Adopción de IA en empresas podría estancarse: Datos de Ramp

¿Se está enfriando el romance con la IA? La adopción empresarial parece estancarse

La inteligencia artificial (IA) ha sido la niña bonita del mundo empresarial durante un tiempo. Promesas de productividad estratosférica, eficiencia sin precedentes y soluciones para casi cualquier problema. Un buen puñado de empresas americanas se han lanzado de cabeza, invirtiendo cantidades ingentes de dinero con la esperanza de obtener un retorno espectacular. Pero, ¿y si la fiesta está llegando a su fin? ¿Y si las expectativas infladas empiezan a chocar con la dura realidad?

Según datos de Ramp, una empresa fintech que analiza transacciones, la adopción de la IA por parte de las empresas podría estar estabilizándose. Su «Índice de IA», que estima la tasa de adopción de productos de IA en EE.UU. basándose en los datos de tarjetas y pagos de Ramp, se ha estancado en un 41% en mayo, después de casi diez meses de crecimiento constante. Esto sugiere que, quizás, las empresas están empezando a replantearse su estrategia con la IA.

Profundizando en los datos, el índice de Ramp revela que el 49% de las grandes empresas ya han implementado la IA de alguna forma, en comparación con el 44% de las medianas y el 37% de las pequeñas. Esto no es ninguna sorpresa; las grandes empresas suelen tener más recursos para invertir en nuevas tecnologías y experimentar con ellas.

Pero, ¡ojo!, hay que tomar estos datos con cautela. El índice de Ramp no es la Biblia de la adopción de la IA. Se basa en una muestra de datos de gasto corporativo de unas 30.000 empresas, lo cual, aunque es un número considerable, no representa la totalidad del panorama empresarial. Además, el índice identifica los productos y servicios de IA utilizando el nombre del comerciante y los detalles de la línea de pedido. Esto significa que es probable que se pierda gasto que se incluye en otros centros de coste.

Sin embargo, incluso teniendo en cuenta estas limitaciones, el estancamiento en la adopción de la IA es un dato que invita a la reflexión. ¿Será que las empresas están empezando a darse cuenta de que la IA actual tiene sus límites?

El «Valle de la Desilusión» de la IA: ¿Se acabó la magia?

Parece que sí. El entusiasmo inicial se está topando con la realidad de las capacidades actuales de la IA. Lo que prometía ser una revolución silenciosa, se está revelando como un camino con baches y desafíos inesperados.

El caso de Klarna, la empresa sueca de servicios financieros, es un ejemplo perfecto. Hace poco, Klarna anunció que iba a reemplazar a cientos de agentes de atención al cliente con IA. Sin embargo, poco después, se vieron obligados a volver a contratar a algunos trabajadores porque los recortes habían provocado una «menor calidad» en el servicio al cliente. ¡Vaya chasco! Resulta que la IA no es tan perfecta como parecía.

Este caso no es aislado. Según S&P Global, la proporción de empresas que abandonan la mayoría de sus proyectos piloto de IA generativa ha aumentado al 42%, frente al 17% del año pasado. Esto sugiere que muchas empresas están experimentando con la IA, pero no están encontrando los resultados que esperaban.

La consultora Gartner utiliza un término muy gráfico para describir esta situación: el «Valle de la Desilusión». Se trata de la fase en la que las expectativas iniciales sobre una nueva tecnología se ven frustradas por la realidad de sus limitaciones. Es un período de desencanto en el que las empresas se dan cuenta de que la IA no es una solución mágica para todos sus problemas.

¿Por qué se está frenando la adopción de la IA?

Hay varias razones que podrían explicar este estancamiento:

• Expectativas irreales: Muchas empresas tenían expectativas demasiado altas sobre lo que la IA podía hacer. Se imaginaban que la IA iba a resolver todos sus problemas de la noche a la mañana, pero la realidad es que la IA requiere tiempo, inversión y un enfoque estratégico para ser implementada con éxito.
• Dificultades de implementación: Implementar la IA no es tan fácil como enchufar un dispositivo y listo. Requiere una infraestructura adecuada, datos de calidad y personal capacitado para gestionarla. Muchas empresas se han encontrado con dificultades técnicas y organizativas que han frenado su progreso.
• Costes ocultos: La IA puede ser cara. Además de la inversión inicial en software y hardware, hay que tener en cuenta los costes de mantenimiento, actualización y capacitación del personal. Algunas empresas se han dado cuenta de que el retorno de la inversión no es tan rápido como esperaban.
• Falta de talento: Encontrar profesionales cualificados en IA es un desafío. La demanda de expertos en IA supera con creces la oferta, lo que ha provocado un aumento de los salarios y una competencia feroz por el talento.
• Preocupaciones éticas y regulatorias: La IA plantea importantes cuestiones éticas y regulatorias. Las empresas deben asegurarse de que están utilizando la IA de manera responsable y transparente, y de que cumplen con las leyes y regulaciones aplicables. La incertidumbre en este ámbito podría estar frenando la adopción de la IA.
• Resultados mediocres: Simplemente, la IA no está cumpliendo las promesas en muchos casos. Automatizar tareas repetitivas está bien, pero el valor estratégico real de la IA, el que transforma el negocio y genera una ventaja competitiva sostenible, es mucho más difícil de alcanzar.

¿Qué significa esto para el futuro de la IA en las empresas?

El estancamiento en la adopción de la IA no significa que la IA esté muerta. Significa que las empresas están adoptando un enfoque más realista y estratégico. La IA sigue siendo una tecnología con un gran potencial, pero las empresas deben ser conscientes de sus limitaciones y abordar su implementación de manera inteligente.

En lugar de lanzarse a la piscina sin pensarlo dos veces, las empresas están empezando a evaluar cuidadosamente los beneficios y los riesgos de la IA, a identificar los casos de uso más relevantes para su negocio y a desarrollar una estrategia de implementación sólida.

Aquí hay algunas claves para el éxito:

• Definir objetivos claros: Antes de invertir en IA, es fundamental definir qué se quiere lograr. ¿Se busca aumentar la eficiencia, mejorar la experiencia del cliente, desarrollar nuevos productos o servicios? Los objetivos deben ser específicos, medibles, alcanzables, relevantes y con plazos definidos (SMART).
• Priorizar los casos de uso: No todos los casos de uso de la IA son iguales. Las empresas deben priorizar aquellos que tengan el mayor potencial de impacto en su negocio y que sean factibles de implementar.
• Construir una infraestructura sólida: La IA necesita datos de calidad para funcionar correctamente. Las empresas deben asegurarse de que tienen una infraestructura de datos sólida, que les permita recopilar, almacenar y analizar los datos de manera eficiente.
• Invertir en talento: La IA requiere profesionales cualificados para ser gestionada correctamente. Las empresas deben invertir en la formación de su personal y en la contratación de expertos en IA.
• Adoptar un enfoque iterativo: La implementación de la IA es un proceso iterativo. Las empresas deben empezar con proyectos piloto pequeños y, a medida que ganan experiencia, expandir su uso de la IA a otras áreas de su negocio.
• Ser transparentes y responsables: Las empresas deben ser transparentes sobre cómo están utilizando la IA y asegurarse de que la están utilizando de manera responsable. Esto incluye proteger la privacidad de los datos, evitar la discriminación y garantizar la equidad.
• No olvidar el factor humano: La IA no debe reemplazar a los empleados, sino complementarlos. La IA puede automatizar tareas repetitivas, pero los empleados siguen siendo necesarios para realizar tareas que requieren creatividad, empatía y juicio humano. La clave está en encontrar el equilibrio adecuado entre la IA y el factor humano.

En resumen, la adopción de la IA por parte de las empresas está entrando en una fase más madura. El entusiasmo inicial se está moderando, y las empresas están adoptando un enfoque más realista y estratégico. La IA sigue siendo una tecnología con un gran potencial, pero las empresas deben ser conscientes de sus limitaciones y abordar su implementación de manera inteligente.

Ejemplos de aplicaciones de IA que sí están funcionando (y otras que no tanto)

Para entender mejor dónde está el verdadero valor de la IA, es útil analizar algunos ejemplos concretos:

Éxitos de la IA:

