El Ritmo de la IA: La Próxima Fase en el Futuro de la Innovación

Desde la aparición de ChatGPT, el mundo ha entrado en un ciclo de auge de la IA. Pero, lo que la mayoría de las personas no se da cuenta es que la IA no es exactamente nueva — ha estado presente durante bastante tiempo. Incluso en los primeros días del motor de búsqueda de Google, ampliamente utilizado, la automatización estaba en el corazón de los resultados. Ahora, el mundo está empezando a despertar y a darse cuenta de cuánto la IA ya está integrada en nuestra vida diaria y cuánto potencial sin explotar todavía tiene.

El ritmo de la adopción y la innovación de la IA se está moviendo tan rápido — alcanzando alrededor de $1 billón en gastos — que muchos se preguntan si podemos anticipar con precisión la expansión de los modelos futuros incluso dentro de dos años. Esto se ve impulsado aún más por las empresas de tecnología como Meta, Alphabet, Microsoft, Oracle y OpenAI, que presentan una ronda tras otra de nuevas avanzadas y modelos de IA para tratar de mantenerse al día con la demanda de la industria. El fabricante de chips de IA Nvidia está creciendo tan rápido que su negocio no puede ser valorado adecuadamente.

Lo que sabemos sobre el ritmo de la IA es que a medida que aumenta la cantidad de datos y mejora la calidad de los datos, también mejorará la capacidad de la IA para impulsar la innovación en las actividades, aplicaciones y procesos empresariales en todas las industrias. Para estimar dónde estará la IA en unos pocos años, primero debemos entender que los casos de uso de la IA son dos. El primero es que es una tecnología habilitadora, que mejora las soluciones existentes para hacerlas más eficientes, precisas e impactantes. El segundo es que la IA tiene el potencial de ser una tecnología innovadora al hacer que los avances o soluciones inimaginables sean tangibles.

Reevaluando el Ritmo de la IA a lo Largo de la Historia

Aunque parece que el revuelo detrás de la IA comenzó cuando OpenAI lanzó ChatGPT en 2022, el origen de la inteligencia artificial y el procesamiento del lenguaje natural (NLP) se remonta a décadas. Los algoritmos, que son la base de la IA, se desarrollaron por primera vez en la década de 1940, sentando las bases para el aprendizaje automático y el análisis de datos. Los primeros usos de la IA en industrias como la gestión de la cadena de suministro (SCM) se remontan a la década de 1950, utilizando la automatización para resolver problemas en la logística y la gestión de inventarios. En la década de 1990, los enfoques basados en datos y el aprendizaje automático ya eran comunes en los negocios. A medida que avanzaba la década de 2000, tecnologías como la automatización de procesos robóticos (RPA) optimizaron las tareas mundanas en muchas funciones empresariales complejas y administrativas.

Luego vino ChatGPT. Es muy claro que la percepción de la IA ha cambiado debido a la IA generativa. Antes del inicio de la GenIA, los consumidores no entendían los mecanismos de la automatización, ni siquiera el poder de la automatización para las empresas. La IA subyace a mucha de nuestra tecnología moderna, como el motor de búsqueda de Google. La mayoría de los consumidores confían en Google para proporcionar respuestas precisas a innumerables preguntas, rara vez consideran los procesos y algoritmos complejos detrás de cómo aparecen esos resultados en su pantalla del ordenador. Pero ver es creer — con ChatGPT, el mundo empezó a ver casos de uso en la vida real. Sin embargo, todavía hay una concepción errónea de cuánto está integrada la IA en nuestra vida diaria — incluso en el mundo empresarial. Como se mencionó anteriormente, la IA permite que la tecnología existente sea mejor y, al igual que los microchips de Intel, la IA se encuentra en el trasfondo de las tecnologías que usamos todos los días.

Si los líderes no pueden comprender la magnitud de la IA, ¿cómo se les puede esperar que adopten con éxito la IA en sus operaciones comerciales diarias? Ese es exactamente el problema.

Desafíos de Adopción y Crecimiento

Si alguien le preguntara a una herramienta GPT, ‘qué es probable que digan los profesionales de la compra y la cadena de suministro sobre la IA’, probablemente destacaría las brechas de conocimiento relacionadas con la adopción de la IA. A nivel mundial, la adopción de la IA aumentó exponencialmente en el último año después de un crecimiento limitado en años anteriores. Durante los últimos seis años, solo el 50% de los líderes empresariales dijo que estaban invirtiendo en tecnología de IA en todas sus operaciones. En 2024, la tasa de adopción saltó al 72%, lo que muestra que los líderes empresariales están despertando al potencial de la IA para mejorar su organización en todas las líneas de negocio.

