De Piloto a Producción: Perspectivas sobre la Escalabilidad de Programas de GenAI a Largo Plazo

Años después, cuando reflexionemos sobre la proliferación de la inteligencia artificial generativa (GenAI), 2024 será visto como un momento crucial – un período de experimentación generalizada, optimismo y crecimiento, cuando los líderes empresariales que anteriormente dudaban en sumergirse en las aguas no probadas de la innovación, se lanzaron de cabeza. En la Encuesta Global de McKinsey sobre IA realizada a mediados de 2024, el 75% predijo que GenAI conducirá a un cambio significativo o disruptivo en sus industrias en los años venideros.

Si bien se ha aprendido mucho sobre las ventajas y limitaciones de GenAI, es importante recordar que aún estamos en una etapa de evolución. Los programas piloto se pueden ampliar rápidamente y son relativamente baratos de construir, pero ¿qué sucede cuando esos programas se mueven a la producción bajo la supervisión de la oficina del CIO! ¿Cómo funcionarán los casos de uso específicos de la función en entornos menos controlados, y cómo pueden los equipos evitar perder el impulso antes de que su programa haya tenido siquiera la oportunidad de mostrar resultados?

Desafíos Comunes al Pasar de Piloto a Producción

Dada la enorme potencialidad de GenAI para mejorar la eficiencia, reducir costos y mejorar la toma de decisiones, el mandato de la C-Suite a los líderes empresariales funcionales ha sido claro – adelante, y experimenten. Los líderes empresariales se pusieron a trabajar, jugando con la funcionalidad de GenAI y creando sus propios programas piloto. Los equipos de marketing utilizaron GenAI para crear experiencias de cliente personalizadas y automatizar tareas repetitivas. En el servicio al cliente, GenAI ayudó a alimentar chatbots inteligentes para resolver problemas en tiempo real, y los equipos de I&D pudieron analizar grandes cantidades de datos para detectar nuevas tendencias.

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

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

3 Cosas Clave para Considerar Antes de Escalar

No nos engañemos, los líderes empresariales han hecho un progreso significativo en la creación de casos de uso de GenAI con resultados impresionantes para su función específica, pero escalar para tener un impacto a largo plazo es bastante diferente. Aquí hay 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 ceguera en su trabajo diario y subestimen lo que se requiere para expandir su programa piloto a la organización más amplia. Pero una vez que ese piloto se mueve a la producción, los líderes empresariales necesitan el apoyo del equipo de TI y seguridad de la información para pensar en todas las 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 ayudar a probar el piloto y revisar las preocupaciones potenciales. Esto también ayudará a fomentar la colaboración entre funciones, lo que es fundamental para aportar 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 de datos son uno de los principales obstáculos para escalar GenAI. Esto se debe a que los programas piloto a menudo dependen de datos sintéticos que pueden generar expectativas desajustadas entre los líderes empresariales, los equipos de TI y, en última instancia, el CIO. Datos sintéticos son datos generados artificialmente para imitar datos del mundo real, esencialmente actuando como un sustituto de los datos reales, pero sin información personal sensible.

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 una mayor revisión regulatoria en el futuro; (2) establecer pautas para prevenir que los datos malos corrompan o sesguen los resultados del piloto; y (3) invertir en soluciones que utilicen la pila de tecnología existente de la empresa para aumentar la probabilidad de 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 muy altas para que la tecnología revolucionara las industrias de la noche a la mañana. Ese hype (para bien o para mal) ha perdurado en gran medida, y los equipos aún están bajo una enorme presión para mostrar resultados inmediatos si esperan que sus inversiones en GenAI reciban más financiamiento.

La realidad es que, si bien GenAI será transformador, las empresas necesitan darle tiempo (y apoyo) a la tecnología para que comience a transformar. GenAI no es plug-and-play, ni su valor real se limita solo a chatbots inteligentes o imágenes creativas. Las empresas que puedan escalar con éxito los programas de GenAI serán aquellas que primero tomen el tiempo para construir una cultura de innovación que priorice el impacto a largo plazo sobre los resultados a corto plazo.

Estamos Todos en Esto Juntos

A pesar de lo mucho que hemos leído sobre GenAI recientemente, todavía es una tecnología muy incipiente, y las empresas deben ser cautelosas con cualquier proveedor que afirme haber resuelto todo. Ese tipo de arrogancia nubla el juicio, acelera conceptos a medias y conduce a problemas de infraestructura que pueden arruinar a las empresas. En cambio, mientras nos preparamos para otro año de entusiasmo por GenAI, también debemos tomar el tiempo para participar en discusiones significativas sobre cómo escalar esta poderosa tecnología de manera responsable. Al involucrar al equipo de TI desde el principio, confiar en datos del mundo real y mantener expectativas razonables de ROI, las empresas pueden ayudar a asegurarse de que sus estrategias de GenAI no solo sean escalables, sino también sostenibles.