Cuando las empresas empiezan a explorar el uso de la Inteligencia Artificial Generativa, por lo general ignoran su naturaleza transformadora y los retos operativos que conlleva.
En un informe reciente, Gartner esboza los cinco pasos para guiar la implantación de la IA generativa e iniciar el proceso de creación de valor para la empresa.
Cómo implantar la IA generativa en la empresa
En general, las principales evidencias relativas a la implantación de proyectos que utilizan la IA generativa son las siguientes:
-En la narración de los proyectos piloto que han tenido éxito se tiende a destacar los posibles efectos empresariales positivos de la IA generativa, sin detenerse demasiado en la viabilidad técnica. Muy a menudo, los proyectos de IA generativa limitan el alcance de la experimentación y la innovación a partes de un proceso, con el objetivo de lograr mejoras incrementales. Esto tiende a ignorar el potencial revolucionario que podría aportar esta tecnología.
-Los responsables de TI a menudo se encuentran perdidos a la hora de reconocer y priorizar los casos de uso de la IA generativa que podrían tener un impacto significativo, teniendo en cuenta la amplitud de oportunidades que conlleva el uso de esta tecnología.
Las organizaciones con visión de futuro e innovadoras en IA implican activamente a los socios comerciales y a los ingenieros de software como miembros clave de los equipos de proyectos piloto de IA generativa.
-Debido a su naturaleza innovadora, la IA generativa permite ciclos de desarrollo más rápidos que los proyectos de IA tradicionales, lo que requiere un enfoque ajustado de la innovación para probar el valor estratégico de la tecnología y mitigar los riesgos potenciales.
-El éxito de los proyectos piloto de IA generativa está ligado a la mentalidad de encontrar formas de experimentar rápidamente, con el objetivo de crear mejoras continuas. A veces se tiende a eliminar pronto los casos de uso que no producen rápidamente el efecto deseado en el valor empresarial.
En este informe, Gartner ofrece a los responsables de TI de las empresas que participan en proyectos de implantación de tecnología de IA generativa lineamientos para un enfoque metodológico correcto.
Lo más importante del informe Gartner
-Organizar un taller con el equipo empresarial para estimular el diseño de casos de uso, centrándose en el potencial disruptivo de la IA generativa y su impacto en los objetivos estratégicos de la empresa.
-Dar prioridad a los casos de uso para el proyecto piloto en función de su valor empresarial y su viabilidad, centrándose en unos pocos casos de uso clave para el proyecto piloto de IA generativa.
-Establecer un equipo pequeño y heterogéneo, formado por socios empresariales, desarrolladores de software y expertos en IA, que colaborarán durante la duración del proyecto piloto.
-Crear un producto de trabajo mínimo (MVP) para validar cada caso de uso. Identificar las hipótesis de mejora de los KPI empresariales, definiendo los enfoques de implementación y las medidas de mitigación de riesgos necesarias para probar rápidamente estas hipótesis.
-Proporcionar la funcionalidad mínima necesaria para probar los casos de uso, refinando las hipótesis sobre el costo y el valor de escalabilidad. Interrumpir, mejorar o ampliar cada caso de uso en función de los resultados iniciales, utilizando los éxitos iniciales como base para ampliar el proyecto piloto de IA generativa.
Tres macrodominios para un proyecto piloto de IA generativa
Un proyecto piloto de IA generativa podría identificarse dentro de tres macrodominios:
- Aplicación de grandes modelos lingüísticos (LLM) para generar borradores de respuestas para las personas que atienden las solicitudes de los clientes.
- Utilización de una aplicación de generación de código para mejorar la productividad de los desarrolladores.
- Aprovechamiento de la IA generativa para crear contenidos visuales para marketing y comunicación.
Existen, por supuesto, diferentes enfoques y modos de funcionamiento para poner en marcha un proyecto piloto: desde la adquisición de una aplicación externa con personalización de modelos básicos, hasta la creación de modelos de inteligencia artificial ad hoc creados desde cero. Ante esta complejidad, los responsables informáticos necesitan, por tanto, un enfoque sistemático para moverse por el panorama de las opciones disponibles. Empiezan por identificar y priorizar los casos de uso más prometedores para su organización y lanzan un piloto para aplicar y validar rápidamente estas ideas.
