Las pruebas de concepto (PoC) en inteligencia artificial (IA) son unas herramientas del ámbito empresarial que están diseñadas para validar la viabilidad y el potencial que tiene una idea de negocio. Sin embargo, según datos de Venture Beat, el 85% de los proyectos de IA que llevan a cabo las empresas no prosperan más allá de la etapa inicial, hecho que, además de la dilapidación de recursos, evidencia la necesidad de una estrategia para alcanzar el siguiente nivel.
Porque no prosperan las pruebas de concepto en inteligencia artificial
Las pruebas de concepto en inteligencia artificial no prosperan por una combinación de factores que comprende la falta de retorno de inversión (ROI) debido a la ausencia de un plan sólido que demuestre el valor del proyecto y las creencias irreales de que la IA ofrecerá resultados rápidos y revolucionarios. Además, en menor medida, la falta de apoyo ejecutivo, que impide la asignación de los recursos necesarios para avanzar, y los problemas de escalabilidad y falta de personal también suelen paralizar los proyectos.
Casos reales de uso de pruebas de concepto en inteligencia artificial
Amazon utilizó una prueba de concepto en inteligencia artificial para su modelo de negocio en el año 2014 que se basaba en la automatización en la selección de personal, pero surgió un problema en el que este sistema presentaba sesgos de género al favorecer a los hombres por sobre las mujeres. Este inconveniente impidió que el proyecto avance más allá de la fase de prueba para que finalmente fuera cancelado.
“Para que una iniciativa de IA tenga éxito, es fundamental adoptar un enfoque holístico que considere todos los elementos del ecosistema empresarial”, explicó Juan Segura, senior manager de PwC Argentina de la práctica de innovación digital. “Esto incluye involucrar a los equipos desde el principio, capacitarlos y fomentar su participación para garantizar la adopción de las soluciones”, añadió.
La clave del éxito en pruebas de concepto en inteligencia artificial
Segura sostuvo que la clave para que una prueba de concepto en inteligencia artificial tenga éxito es adaptar los procesos empresariales para maximizar el valor de la tecnología debido a que la implementación no se puede implementar en un lugar sin infraestructura. De hecho, también agregó que es de vital importancia promover el cambio cultural que fomente la innovación y reduzca la resistencia interna, mientras se hace foco en su calidad, accesibilidad y gestión.
También comentó que tener una planificación antes de iniciar un PoC es clave para definir un caso de uso claro y alinear los objetivos con las prioridades estratégicas que tiene el negocio en sí. En esta etapa, además de obtener el compromiso de los skateholders, es importante documentar los beneficios tangibles que tiene la empresa para involucrar a los usuarios finales y así facilitar la evaluación de riesgos.
De pruebas de concepto a soluciones productivas
Una vez que ya se realizó la prueba de concepto en inteligencia artificial, los ejecutivos deberán considerar la viabilidad técnica y económica del negocio para verificar si efectivamente puede prosperar. Esta es una forma de asegurar de que exista un plan detallado que les permita a las empresas poder abordar soluciones dentro de un entorno productivo.
“Los pruebas de concepto en inteligencia artificial son el comienzo de una transformación, pero no deben ser el final. Tal como un buen tráiler es solo el inicio de una gran película, estas iniciativas deben convertirse en herramientas completas que impulsen cambios reales”, explicó Segura.
“Con una visión estratégica y un enfoque integral, las empresas pueden asegurar que su inversión en IA no solo cumpla con sus promesas, sino que genere resultados concretos y duraderos”, cerró el senior manager de PwC Argentina
