Cómo dejar de perder dinero en pilotos de IA: Tres errores y qué hacer en su lugar

En los últimos años, la industria financiera ha estado compitiendo para implementar la inteligencia artificial. Cada vez más empresas compran modelos y firman contratos con proveedores, pero eso produce poco o un resultado aterrador. Según un estudio del MIT publicado el año pasado, 95% de los pilotos corporativos de IA no tienen un efecto medible en las ganancias de las compañías.

Al mismo tiempo, el gasto se dispara, ya que se estima que el año pasado el mundo gastó 1.76 billones de dólares en IA, y se espera que en 2026 esa cifra crezca a 2.59 billones. Por lo tanto, el dinero invertido y el dinero devuelto parecen diferir enormemente, y los costos están aumentando prácticamente de la nada.

Sin embargo, el problema no es que la tecnología sea débil. Los modelos de IA se vuelven más inteligentes cada año, tanto que OpenAI decidió suspender sus desarrollos para no ir demasiado lejos. Así que, en este caso, la verdadera desventaja es la falta de un modelo operativo que pueda utilizar eficazmente estas tecnologías.

La ilusión de tener un piloto

La escala de la integración de IA es tan alta que casi todas las fintech o empresas financieras tradicionales han lanzado recientemente al menos un piloto de IA, por ejemplo, un chatbot para clientes. Pero, independientemente de lo que lancen, estas historias en conjunto tienen un final bastante desagradable.

Todo comienza con un equipo específico que construye una prueba de concepto que funciona bien bajo condiciones de prueba controladas. Luego, después de la demostración, la dirección queda impresionada y les permite implementarla, pero en algún momento el proyecto se descompone o resulta ineficaz. ¿Pero por qué?

Por supuesto, no todos los proyectos internos de IA fracasan, porque en ese caso no quedaría ningún ingeniero de ML, y la tecnología resultaría inútil. Pero he observado este ciclo de fracaso tantas veces que ya conozco muy bien su origen. En pocas palabras, es el propio piloto, que, aunque podría estar bien ejecutado, no fue diseñado para encajar con la forma en que el negocio realmente funciona y opera día a día.

Como resultado, un modelo que funciona brillantemente en aislamiento entra en el circuito de combate y se topa con infraestructuras heredadas o empleados que ni siquiera saben cómo trabajar con la tecnología. Pero ninguna de estas barreras se resuelve con un algoritmo más inteligente. Todas pueden solucionarse únicamente mediante decisiones de la gerencia, y esa no es el área de responsabilidad de los científicos de datos.

Algunos errores que es mejor evitar

Antes de ver cómo integrar la IA de manera más eficaz en una empresa, consideremos otros errores que pueden ocurrir en el camino.

El primer y más importante desliz, como ya hemos mencionado indirectamente, es tratar la IA como un complemento sin reconstruir los procesos. De hecho, muchas empresas toman un flujo de trabajo existente y simplemente incorporan una herramienta de IA en una etapa, sin siquiera considerar si la IA tiene sentido en ese proceso.

Así que, como gerente, me preguntaría primero: ¿era este proceso siquiera necesario en su empresa? Si el flujo de trabajo era ineficiente antes de la automatización, seguirá siendo igual de ineficiente después. Incluso podría empeorar, porque la IA puede recordar patrones negativos y repetirlos.

El siguiente error ocurre cuando los gerentes subestiman la carga de cumplimiento y gobernanza. Los servicios financieros enfrentan algunas de las presiones regulatorias más estrictas de cualquier industria y, por ejemplo, no se puede automatizar todo el departamento de cumplimiento con IA. Lo mismo ocurre con la prestación directa de servicios y la gestión de carteras. Parece una verdad universal, pero te sorprenderá cuántos fundadores cometen este error.

Y, por último pero no menos importante, muchas empresas olvidan capacitar a su personal para la implementación de IA. Cuando la tecnología asume las rutinas de los empleados, el primer instinto suele ser reducir el personal, ya que muchas tareas pueden realizarse más rápido con menos personas involucradas. Aunque eso reducirá sus gastos a corto plazo, es una visión muy miope.

Si desea un valor real, pregúntese de otra manera. ¿Qué trabajo de mayor nivel pueden realizar nuestras personas ahora que están liberadas de la rutina? ¿Están preparadas para ello con sus habilidades y motivación actuales?

Qué iniciar el lunes para mayor eficiencia

Como primer paso, audite sus pilotos de IA suspendidos. Es decir, no introduzca nuevas ideas hasta que haya tratado adecuadamente las anteriores. En el 90 % de los casos, el problema es la falta de responsabilidad, el hecho de que nadie está claramente encargado de escalarlo. Así que asigne la propiedad.

Si alguien ya tiene el control de la IA, el siguiente paso es revisar el proceso y reconstruirlo por completo. No se limite a añadir IA al flujo de trabajo existente. Mi consejo es preguntarse cómo sería este proceso si lo diseñáramos hoy desde cero, sabiendo que la IA puede realizar análisis primarios. A menudo la respuesta es mucho más sencilla de lo que parece.

Además, no olvide calcular los números reales que aporta el modelo de IA. Si, seis meses después del lanzamiento, no puede especificar cifras sobre la efectividad de su modelo (por ejemplo, horas ahorradas o aumento de ganancias), entonces no funciona como debería, por lo que es mejor reconsiderar su valor.

Y, quizás lo más importante, no despidas a las personas, especialmente a las responsables y a aquellas que siempre han desempeñado su trabajo con honestidad. Si la gente aporta más dinero a la empresa de lo que gana en un año, el despido se convertirá en un problema para ti muy pronto. Y las empresas que no comprendan esto pierden su conocimiento institucional y la confianza del equipo, lo que luego cuesta mucho más.

En conjunto, el 95 % de los pilotos no alcanzan el resultado, no porque la tecnología haya fallado. No lo logran porque la organización que los rodea se ha mantenido igual y obsoleta. Esta es la única variable que debe cambiarse primero.