Los 5 pasos de Gartner para implantar la IA generativa en la empresa
Los pasos de este proceso se resumen en esta imagen:
Paso 1: Identificar los casos de uso
El paso inicial para introducir la IA generativa es identificar los casos de uso que pueden aportar una transformación significativa a la empresa. Centrarse únicamente en la demostración técnica limita el potencial, mientras que es crucial comprender cómo puede generar valor estratégico. Existen tres modelos de disrupción de la IA generativa: el consumo de contenidos potenciado por el chat e interfaces similares, la generación de contenidos a través de asistentes inteligentes y la creación acelerada de tecnología, que democratiza la innovación interna. Estos modelos pueden tener un impacto significativo en la UX, la productividad y la creación de contenidos creativos.
Implicar a la gente desde el principio con un taller es esencial para tratar de traducir las amplias oportunidades de la IA generativa en casos de uso específicos. Organizarlo con un patrocinador ejecutivo y ampliarlo a varias partes interesadas ayuda a generar ideas y a identificar el potencial estratégico de éxito de la iniciativa. Para trabajar bien en esta fase, se sugiere presentar una visión equilibrada de las oportunidades y los riesgos introduciendo los tres modelos de disrupción de la IA generativa, motivando a los participantes a pensar más allá de la mejora incremental al imaginar cómo esta tecnología puede conducir a la transformación empresarial.
Paso 2: Priorizar los casos de uso para el piloto
La fase de generación de ideas debería producir muchos casos de uso potenciales de la IA generativa, es aconsejable seleccionar sólo uno o dos casos de uso para el breve periodo del piloto. La elección debe hacerse teniendo en cuenta el valor para la empresa y la viabilidad de cada caso de uso. La metodología AI Prism de Gartner puede utilizarse para definir los criterios y puntuar los casos de uso.
Paso 3: Crear un equipo heterogéneo con expertos empresariales, ingenieros de software y científicos de datos
Este equipo se encargará de la gestión completa del proyecto piloto. Cada función contribuirá de forma única al éxito del piloto, alineando los objetivos estratégicos de la empresa y gestionando los componentes de IA de los proyectos. La implicación de estas competencias será crucial para alcanzar niveles maduros de implantación de la IA. El equipo deberá trabajar junto durante toda la duración del piloto, desarrollando las nuevas habilidades necesarias para la IA generativa. Otros equipos y figuras de la organización, como el equipo de gobernanza de la IA generativa, los expertos en seguridad, los expertos jurídicos, los expertos técnicos y los arquitectos empresariales, pueden participar en momentos concretos del proyecto piloto para garantizar el éxito y definir políticas y normas.
Paso 4: Diseñar y planificar el proyecto piloto
El equipo del proyecto piloto participa en un sprint de diseño y planificación de una o dos semanas. El objetivo es definir un producto mínimo (MVP) para validar la hipótesis del valor que tendrá el caso de uso en el KPI empresarial específico.
El KPI empresarial debe identificarse al principio del proyecto, ya que es la clave del éxito. La encuesta de Gartner sobre el retorno de la inversión en casos de uso de la IA de 2022 mostró que las organizaciones que son maduras en IA definen con más frecuencia los indicadores de negocio al principio de la fase de ideación del caso de uso que las que son menos maduras. El piloto probará la hipótesis de valor y validará las suposiciones sobre el coste de la ampliación de los casos de uso.
La IA generativa ofrece muchos casos de uso pero conlleva riesgos adicionales:
- Riesgos de salida y entrada: resultados poco fiables, errores de hecho e información no deseada en las salidas y entradas del modelo.
- Riesgos de privacidad y protección de datos: posibles fugas de datos e infracciones normativas al utilizar información privada y sensible como entrada.
- Riesgos para la seguridad de las aplicaciones de IA: amenazas para la seguridad no abordadas por los controles convencionales.
