Del piloto a la producción: perspectivas sobre cómo ampliar los programas GenAI a largo plazo

Dentro de unos años, cuando reflexionemos sobre la proliferación de la IA generativa (GenAI), el año 2024 será visto como un momento decisivo: un período de experimentación, optimismo y crecimiento generalizados, en el que los líderes empresariales que antes dudaban en sumergirse en aguas no probadas de la innovación se lanzaron de cabeza. Encuesta mundial sobre IA de McKinsey En un estudio realizado a mediados de 2024, el 75% predijo que GenAI conducirá a un cambio significativo o disruptivo en sus industrias en los próximos años.

Si bien se ha aprendido mucho sobre las ventajas y limitaciones de GenAI, es importante recordar que todavía estamos en una etapa de evolución. Los programas piloto se pueden poner en marcha rápidamente y su construcción es relativamente económica, pero ¿qué sucede cuando esos programas pasan a la fase de producción bajo la supervisión de la oficina del CIO? ¿Cómo se desempeñarán los casos de uso específicos de funciones en entornos menos controlados y cómo pueden los equipos evitar perder impulso antes de que su programa haya tenido la oportunidad de mostrar resultados?

Desafíos comunes al pasar del piloto a la producción

Dado el enorme potencial de GenAI para mejorar la eficiencia, reducir los costos y optimizar la toma de decisiones, el mandato de los altos ejecutivos a los líderes empresariales funcionales ha sido claro: seguir adelante y experimentar. Los líderes empresariales se pusieron a trabajar, experimentando con la funcionalidad de GenAI y creando sus propios programas piloto. Los equipos de marketing utilizaron GenAI para crear experiencias de cliente altamente personalizadas y automatizar tareas repetitivas. En el servicio de atención al cliente, GenAI ayudó a impulsar chatbots inteligentes para resolver problemas en tiempo real, y los equipos de I+D pudieron analizar enormes cantidades de datos para detectar nuevas tendencias.

Sin embargo, todavía hay mucha desconexión entre todo este potencial y su ejecución final.

Una vez que un programa piloto pasa a la órbita de la oficina del CIO, los datos se examinan mucho más de cerca. A esta altura, ya estamos familiarizados con algunos de los problemas comunes de GenAI, como el sesgo de modelo y las alucinaciones, y a mayor escala, esos problemas se convierten en grandes problemas. Un CIO es responsable de la privacidad y la gobernanza de los datos en toda la organización, mientras que los líderes empresariales utilizan datos que podrían pertenecer solo a su área de enfoque específica.

3 aspectos clave que hay que tener en cuenta antes de escalar

No nos engañemos, los líderes empresariales han logrado avances significativos en la creación de casos de uso de GenAI con resultados impresionantes para su función específica, pero escalar para lograr un impacto a largo plazo es bastante diferente. A continuación, se presentan tres consideraciones antes de embarcarse en este viaje:

1. Incluya a los equipos de TI y seguridad de la información desde el principio (y con frecuencia)

Es común que los líderes empresariales funcionales desarrollen una actitud de ceguera en su trabajo diario y subestimen lo que se requiere para expandir su programa piloto a toda la organización. Pero una vez que el programa piloto pasa a la fase de producción, los líderes empresariales necesitan el apoyo del equipo de TI y seguridad de la información para pensar en todas las diferentes cosas que podrían salir mal.

Por eso es una buena idea involucrar a los equipos de TI y seguridad de la información desde el principio para que ayuden a poner a prueba el piloto y analizar posibles problemas. Hacerlo también ayudará a fomentar la colaboración interfuncional, que es fundamental para incorporar perspectivas externas y desafiar el sesgo de confirmación que puede ocurrir dentro de las funciones individuales.

2. Utilice datos reales siempre que sea posible

Como se mencionó anteriormente, los problemas relacionados con los datos son uno de los mayores obstáculos para escalar GenAI. Esto se debe a que los programas piloto a menudo se basan en datos sintéticos que pueden generar expectativas dispares entre los líderes empresariales, los equipos de TI y, en última instancia, el CIO. Datos sintéticos son datos generados artificialmente y creados para imitar datos del mundo real, actuando esencialmente como un sustituto de los datos reales, pero sin ninguna información personal confidencial.

Los líderes funcionales no siempre tendrán acceso a datos reales, por lo que algunos buenos consejos para solucionar el problema serían: (1) evitar programas piloto que puedan requerir un escrutinio regulatorio adicional en el futuro; (2) establecer pautas para evitar que datos erróneos corrompan o sesguen los resultados piloto; y (3) invertir en soluciones que utilicen la tecnología existente de la empresa para aumentar la probabilidad de una alineación futura.

3. Establezca expectativas realistas

Cuando GenAI ganó prominencia pública por primera vez después del lanzamiento de ChatGPT a fines de 2022, las expectativas eran altísimas de que la tecnología revolucionaría las industrias de la noche a la mañana. Ese revuelo (para bien o para mal) ha perdurado en gran medida, y los equipos aún están bajo una enorme presión para mostrar resultados inmediatos si sus inversiones en GenAI esperan recibir más fondos.

La realidad es que, si bien la GenAI será transformadora, las empresas deben darle tiempo (y apoyo) a la tecnología para que comience a transformarse. La GenAI no es algo que se pueda instalar y usar, ni su verdadero valor se limita únicamente a chatbots inteligentes o imágenes creativas. Las empresas que puedan ampliar con éxito los programas de GenAI serán las primeras que se tomen el tiempo de construir una cultura de innovación que priorice el impacto a largo plazo sobre los resultados a corto plazo.

Estamos todos juntos en esto

A pesar de lo mucho que hemos leído sobre GenAI recientemente, todavía es una tecnología muy incipiente y las empresas deben desconfiar de cualquier proveedor que afirme haberlo descubierto todo. Ese tipo de arrogancia nubla el juicio, acelera conceptos a medio elaborar y conduce a problemas de infraestructura que pueden llevar a las empresas a la ruina. En cambio, mientras nos adentramos en otro año de entusiasmo por GenAI, también debemos tomarnos el tiempo para participar en debates significativos sobre cómo escalar esta poderosa tecnología de manera responsable. Al incorporar al equipo de TI en las primeras etapas del proceso, confiar en datos del mundo real y mantener expectativas razonables de retorno de la inversión, las empresas pueden ayudar a garantizar que sus estrategias GenAI no solo sean escalables, sino también sostenibles.