PwC Argentina analiza las razones por las que la mayoría de los proyectos IA fracasan y ofrece estrategias para evitar la perdida de tiempo y recursos
09.12.2024 • 14:10hs • Informe
Informe
¿Por qué el 85% de las pruebas con IA de las empresas fracasan?
:quality(85)/https://assets.iproup.com/assets/jpg/2024/02/37782.jpg)
Un informe de PwC Argentina analiza por qué muchas empresas que hacen pilotos con IA no terminan concretando los proyectos. En ese sentido, el documento cita un artículo de Gartner que señala que el 85% de los proyectos de IA no superan esta fase y finalmente terminan perdiendo tanto recursos como oportunidades
Informe: por qué los pilotos de IA no despegan
El fracaso de muchas pruebas de conceptp (PoC, por sus siglas en inglés) puede a tribuirse a diversas cuestiones.
Por un lado, la falta de un retorno de inversión (ROI) claro, es decir, la ausencia de un plan que ponga de relieve el valor económico del proyecto, puede funcionar como una barrera para avanzar.
Por otra parte, la falta de expectativas reales en torno a la IA y la creencia, por ejemplo, de que los resultados instantáneos, terminan generando frustración.
Mientras que, en otros casos, los proyectos fracasan porque carecen de apoyo. Otros motivos son los problemas de escalabilidad, la falta de personal capacitado y la complejidad para integrar las soluciones con los sistemas y procesos existentes.
El caso de Amazon que fracasó en 2018
Un ejemplo sobre los riesgos que pueden aparecer en la etapa de PoC, es el caso de Amazon. En 2018 la empresa desarrolló una herramienta de inteligencia artificial para automatizar la contratación de personal, pero descubrió que el sistema presentaba sesgos de género, favoreciendo a los hombres.
Este inconveniente, originado por datos históricos sesgados, impidió que el proyecto superara la fase de prueba y llevó a su cancelación. Este caso, reportado por el MIT Technology Review, subraya la importancia de contar con datos equilibrados y estrategias para reducir sesgos desde el inicio.
"Para que una iniciativa de IA tenga éxito, es fundamental adoptar un enfoque holístico que considere todos los elementos del ecosistema empresarial. Esto incluye involucrar a los equipos desde el principio, capacitarlos y fomentar su participación para garantizar la adopción de las soluciones. También es clave adaptar los procesos empresariales para maximizar el valor de la tecnología, ya que la implementación de IA no puede ocurrir en un vacío. Asimismo, es esencial promover un cambio cultural que fomente la innovación y reduzca las resistencias internas, mientras se garantiza una gestión adecuada de los datos, enfocándose en su calidad, accesibilidad y gestión", comenta Juan Segura, senior manager de PwC Argentina de la práctica de Innovación Digital.
Cómo encarar una prueba de concepto para no fallar
Antes de comenzar un PoC es fundamental la planificación. Para aumentar las posibilidades de éxito, es importante definir un caso de uso específico, alinear los objetivos con las prioridades estratégicas del negocio y obtener el respaldo de los interesados.
En esta etapa, es esencial documentar los beneficios concretos, involucrar a los usuarios finales y evaluar los riesgos de manera continua. Al finalizar, la evaluación del PoC debe analizar tanto la viabilidad técnica como económica, asegurando que exista un plan claro para escalar la solución a un entorno de producción
"Los PoC son el comienzo de una transformación empresarial basada en IA, pero no deben ser el final. Tal como un buen tráiler es solo el inicio de una gran película, estas iniciativas deben convertirse en herramientas completas que impulsen cambios reales. Con una visión estratégica y un enfoque integral, las empresas pueden asegurar que su inversión en IA no solo cumpla con sus promesas, sino que genere resultados concretos y duraderos", dice Segura.
