, encontró que, mientras que el compromiso global con la IA muestra inversiones crecientes, las empresas están ignorando áreas clave que afectarán su capacidad de generar resultados de IA exitosos, incluyendo bajos niveles de madurez de datos, posibles deficiencias en su abastecimiento de red y computación, y consideraciones vitales de ética y cumplimiento. El informe también reveló desfases importantes tanto en estrategia como en conocimiento que podrían afectar negativamente el retorno de la investigación (ROI, por sus siglas en inglés) a futuro.

“No cabe duda de que la adopción de la IA está aumentando, ya que caso todos los líderes de TI planean incrementar su gasto en IA en los próximos 12 meses”, dijo Sylvia Hooks, vicepresidente de HPE Aruba Networking. “Estos hallazgos demuestran claramente el apetito por IA, pero también destacan puntos ciegos muy reales que podrían estancar el progreso si no se sigue una estrategia más holística. La desalineación en la estrategia y en la participación del departamento, por ejemplo, puede impedir a las organizaciones aprovechar áreas críticas de experiencia, tomar decisiones eficaces y eficientes y asegurar que un plan de IA holístico beneficie a todas las áreas de la empresa de forma congruente”.

Reconocer la inmadurez de los datos

Un buen rendimiento de la IA que impacte positivamente los resultados de negocio depende de la calidad de los datos, pero el estudio muestra que, pese a que las organizaciones lo entienden claramente (nombraron la gestión de datos como uno de los elementos más importante para el éxito de la IA), sus niveles de madurez de datos siguen siendo bajos. Solo un pequeño porcentaje (7%) de las organizaciones pueden ejecutar pushes/pulls de datos en tiempo real para permitir la innovación y la monetización de los datos externos, mientras que solo el 26% han implementado modelos de gobernanza de datos y pueden ejecutar análisis avanzados.

Más grave aún, menos de 6 de cada 10 participantes en la encuesta afirmaron que su organización es completamente capaz de manejar cualquiera de las etapas clave de la preparación de datos para utilizarlos en los modelos de IA —desde el acceso (59%) y el almacenamiento (57%) hasta el procesamiento (55%) y la recuperación (51%)—. Esta discrepancia no solo implica el riesgo de enlentecer el proceso de desarrollo de los modelos de IA, sino que también aumenta la probabilidad de que el modelo genere información imprecisa y un ROI negativo.

Abastecimiento para el ciclo de vida completo

Un vacío similar apareció cuando a los entrevistados se les preguntó sobre los requisitos de cómputo e interconexión a lo largo de todo el ciclo de vida de la IA. A primera vista, los niveles de confianza parecen altos en este aspecto: el 93% de los líderes de TI consideran que su infraestructura de red está diseñada para soportar el tráfico de la IA, mientras que el 84% asegura que sus sistemas cuentan con flexibilidad suficiente en la capacidad de cómputo para soportar las demandas específicas en las diferentes etapas del ciclo de vida de la IA.

Gartner espera que “La GenAI desempeñe un papel en el 70% de las tareas con altos requerimientos de texto y datos en el 2025, lo que representa un incremento de menos del 10% respecto a 2023”.* Sin embargo, menos de la mitad de los líderes de TI admitieron tener un conocimiento total de las demandas de entrenamiento, optimización e inferencia de las distintas cargas de trabajo de IA, lo que pone en duda su capacidad de abastecerlas correctamente.

Ignorando las conexiones, el cumplimiento y la ética en la empresa 

Las organizaciones no están logrando relacionar las áreas clave de la empresa, ya que más de un cuarto (28%) de los líderes de TI describieron la estrategia de IA de su organización como “fragmentada”. Una prueba de ello es que más de un tercio (35%) de las organizaciones han optado por crear estrategias de IA independientes para funciones individuales, mientras que el 32% están planteando series de objetivos completamente diferentes.

Más peligroso aún, parece que la ética y el cumplimiento se están ignorando por completo, a pesar del creciente escrutinio en torno a la ética y el cumplimiento por parte tanto de los consumidores como de los cuerpos regulativos. Este estudio muestra que los líderes de TI consideran que las áreas de legal/cumplimiento (13%) y ética (11%) son menos importantes para el éxito de la IA. Además, los resultados revelan que casi 1 de cada 4 organizaciones no están involucrando a sus equipos legales en las conversaciones sobre la estrategia de IA de sus empresas.

El temor a perder la oportunidad de la IA y el riesgo empresarial del exceso de confianza

A medida que las empresas se apresuran a conocer las expectativas en torno a la inteligencia artificial, sin una ética y cumplimiento adecuados en IA, corren el riesgo de exponer sus datos propietarios, fundamentales para mantener su ventaja competitiva y preservar la reputación de su marca. Entre los problemas, las empresas que carecen de una política de ética en la IA podrían desarrollar modelos que carezcan de los estándares adecuados de diversidad y cumplimiento, lo que posiblemente ocasionaría impactos negativos en la marca de la empresa, pérdida de ventas, o multas y batallas legales costosas.

Existen también otros riesgos, ya que la calidad de los resultados de los modelos de IA depende de la calidad de los datos que ingieren. Esto se refleja en el informe que muestra que los niveles de madurez de los datos siguen siendo bajos. Cuando se combina con la métrica que indica que la mitad de los líderes de TI admitieron no tener un conocimiento total de las demandas de infraestructura de TI a lo largo del ciclo de vida de la IA, aumenta el riesgo general de desarrollar modelos ineficaces, incluyendo el impacto de las alucinaciones de la IA. Además, dado que la demanda de energía para ejecutar modelos de IA es extremadamente alta, esto puede contribuir a un aumento innecesario de las emisiones de carbono de los centros de datos. Estos problemas reducen el ROI de la inversión de capital de una empresa en la IA y pueden afectar negativamente la marca de la empresa en general.

“La IA es la carga de trabajo con los mayores requerimientos de datos y energía de nuestro tiempo, y, para cumplir la promesa de la GenAI, las soluciones deben ser híbridas desde el diseño y desarrolladas con una arquitectura de IA moderna”, dijo el Dr. Eng Lim Goh, vicepresidente ejecutivo de Datos e IA en HPE. “Desde el entrenamiento y la optimización de los modelos in situ, en los centros de coubicación o en la nube pública, hasta la inferencia en el borde, la GenAI tiene el potencial de convertir los datos en perspectivas desde todos los dispositivos en la red. Sin embargo, las empresas deben considerar seriamente el balance de ser un pionero y el riesgo de no conocer por completo los vacíos en todo el ciclo de vida de la IA. De otra forma, las grandes inversiones de capital pueden llegar a generar un ROI negativo”.