La IA sigue avanzando en el segmento empresarial pero, según el estudio de HPE “Architect an AI Advantage”, encargado a Sapio Research en el que han participado 2.400 responsables de TI de Australia, Nueva Zelanda, Brasil, Francia, Alemania, India, Italia, Japón, México, Países Bajos, Singapur, Corea del Sur, España, Reino Unido, Irlanda y Estados Unidos, el 44 % de estas empresas, presenta vacíos críticos en sus estrategia de inteligencia artificial, a pesar de considerar que sus organizaciones están completamente preparadas para aprovechar sus beneficios. La escasa madurez de los datos, posibles deficiencias en el aprovisionamiento de redes y equipos informáticos y aspectos relacionados con la ética y el cumplimiento de normas vigentes son algunas de ellas.
Y es que, aunque las compañías entienden la importancia de la calidad de sus datos como uno de los puntos más importantes para el éxito de la IA, sólo un 7 % de las mismas puede ejecutar extracciones de datos en tiempo real para permitir la innovación y monetización de datos externos. Y sólo un 26 % ha establecido modelos de gobernanza y puede ejecutar análisis avanzados.
Desde el estudio se llama la atención sobre el escaso porcentaje que afirma que su organización gestiona cualquier etapa clave de la preparación de datos para su uso en modelos de IA desde el acceso y almacenamiento hasta el proceso y la recuperación, discrepancia que, en su opinión, puede ralentizar el proceso de creación de modelos de IA y aumentar la probabilidad de que el modelo proporcione información imprecisa y un ROI negativo.
Caso parecido en el caso de los requisitos informáticos y de redes en todo el ciclo de vida de la IA porque, aunque en primer término tanto los responsable de TI creen que su infraestructura de red está preparada para soportar el tráfico de la IA y que sus sistemas son flexibles en cuanto a capacidad de computación para soportar demandas únicas en las diferentes etapas del ciclo de vida de la IA, menos de la mitad de los responsables de TI confiesan tener un conocimiento completo de las demandas de las distintas cargas de trabajo de IA en formación, ajuste e inferencia, lo que, según HPE, pone en duda la precisión con la que pueden aprovisionarlas.
Tampoco están conectando los puntos fundamentales entre las áreas fundamentales del negocio y más de un tercio de las organizaciones han optado por crear estrategias de IA separadas para funciones individuales, un 32 % está creando sets de objetivos diferentes en conjunto.
Todo ello junto a que se está pasando por alto la ética y el cumplimiento, lo que en opinión de HPE es más preocupante, por lo que advierten que a medida que las compañías se apresuran a entender el bombo publicitario que rodea a la IA, sin una ética y un cumplimiento de la inteligencia artificial adecuados, corren el riesgo de exponer sus datos propietarios, fundamental para conservar su ventaja competitiva y mantener la reputación de su marca.
Entre los problemas que pueden surgir, desde HPE remarcan el riesgo de desarrollar modelos que carecen de normas adecuadas de cumplimiento y diversidad, generando impactos negativos para la marca de la empresa, pérdida de ventas o multas y batallas legales muy costosas. Sin olvidar que la calidad de los resultados de los modelos de IA está limitada por la calidad de los datos que registran. Y, como como la demanda de energía para ejecutar modelos de inteligencia artificial es extremadamente alta, esto puede contribuir a un aumento innecesario de las emisiones de carbono de los centros de datos.
