Dos de cada tres proyectos de IA nunca llegan a producción – aun así, la industria promete un cambio de paradigma

La semana de la IA que lo resume todo

Es fácil no ver el bosque por los árboles cuando las noticias sobre IA llegan sin parar. Pero esta semana ha ocurrido algo poco habitual: tres acontecimientos aparentemente separados forman juntos un patrón claro sobre dónde se encuentra realmente la industria y hacia dónde se dirige.

Empecemos por el ámbito regulatorio. OpenAI ha presentado recientemente su estrategia para afrontar los próximos requisitos de la UE sobre el etiquetado de procedencia del texto generado por IA. La solución es técnica y elegante: marcas de agua ocultas integradas en la estructura del texto, invisibles para el lector pero identificables por herramientas de análisis especializadas. En una primera fase, el acceso se limita a la comunidad investigadora, una decisión deliberada que recuerda a la forma en que OpenAI lanzó anteriormente sus modelos más potentes: de manera gradual, controlada y con mecanismos de seguridad integrados.

No se trata de un paso a regañadientes para satisfacer a los burócratas de Bruselas. Es una jugada estratégica. Las empresas que adoptan pronto los requisitos de transparencia generan confianza, y la confianza es, a largo plazo, la ventaja competitiva más importante en un sector donde la confianza del público sigue siendo frágil.

Por qué fracasan dos de cada tres proyectos de agentes

Pero la transparencia no lo resuelve todo. Según un nuevo informe de MIT Technology Review, basado en las respuestas de 300 directivos de datos, IA y tecnología, en promedio solo el 34 % de los proyectos de agentes de IA de las organizaciones llega a la fase de producción. Es una cifra que debería hacer reflexionar a cualquier consejo de administración.

Y el error suele ser distinto de lo que se cree. No se debe a la falta de datos brutos, sino a la falta de conocimiento. La diferencia es decisiva. Un agente de IA puede tener acceso a enormes volúmenes de datos y, aun así, carecer de la comprensión contextual necesaria para tomar decisiones fiables en la realidad concreta de una organización. Los sistemas de datos fragmentados, en los que la información no fluye libremente entre departamentos y plataformas, se señalan como el obstáculo individual más grande: el 55 % de los encuestados lo menciona como problema principal.

Las organizaciones que tienen éxito, las que MIT denomina pioneras, donde nada menos que el 61 % de los proyectos llega a producción, tienen algo en común: dotan a sus agentes de IA de comprensión semántica de los datos. Construyen capas de conocimiento y grafos de conocimiento que proporcionan al sistema no solo cifras, sino significado.

Esta es una de las ideas más subestimadas de la transformación con IA en este momento. La tecnología rara vez es el cuello de botella. Lo es la capacidad de la organización para estructurar y compartir su propio conocimiento.

De el análisis a la acción, en tiempo real

Al mismo tiempo, MIT Technology Review informa sobre un cambio que transforma el panorama aún de forma más fundamental: la IA predictiva pasa de ser una herramienta de análisis a convertirse en un actor que toma sus propias decisiones.

El modelo anterior, con informes actualizados trimestralmente, paneles retrospectivos y analistas que interpretan cifras, está desapareciendo. Los sistemas modernos se entrenan de forma continua en tiempo real, se alimentan de información estructurada y no estructurada, como diálogos con clientes y correos electrónicos, y se adaptan constantemente. Como lo expresa Vishal Gupta, socio de la firma de análisis Everest Group: "Las empresas están cansadas de mirar hacia atrás. Quieren ser más prospectivas."

El concepto de "analítica" como disciplina propia se está diluyendo: todo lo absorbe la IA.

Tres noticias, una conclusión

Cuando se colocan las tres noticias una junto a otra, surge una imagen clara: la industria de la IA se encuentra en un salto de madurez –tecnológico, comercial y regulatorio–, y las tres dimensiones están relacionadas.

La marca de agua tiene que ver con la confianza. La brecha de producción tiene que ver con la capacidad organizativa. La toma autónoma de decisiones tiene que ver con la ambición. Ninguno de estos desafíos es insoluble. Pero tampoco se resolverá ninguno por sí solo.

Para el directivo que realmente quiera aprovechar el cambio que trae la IA, el mensaje es claro: deje de considerar la IA como un proyecto tecnológico. Es un proyecto de transformación, y la transformación exige que toda la organización vaya en el mismo tren.