Decidir el enfoque de implantación de la IA generativa es crucial para el piloto. El equipo debe considerar los objetivos y riesgos de cada caso de uso. Las opciones incluyen:
- Incorporar la IA generativa en aplicaciones comerciales: utilizar aplicaciones con funcionalidad de IA generativa ya incorporada, por ejemplo, software de diseño con generación de imágenes (por ejemplo, Adobe Firefly).
- Incorporar API de IA generativa en una aplicación personalizada: las empresas pueden integrar la IA generativa mediante API de modelos básicos, como GPT-3, GPT-4, PaLM 2, distribuidos a través de API en la nube.
- Ampliar los modelos de IA generativa con la recuperación de datos: los modelos básicos pueden enriquecerse con datos de otras bases de datos documentales, lo que requiere un paso previo de investigación.
- Ampliar los modelos de IA generativa con el ajuste fino: el ajuste fino entrena aún más un modelo base en un conjunto de datos más pequeño para un caso de uso específico, como una compañía de seguros que refina un modelo con documentos de pólizas.
- Creación de modelos base personalizados: algunas organizaciones podrían crear modelos base desde cero, personalizándolos completamente según los datos y dominios de la empresa, aunque esta opción es poco práctica para la mayoría de las organizaciones. Por ejemplo, una institución financiera podría crear un modelo base formado con datos financieros que pueda utilizarse para diversos casos de uso.
En función del enfoque de implantación elegido, el equipo podrá diseñar la arquitectura de los casos de uso iniciales, seleccionando entre varios patrones de diseño de IA generativa.
Fase 5: Entrega e iteración
Tras el diseño y la planificación, el equipo pone en práctica los casos de uso piloto. Se trata de un proceso iterativo con una duración máxima de dos meses por caso de uso. Este enfoque permite al equipo centrarse en el caso piloto más sencillo y, si es necesario, pasar a otras ideas si los resultados no cumplen las expectativas.
Fases y puntos de giro del piloto de IA generativa
Probar y perfeccionar los casos de uso
Compruebe el impacto en los KPI empresariales de cada caso de uso, probándolos con un pequeño grupo de usuarios. Puede que la iteración inicial no cumpla la hipótesis de valor, pero los resultados impulsarán las mejoras. Explore diferentes opciones para abordar los retos, como la modelización, la ingeniería de procesos y los datos.
Detener o ampliar
Evalúe si el caso de uso puede alcanzar el valor previsto dentro del plazo del proyecto piloto. Si es necesario, detenga el proyecto o considere su escalabilidad. El reconocimiento de que un caso de uso no funciona es una oportunidad para explorar otras posibilidades de la IA generativa.
Si durante la fase piloto no se encuentra una forma clara de llevar el caso de uso al rendimiento requerido, es aconsejable detener el proyecto y documentar las lecciones aprendidas, incluyendo lo que funcionó y lo que no. A continuación, vuelva a la fase de diseño para considerar otros casos de uso no incluidos en el proyecto piloto original.
Sin embargo, si el caso de uso demuestra un valor potencial, el proyecto puede ampliarse mediante la elaboración de una hoja de ruta a escala, la ampliación de las características del proyecto piloto y la decisión sobre la arquitectura a largo plazo. La fase piloto también ayudará a refinar los supuestos sobre la estructura de costes totales a largo plazo y la inversión necesaria para ofrecer la solución a escala. La evaluación del coste potencial y del rendimiento de la inversión de la iniciativa (evaluar el valor y el coste de la IA generativa con nuevos criterios de inversión) puede servir para estimar los resultados futuros.
Conclusiones
Es importante aprovechar el éxito inicial del proyecto piloto y compartir el valor obtenido y las lecciones aprendidas. A continuación, pueden explorarse otros casos de uso de la IA generativa volviendo a la fase de ideación. El campo de la IA generativa evoluciona rápidamente, con la aparición de nuevos casos de uso y cambios en las oportunidades y el valor a medida que surgen nuevas técnicas y mejora el rendimiento.
El panorama tecnológico de la IA generativa evoluciona constantemente y las evaluaciones de viabilidad técnica deben tener visión de futuro. Los modelos base de código abierto pueden utilizarse como punto de partida para perfeccionar y crear modelos personalizados, lo que permite diferentes opciones de despliegue para los casos de uso.
