• Las organizaciones están entusiasmadas con el potencial de la IA generativa, pero se topan con obstáculos en 4 áreas clave de implementación.
  • El estudio encuestó a 300 responsables de estrategia de GenAI o análisis de datos en EE. UU. para tomar el pulso a las principales áreas de inversión y los obstáculos que enfrentan las organizaciones.
  • La GenAI debe considerarse un contribuyente ideal para la hiperautomatización y la aceleración de los procesos y sistemas existentes, no como el juguete nuevo y brillante que ayudará a las organizaciones a alcanzar todas sus aspiraciones comerciales.

Las organizaciones están entusiasmadas con el potencial de la IA generativa para aumentar la productividad de los empleados y de las empresas, pero no pueden aprovechar plenamente su potencial debido a la falta de talento y de planificación estratégica, según un estudio realizado a principios de 2024 por Coleman Parkes Research y patrocinado por la firma de análisis de datos SAS.

Obstáculos en 4 áreas clave

Ganar confianza en el uso de los datos y lograr el cumplimiento normativo. Solo el 10% de las organizaciones cuenta con un sistema sólido para evaluar el riesgo de sesgo y privacidad en los LLM (modelos de lenguaje de gran tamaño). Además, la mayoría de las empresas estadounidenses corren el riesgo de incumplir la normativa, y el 93% de ellas carece de un marco de gobernanza exhaustivo para la GenAI.

Incorporar la GenAI a los procedimientos y sistemas actuales. Las organizaciones admiten que la integración de la GenAI con sus sistemas actuales les plantea problemas de compatibilidad.

Aptitud y competencia. La GenAI interna es deficiente. Los directivos de las organizaciones están preocupados de que sus departamentos de RR.HH. no tengan acceso a las habilidades necesarias para maximizar su inversión en GenAI debido a la escasez de candidatos cualificados.

Estimación de gastos. Los líderes señalan que el uso de LLM conlleva costes directos e indirectos prohibitivos. Las organizaciones reconocen ahora que la estimación del coste por token que ofrecen los creadores de modelos es prohibitiva. Sin embargo, la preparación del conocimiento privado, la formación y la gestión de ModelOps conllevan costes largos y complicados.

Sobre la encuesta

300 responsables de estrategia de GenAI o análisis de datos en EE. UU. fueron encuestados a principios de 2024 por Coleman Parkes Research, con financiación de la firma de análisis de datos SAS. El objetivo de la encuesta era identificar las principales áreas de inversión y los desafíos a los que se enfrentan las organizaciones.

«Las organizaciones se están dando cuenta de que los modelos de lenguaje de gran tamaño (LLM) por sí solos no resuelven los desafíos empresariales», afirmó Marinela Profi, asesora estratégica de IA de SAS.

En lugar de ser vista como el juguete nuevo y brillante que ayudará a las organizaciones a alcanzar todas sus aspiraciones comerciales, la GenAI debería considerarse un contribuyente ideal para la hiperautomatización y la aceleración de los procesos y sistemas actuales. Antes de lanzarse de cabeza y quedar «atrapados», todas las organizaciones deberían invertir en tecnología que ofrezca integración, gobernanza y explicabilidad de los LLM, y tomarse el tiempo necesario para desarrollar una estrategia progresiva.