• Chatbots de atención al cliente (bien implementados): Cuando se entrenan correctamente y se integran con sistemas de escalamiento a agentes humanos, los chatbots pueden mejorar la eficiencia y la disponibilidad del servicio al cliente. Pueden responder preguntas frecuentes, resolver problemas sencillos y dirigir a los clientes al departamento adecuado. El truco está en que sean realmente útiles y no frustren al usuario.
• Análisis predictivo en la gestión de la cadena de suministro: La IA puede analizar datos históricos y en tiempo real para predecir la demanda, optimizar el inventario y mejorar la eficiencia de la cadena de suministro. Esto puede ayudar a las empresas a reducir costes y evitar la escasez.
• Detección de fraude: La IA puede analizar patrones de transacción para detectar actividades fraudulentas en tiempo real. Esto puede ayudar a las empresas a protegerse contra el fraude y a reducir las pérdidas financieras.
• Personalización del marketing: La IA puede analizar datos del cliente para personalizar los mensajes de marketing y las ofertas. Esto puede ayudar a las empresas a aumentar la conversión y la lealtad del cliente.
• Automatización de tareas administrativas: La IA puede automatizar tareas administrativas repetitivas, como la entrada de datos, la facturación y la gestión de documentos. Esto puede liberar a los empleados para que se concentren en tareas más importantes.

Fracasos de la IA (o casos de uso cuestionables):

• Reemplazar completamente a los agentes de atención al cliente con IA: Como demostró Klarna, esto puede conducir a una disminución de la calidad del servicio al cliente y a la frustración del cliente. La IA puede complementar a los agentes humanos, pero no puede reemplazarlos por completo.
• IA para la toma de decisiones estratégicas sin supervisión humana: La IA puede proporcionar información valiosa para la toma de decisiones, pero no debe tomar decisiones estratégicas de forma autónoma. Las decisiones estratégicas requieren juicio humano, experiencia y consideración de factores que la IA no puede tener en cuenta.
• IA para la contratación de personal sin sesgos: Aunque la IA puede ayudar a automatizar el proceso de contratación, también puede perpetuar los sesgos existentes en los datos de entrenamiento. Es fundamental auditar los algoritmos de IA y garantizar que no discriminan a ningún grupo de candidatos.
• IA para la creación de contenido «creativo» sin intervención humana: Si bien la IA puede generar texto, imágenes o música, el resultado suele ser genérico y carece de originalidad. La IA puede ser una herramienta útil para la creación de contenido, pero necesita la supervisión y la creatividad humana para producir resultados de alta calidad.
• IA para «todo» sin una estrategia clara: Intentar aplicar la IA a todos los aspectos del negocio sin una estrategia clara y objetivos definidos es una receta para el desastre. La IA debe implementarse de manera estratégica, enfocándose en los casos de uso que tengan el mayor potencial de impacto en el negocio.

El futuro de la IA: Hacia una adopción más sensata y estratégica

El futuro de la IA en las empresas no es una utopía automatizada ni una distopía de desempleo masivo. Lo más probable es que se trate de una coexistencia simbiótica, donde la IA complementa y mejora las capacidades humanas. Para que esto ocurra, las empresas deben adoptar un enfoque más sensato y estratégico:

• Centrarse en la resolución de problemas reales: En lugar de dejarse llevar por la novedad de la IA, las empresas deben identificar los problemas más importantes que enfrentan y explorar cómo la IA puede ayudar a resolverlos.
• Invertir en la capacitación del personal: La IA no es una solución «plug and play». Requiere personal capacitado para implementarla, gestionarla y mantenerla. Las empresas deben invertir en la capacitación de su personal para que puedan aprovechar al máximo el potencial de la IA.
• Fomentar la colaboración entre humanos y máquinas: La IA no debe ser vista como una amenaza para el empleo, sino como una herramienta que puede ayudar a los empleados a ser más productivos y eficientes. Las empresas deben fomentar la colaboración entre humanos y máquinas para aprovechar al máximo las fortalezas de cada uno.
• Adoptar un enfoque ético y responsable: La IA plantea importantes cuestiones éticas y regulatorias. Las empresas deben asegurarse de que están utilizando la IA de manera responsable y transparente, y de que cumplen con las leyes y regulaciones aplicables.
• Ser pacientes y realistas: La implementación de la IA es un proceso iterativo que requiere tiempo y esfuerzo. Las empresas deben ser pacientes y realistas sobre lo que la IA puede lograr.

En definitiva, la IA tiene el potencial de transformar el mundo empresarial, pero solo si se utiliza de manera inteligente y estratégica. El estancamiento actual en la adopción de la IA es una señal de que las empresas están empezando a darse cuenta de esto. El futuro de la IA no está en la automatización masiva, sino en la colaboración entre humanos y máquinas para resolver problemas reales y crear valor. El «Valle de la Desilusión» es, en realidad, un trampolín hacia una adopción más madura y efectiva de la inteligencia artificial. Y eso, a la larga, será beneficioso para todos.