¿Aprendemos de nuestros errores? Me gustaría pensar que así es, pero vemos cómo la historia se repite una vez más. Y es que no fue hace tanto que vivimos la fiebre de las “Puntocom” en la que muchas empresas se lanzaron a desarrollar portales web y servicios online sin tener claro para qué, simplemente por el temor de quedarse atrás. Muchos proyectos fracasaron estrepitosamente y no por culpa de la tecnología.
Y sigue sucediendo, cada vez que una nueva tecnología irrumpe con fuerza, el «Síndrome del objeto brillante» nos seduce. Nos dejamos deslumbrar por las promesas del nuevo avance tecnológico sin detenernos a pensar si realmente lo necesitamos o si estamos preparados para manejarlo. Y, como en el pasado, los fracasos abundan.
La dura realidad del fracaso en los proyectos de IAG
Esta es la trampa en la que han caído muchos emprendedores y empresas, rendidos ante la promesa de la inteligencia artificial generativa sin comprender realmente lo que implica su implementación. Y eclipsados por su atractivo, sin una estrategia sólida, han comenzado proyectos que se tambalean por la falta de fundamentos y planificación.
Algunas estimaciones sitúan el porcentaje de proyectos de inteligencia artificial que fracasan en cotas bastantes más altas que otros proyectos de TI, llegando incluso al 80 %. Según un reciente estudio de RAND Corporation, las principales razones identificadas incluyen la mala gestión del proyecto y las expectativas poco realistas sobre las capacidades de la IA.
Y las predicciones no son mucho más alentadoras. Uno de los últimos estudios de Gartner indica que, al menos el 30 % de los proyectos de IA generativa se abandonarán tras la prueba de concepto a finales de 2025 ¿Algunas de las razones? Los controles de riesgo inadecuados, la escalada de costes o el valor empresarial poco claro.
Lecciones del pasado para el éxito futuro
Lo que podemos aprender de estos fracasos del pasado, ya sea en las puntocom, criptomonedas, big data o ahora con la IA, es que la tecnología por sí sola no garantiza el éxito. Es necesario que cualquier iniciativa basada en inteligencia artificial generativa (IAG) esté sustentada por una estrategia clara, objetivos bien definidos y una comprensión profunda de las capacidades y limitaciones de la tecnología.
Y así debería ser también la integración de la inteligencia artificial generativa en los procesos de los proveedores de desarrollo. Porque muchas son las promesas de esta en el desarrollo de software: acortar ciclos de desarrollo con asistentes de generación automática de código, reducir la necesidad de grandes equipos… Pero ¿sabemos si esta tecnología está de verdad cumpliendo con el aumento de la productividad y la calidad? ¿O hemos vuelto a caer en la trampa del “objeto brillante”?
Si como ya hemos resaltado, implementar nuevas tecnologías como la IAG en nuestros procesos empresariales requiere mucho más que entusiasmo o miedo a quedarse fuera, se necesitará un enfoque estratégico y una serie de pasos que nos permitan medir para asegurar que efectivamente se están produciendo mejoras tangibles.
Uno de los primeros pasos, y, esenciales, es definir objetivos claros. Las empresas deben identificar exactamente qué problemas esperan resolver y establecer metas cuantificables, como la reducción de tiempos de desarrollo o la mejora de la calidad del código.
Si ya sabemos qué buscamos mejorar, tenemos que conocer el punto de partida realizando un análisis previo del proceso actual. Aquí el benchmarking se vuelve fundamental, interno y externo. Mediante la comparación directa entre proyectos realizados con y sin el uso de IAG, es posible evaluar si las mejoras en velocidad y eficiencia son reales o solo superficiales. Las métricas tradicionales, como el tiempo de entrega del software o la cantidad de producto software generado, deben complementarse con otros indicadores, como la calidad del desarrollo, su mantenibilidad a largo plazo y la capacidad de la IA para adaptarse a contextos complejos de desarrollo. En este sentido, contar con buenos datos es clave: en nuestro caso utilizamos una base de datos propia con más de 92.000 proyectos de desarrollo, lo que proporciona un marco sólido para realizar estas comparaciones de manera precisa y confiable. Pero ¿sirve de algo implementar una tecnología cuyo coste es mucho mayor que el beneficio obtenido? Analizar la relación coste-beneficio es vital y debe tener en cuenta también los gastos de implementación, mantenimiento y formación del equipo.
La clave del éxito está en integrar la tecnología con una visión clara y una medición precisa y constante de los resultados. Monitorizar continuamente su impacto permite ajustar los procesos y garantizar que los beneficios se mantengan o incluso aumenten a lo largo del tiempo. Nosotros ya estamos ayudando a nuestros clientes a realizar este análisis y monitorización continuos, para comprobar si la aplicación de la IA realmente está mejorando la productividad y la calidad del desarrollo. De esta manera, podemos determinar si la adopción de la IAG es una decisión estratégica que impulsa la competitividad o simplemente una tendencia que, en ese caso, no justifica su coste.
Como ocurrió con las puntocom, las empresas que quieran aprovechar el verdadero poder de la inteligencia artificial generativa deben estar dispuestas a hacer el trabajo duro: planificación y definición de objetivos, monitorización continua, adaptación y, sobre todo, entender que la tecnología es solo una herramienta. Y cuando esa herramienta es integrada en los procesos de la forma adecuada, entonces sí brilla.
Dácil Castelo de la Torre
CEO de LedaMC
