Saltar al contenido

Investigación de Capgemini: claves de las empresas líderes en IA

01 jul. 2020
Logo

Las empresas que implantan la IA en diferentes áreas de negocio ven mayores incrementos en facturación y eficiencia operativa

El último estudio de Capgemini señala las claves de las empresas líderes en IA

Madrid, 1 de julio de 2020 – Un nuevo informe del Instituto de Investigación de Capgemini analiza el ritmo de adopción de la inteligencia artificial (IA) en las empresas en los últimos tres años. Más de la mitad de las firmas (53%) ya ha superado la etapa experimental, un marcado aumento en comparación con el 36% del informe de 2017 de Capgemini sobre la misma cuestión. Además, el 78% de los líderes en IA a gran escala en sus procesos[1] sigue progresando en sus iniciativas de IA al mismo ritmo que antes de la covid-19, mientras otro 21% ha acelerado la implementación. El contraste con las «empresas con dificultades»[2] es evidente: el 43% ha retirado sus inversiones, mientras otro 16% ha suspendido todas las iniciativas de IA por la elevada incertidumbre empresarial relacionada con el coronavirus.

El informe The AI Powered Enterprise: Unlocking the potential of AI at scale, muestra que la implementación satisfactoria de la IA a gran escala puede tener ventajas tangibles en sus ingresos. El 79% de líderes en IA a gran escala ha visto un incremento de más del 25% en ventas de productos y servicios tradicionales. Además, el 62% de los líderes en IA a gran escala ha notado un descenso del 25%, como mínimo, en el número de quejas de clientes, y un 71% asegura una reducción de al menos un 25 % en amenazas de seguridad.

Punto de vista sectorial: ciencias de la salud y retail siguen a la cabeza en la adopción de IA; servicios financieros y servicios públicos se quedan atrás

Dentro de los cinco sectores principales que lideran la adopción de IA, ciencias de la salud y retail están muy por delante de los otros: Un 27% y 21% de las empresas de estos sectores, respectivamente, es líder en IA a gran escala, respectivamente. Les siguen la automoción y los productos de consumo, con un 17% cada uno, y telecomunicaciones (14%). Solo el 38% de las empresas de ciencias de la vida han suspendido o retirado inversiones a causa de la covid-19, en comparación con los sectores de seguros (66%), la banca (64%) y servicios públicos (64%). Esto refleja la importancia de la salud electrónica en el contexto actual, donde los asistentes virtuales, las aplicaciones de rastreo de contactos y los chatbots están proliferando conforme organizaciones como la Organización Mundial de la Salud lanzan herramientas basadas en la IA para recopilar y proporcionar información durante la pandemia[3].

Los datos de confianza y calidad son esenciales para llevar la IA a todas las funciones de la empresa

Los líderes en IA a gran escala consideran que la mejor manera de obtener más beneficios de sus sistemas de IA es «mejorar la calidad de los datos». Una política de datos robusta garantiza que los equipos de IA tengan datos de calidad adecuada, y mejora la confianza depositada en estos a nivel ejecutivo. La implantación de las plataformas tecnológicas necesarias, como una arquitectura híbrida en la nube y la democratización del acceso a datos, conforman los pilares para aplicar la IA a mayor escala.

La contratación de líderes en IA especializados es clave para fomentar los objetivos de una empresa a este respecto

El estudio de Capgemini muestra que el 70% de las empresas considera la falta de talento entre los niveles medio y sénior como un gran desafío para la escalabilidad de la IA. Más de la mitad de los líderes en IA (58%) ha nombrado a un responsable de IA que pueda aportar a los equipos de desarrollo una visión concreta, establecer directrices en torno a la priorización de casos de uso, ética y seguridad, y que unifique el uso de plataformas y herramientas para el desarrollo de la IA. Las compañías también han de centrarse en una amplia gama de competencias para la implantación de aplicaciones de IA a gran escala dentro de la organización que van más allá de habilidades puramente técnicas, tales como análisis de negocio y especialistas en gestión de cambio. Sin embargo, actualmente, hay una brecha considerable entre la oferta y la demanda en disciplinas importantes como el machine learning o la visualización de datos. Por lo tanto, la formación y la mejora de cualificaciones son críticas para salvar esta distancia y garantizar que estos conjuntos de competencias se quedan en la propia empresa.

Las interacciones con una IA ética tienen una función esencial en la generación de satisfacción y confianza del cliente

Independientemente de la gran atención que cliente y normativa ponen en la ética de la IA, Capgemini ha observado que muchas empresas no están abordando activamente ciertos problemas, como la necesidad de tener un equipo ético capacitado. El informe indica que menos de un tercio de las empresas con dificultades para escalar la IA (29%, en comparación con el 90% de líderes en esta tecnología) está de acuerdo en que cuentan con conocimientos detallados sobre cómo y por qué sus sistemas de IA dan los resultados que dan. Esto es importante a nivel ejecutivo, a efectos de confiar en los sistemas organizativos de IA. A la vez, es imposible establecer una confianza con el cliente si el personal de cara al público carece de ella en los modelos o datos que utilizan las empresas.