Sin embargo, darse cuenta del valor completo de la IA requiere más que simplemente desplegar soluciones de vanguardia. Necesita tener acceso a los datos adecuados — datos que proporcionan un contexto rico sobre los patrones de gasto empresarial real, el rendimiento del proveedor, la dinámica del mercado y las limitaciones del mundo real. El acceso inadecuado a los datos significa vida o muerte para la innovación de la IA dentro de la empresa. Al menos el 30% de todos los proyectos de GenIA se espera que sean abandonados debido a la mala calidad de los datos, entre otros desafíos como controles de riesgo inadecuados, costos en aumento o valor comercial poco claro. Pero hay muchos otros desafíos que enfrentan las empresas al adoptar la IA y llevarla a escala.

En las grandes organizaciones, desafortunadamente es común tener silos que pueden exponer a los negocios a riesgos importantes. Tomemos, por ejemplo, la industria de la cadena de suministro. La cadena de suministro juega un papel crítico dentro de la estrategia empresarial y para las organizaciones globales grandes, la escala interconectada del sector es casi inimaginable. Si un aspecto del negocio opera en un silo, puede poner en riesgo a toda la organización. Si los equipos de la cadena de suministro no comunican los cambios en la demanda a sus proveedores, ¿cómo se les puede esperar a los líderes que creen pronósticos precisos? Si el equipo de ventas no comunica los pronósticos actualizados a la compra, pueden asegurar contratos a largo plazo basados en información desactualizada, bloqueando acuerdos que pueden no alinearse con la demanda actual del cliente.

Ya sea un silo organizacional o informativo, la falta de comunicación puede llevar a un colapso en el servicio al cliente, crear ineficiencias y una detención general en la innovación. La IA puede demostrar su valor al abordar estos silos: si su tecnología está conectada de manera eficiente, entonces sus empleados y proveedores también pueden estarlo.

Los líderes empresariales están invirtiendo activamente en soluciones impulsadas por la IA para impulsar la automatización de procesos, capacidades de compra estratégica, visibilidad y control del gasto, y rentabilidad general. Para tener éxito con estas capacidades de la IA y alcanzar sus objetivos de gestión total del gasto, las empresas deben trabajar juntas para fomentar la transparencia y trabajar hacia un objetivo común.

La Próxima Evolución de la IA

En este momento, el mejor caso de uso para la IA que realmente impulsa la eficiencia y el crecimiento empresarial es la automatización de tareas administrativas simples. Ya sea que se trate de eficiencias en el flujo de trabajo, extracción y análisis de datos, gestión de inventarios o mantenimiento predictivo, los líderes se dan cuenta de que la IA puede acelerar tareas monótonas y que consumen mucho tiempo a velocidades y precisión sin precedentes. Aunque parezca simple, cuando se aprovecha en industrias como la cadena de suministro o la compra, casos de uso como estos pueden ahorrar a las empresas innumerables horas y miles de millones de dólares.

Hemos discutido la IA como una tecnología habilitadora — pero todavía hay un potencial sin explotar para que la IA se convierta en una tecnología innovadora. A medida que estamos al borde de un nuevo año, hay muchos avances de la IA que los líderes empresariales deben tener en cuenta en el horizonte.

Para la gestión de la cadena de suministro y la compra en particular, uno de estos avances será la mejora en la compra autónoma. Al aprovechar la IA y otras tecnologías avanzadas, las empresas pueden automatizar tareas que tradicionalmente dependían de los humanos, como la compra y la contratación, para impulsar la eficiencia y liberar recursos permitiendo que la IA analice vastas cantidades de datos, identifique tendencias y tome decisiones informadas de compra en tiempo real. La compra autónoma no solo ofrece ahorros de costos incomparables al ahorrar el tiempo de los empleados, promover la eficiencia y reducir los errores, sino que también puede mitigar el riesgo de fraude y falsificación al garantizar continuamente el cumplimiento de los estándares éticos y de sostenibilidad.

Sin embargo, incluso antes de introducir la compra autónoma, las empresas deben centrarse en ofrecer una experiencia de usuario (UX) que sea intuitiva, eficiente y fácil de navegar tanto para los equipos de compra como para los proveedores. Una vez que se crea una UX hiperpersonalizada, las empresas pueden implementar cohesivamente soluciones autónomas.

El resultado de la IA no es solo mejorar el ROI de las empresas, sino también mejorar la toma de decisiones, predecir patrones futuros y construir resiliencia. Los ejecutivos de nivel C en todos los sectores ven cada vez más la adopción de tecnologías de IA como esencial para transformar y garantizar el futuro de sus operaciones a través de la automatización. Con el tiempo, al igual que cualquier otra tecnología antes que ella, la IA se volverá cada vez más asequible mientras que el valor de su producción seguirá aumentando. Esto nos da muchas razones para ser optimistas sobre el futuro de la IA y el papel equilibrado que desempeñará en nuestras vidas — tanto en el ámbito empresarial como personal.