Carlos Lizarralde, CEO de 7Puentes, analiza la importancia de hacer madurar cada proyecto y conseguir el éxito mediante el uso de nuevas herramientas
27.02.2025 • 16:00hs • Inteligencia artificial
Inteligencia artificial
"Las tres T": consejos para acelerar proyectos de IA en las organizaciones
:quality(85)/https://assets.iproup.com/assets/jpg/2025/02/42049.jpg)
Un estudio reciente muestra que solo 2 de cada 10 proyectos de IA son exitosos. Es importante que los líderes empresariales comprendan que la transformación que trae la IA no es solo tecnológica, sino que impactará principalmente en diferentes niveles de la organización y los proyectos, especialmente en los equipos, las herramientas y su ejecución.
En este artículo, descubre algunas recomendaciones para acelerar los proyectos de IA, hacerlos madurar y lograr el éxito.
La adopción de la IA por parte de las organizaciones implica una transformación en los métodos de trabajo, los modelos de liderazgo y la cultura corporativa misma. Esto genera resistencia al cambio en los equipos y un alto nivel de incertidumbre sobre cómo esta tecnología podría amenazar o redefinir sus empleos.
Sin esta transformación organizacional, el 87% de los proyectos de IA y Big Data fracasan y nunca se implementan, según varios estudios publicados recientemente.
De hecho, un artículo de Harvard Business Review publicado a finales de 2023 señala que 8 de cada 10 proyectos de adopción de IA fracasan debido a problemas de liderazgo, falta de certeza sobre los resultados esperados o la implementación de modelos que no se ajustan a las necesidades locales del negocio.
Se espera que el tamaño del mercado global de IA crezca a una tasa de crecimiento anual compuesta (CAGR) del 36,8% durante el período de pronóstico, alcanzando los u$s1,345 mil millones para 2030.
Si estos números se cumplen, dependerá no solo de las inversiones, sino también de la experiencia que los ejecutivos puedan ganar en la implementación y aceleración de los proyectos.
Saber cómo implementar de manera efectiva uno o más proyectos de IA en la organización es parte de su madurez, desarrollo y, en última instancia, de aprovecharla para crecer.
En un contexto volátil e incierto en el que muchas empresas desean desarrollar proyectos de IA, el riesgo de no salir de la Prueba de Concepto (POC), de gastar más presupuesto del planeado o de no utilizar las metodologías adecuadas son casos comunes que generan obstáculos en el proceso generalizado de adopción de la IA.
La adopción de la IA por parte de las organizaciones supone una transformación de las formas de trabajo, de los modelos de liderazgo y de la propia cultura corporativa.
Si necesitas acelerar o agilizar los procesos de proyectos de software de IA, esta aceleración gira principalmente alrededor de tres T como framework de mejora continua:
1) Team: La clave es lograr un equipo de alta performance, lograr la madurez, motivación y liderazgo del grupo. Aprovechar las habilidades específicas de sus integrantes y técnicas similares para los proyectos es otra de las recomendaciones. Por ejemplo, si varias personas vienen del ámbito de Computer Vision o Deep Learning seguramente convenga hacer varios proyectos juntos agrupados por estas habilidades. Tener en cuenta que los stakeholders también son parte del equipo y su celeridad en las definiciones y en la aceptación es clave.
2) Tools: Se trata de contar con una plataforma end-to-end que permita gestionar y controlar todas las etapas del proceso. El punto es no sólo poder ayudar a las personas sino poder estandarizar los procesos, lo cual ayuda a acelerar los proyectos. En este aspecto, las herramientas de MLOps resuelven los problemas más críticos de la organización. Puntualmente puede ser el deployment de los modelos, el almacenamiento para los modelos, el versionado, el log de los experimentos de training, el acceso a la infraestructura y el SCM. También es necesario contar con un data lake bien gobernado.
3) Tasks: Entre los tips usuales se encuentran: Armar modelos bases y replicarlos al resto de la organización; tener la ingeniería de datos cruda separada del resto del modelo; madurar la metodología de trabajo para lograr agilidad en los proyectos; separar la incubación de ideas del proyecto en sí mismo y trabajar sobre los KPI que puedan ser movidos con un modelo de IA.
*Por Carlos Lizarralde, CEO de 7Puentes.