En palabras de Anne-Laure Thieullent, responsable de Inteligencia Artificial y Ofertas de Grupos de Análisis de Capgemini: «En el contexto de la reciente crisis de Covid-19, si bien las empresas esperan que los datos y la IA refuercen sus operaciones, todavía hay una necesidad de conexiones más fuertes entre la implementación y los objetivos empresariales generales para llegar a una escala mayor. Nuestro estudio pone de relieve que las empresas con más éxito combinan esfuerzos para racionalizar y modernizar su gestión de datos y procesos de gobernanza; enfocarse en implementar herramientas más ágiles a través de ecosistemas de partners; usar metodologías como DataOps[4] y MLOps[5] (machine learning ops) para desarrollar e implantar soluciones IA; crear equipos con perfiles diversos y generar modelos de negocios equilibrados».

El informe concluye con recomendaciones de cuatro principios para que las empresas se centren en la ampliación satisfactoria de la escala de IA:

  • Facultar: desarrollar una base fuerte que ofrezca un acceso sencillo a datos de confianza y calidad a través de las plataformas y herramientas de datos e IA adecuadas, junto con prácticas ágiles.
  • Poner en funcionamiento: implantar la IA a través del modelo operativo apropiado, priorizar iniciativas y garantizar un gobierno equilibrado, mientras se integra la ética.
  • Educar: desarrollar el talento diversificado y la cooperación con ecosistemas y colaboradores.
  • Llevar un seguimiento y amplificar: llevar un seguimiento continuo de la precisión y rendimiento del modelo para cumplir y amplificar los resultados de negocio.

Si desea leer una copia completa del informe, haga clic aquí.

Metodología de investigación

El Instituto de Investigación de Capgemini ha encuestado a 950 empresas con iniciativas de IA en marcha y ha realizado entrevistas detalladas a directivos que supervisan iniciativas de IA. La encuesta se ha centrado en firmas con ingresos de un mínimo de mil millones en el último ejercicio fiscal de once países (Australia, China, Francia, Alemania, la India, Italia, Países Bajos, España, Suecia, Reino Unido y Estados Unidos) en once sectores (automoción, banca, productos de consumo, energía, seguros, ciencias de la vida, fabricación, público/gubernamental, retail, telecomunicaciones, servicios públicos).

Acerca del Instituto de Investigación de Capgemini

El Instituto de Investigación es el think tank interno de Capgemini para el estudio del ámbito digital. El instituto publica investigaciones sobre el impacto de las tecnologías digitales en grandes negocios tradicionales. El equipo se apoya en la red mundial de expertos de Capgemini y trabaja codo con codo con socios académicos y tecnológicos. El instituto cuenta con centros de investigación especializados en Estados Unidos, Reino Unido y la India. Recientemente ha sido reconocido como líder por la calidad de sus informes por analistas independientes.

Más información en www.capgemini.com/es-es/instituto-de-investigacion-de-capgemini/

Acerca de Capgemini

Un líder global en servicios de consultoría, transformación digital, tecnología e ingeniería. Grupo Capgemini está a la vanguardia de la innovación para abordar la diversidad de oportunidades que tienen sus empresas clientes en el dinámico entorno de las plataformas, la nube y lo digital. Respaldada por una sólida trayectoria de más de 50 años y una dilatada experiencia multisectorial, Capgemini ayuda a las compañías a alcanzar sus objetivos de negocio mediante una amplia gama de servicios que cubre desde la estrategia, hasta las operaciones. Capgemini actúa bajo la firme convicción de que el valor de negocio de la tecnología se genera y desarrolla a través de las personas. Se trata de una compañía multicultural de 270.000 profesionales, presente en casi 50 países y, junto con Altran, en 2019, el grupo registró unos ingresos mundiales combinados de 17.000 millones de euros.

Más información en www.capgemini.com/es-es/

People matter, results count

[1] El conjunto de “líderes en IA a gran escala en sus procesos” o “líderes a gran escala” son aquellos que han lanzado diferentes aplicaciones de IA en diversos equipos e incluye un 13 % del total de empresas encuestadas.

[2] El conjunto de empresas con dificultades representa a aquellas que han empezado sus programas piloto de IA antes de 2019, pero que no han sido capaces de desplegar ni una sola aplicación en producción; estas constituyen el 72 % de las empresas encuestadas.

[3] Fuente: OMS, «WHO launches a chatbot on Facebook Messenger to combat COVID-19 misinformation» 15 de abril de 2020.

[4] DataOps es un conjunto de prácticas para democratizar el uso de datos y mejorar su accesibilidad a negocios a través de la creación de procesos operativos ágiles con análisis de datos, operaciones e ingenieros de datos, mejorar la calidad, agilidad velocidad de gestión y preparación, así como el aprovisionamiento de datos para casos de uso de Ia y analytics.

[5] MLOps es un conjunto de prácticas para acortar el tiempo de actualización y puesta en marcha de sistemas inteligentes y de aprendizaje automático a la vez que se mejora la calidad y robustez a través de la creación de un proceso cooperativo que incluye a científicos de datos, ingenieros y desarrolladores de machine learning, negocios y operaciones.