El problema no es la tecnología, sino la falta de estrategia orgánica y el entendimiento del negocio.
Más del 70% de los proyectos de inteligencia artificial fracasa antes de generar valor, pero el problema no está en la tecnología, sino en cómo las empresas abordan su adopción.
Jorge Huerta, cofundador y CEO de X-Data, expuso los errores recurrentes, las pérdidas ocultas y la ruta para evitar que los proyectos de inteligencia artificial fracasen.
Huerta explicó que no hay un solo culpable, sino varios, como lo son la obsesión por comprar tecnología sin tener un plan, hasta equipos internos sobrepasados por la operación diaria.
De acuerdo con el ejecutivo, uno de los principales problemas es la falta de entendimiento del negocio.
“Muchas empresas caen en la trampa de implementar inteligencia artificial por moda y sin preguntarse primero ¿qué problema resuelve?”, detalló Huerta.
Asimismo, la data descuidada como bases de datos heredadas, metadatos no guardados o información almacenada en Excel es otro de los principales errores que se cometen al implementar proyectos. Esto ocurre principalmente en verticales como manufactura, logística y retail, donde el 90% del trabajo está en limpiar y estructurar los datos.
El costo oculto del fracaso
De acuerdo con el ejecutivo, resulta complicado saber a cuánto ascienden las pérdidas por malas implementaciones en proyectos de inteligencia artificial.
“IBM ha intentado cuantificar las pérdidas, pero van más allá del dinero invertido en software o consultoría”, explicó.
Se trata más bien de una pérdida competitiva, pues mientras unas empresas automatizan procesos clave, otras siguen repitiendo errores humanos en hojas de cálculo.
Por otra parte, la fuga de oportunidades sigue ocurriendo, sobre todo, porque hay empresas que pierden órdenes de compra por no cruzar datos básicos.
La inteligencia artificial es para todos, pero no de cualquier manera
Huerta explicó que, la inteligencia artificial es para todas las organizaciones, y aunque es tan transversal como Internet, su adopción debe ser estratégica, y recomendó iniciar primero con una estrategia de disponibilidad de datos, pues estos son la base.
Luego pensar en soluciones escalables y empezar con casos de uso concretos, por ejemplo, predecir demanda en el retail, y luego escalar.
Asimismo, recomienda el uso de agentes, no solo de algoritmos, y recordó cómo los RPA evolucionaron a asistentes autónomos que interactúan como humanos.
“No es magia, es ingeniería”: X-Data
Huerta fue claro, el éxito de un proyecto que integra inteligencia artificial depende de una evaluación realista.
“No vendemos inteligencia artificial, vendemos un plan para que tu data trabaje por ti”, agregó.
Y también recomienda evitar los parches tecnológicos, si un proyecto no muestra valor entre tres y seis meses, es claro que algo está fallando.
“El mayor error es pensar que esto es solo para gigantes tecnológicos, una Pyme con datos limpios puede lograr más que una Fortune 500 desorganizada”, concluyó.
X-Data es un laboratorio de analítica avanzada y visualización de datos. a través de la implementación de soluciones basadas en datos impulsa las estrategias de negocios de las organizaciones.
