Capgemini Research: La organización impulsada por IA

Las organizaciones que escalan con éxito sus iniciativas de IA ven el mayor beneficio en el aumento de los ingresos, antes de mejorar la eficiencia operativa

La más reciente investigación de Capgemini destaca las acciones de los líderes en IA para tener éxito

París, julio de 2020 – Un nuevo reporte del Instituto de Investigación Capgemini analiza el ritmo de adopción de la Inteligencia Artificial (IA) durante los últimos tres años. Más de la mitad (53%) de las organizaciones ya han avanzado más allá de las pruebas piloto de IA, un aumento significativo del 36% según el reporte de Capgemini de 2017 sobre el mismo tema. Además, 78% de los líderes de IA a escala[1] continúan avanzando en sus iniciativas de IA al mismo ritmo que antes del COVID-19, mientras que otro 21% ha acelerado el ritmo de su implementación. Esto muestra un claro contraste con las “organizaciones en problemas”[2]: 43% de las cuales ha retirado sus inversiones, mientras que otro 16% ha suspendido todas las iniciativas de IA debido a las altas incertidumbres comerciales relacionadas con COVID-19.

El reporte, ‘La empresa impulsada por IA: Liberando el potencial de AI a escala’, revela que la implementación exitosa de IA a escala ofrece beneficios tangibles en los ingresos; 79% de los líderes de IA a escala observan un incremento del 25% en las ventas de productos y servicios tradicionales. Además, 62% de los líderes de IA a escala advirtió al menos un 25% de disminución en la cantidad de quejas de los clientes, y 71% fue testigo de al menos una reducción del 25% en las amenazas de seguridad.

Visión del sector: Las ciencias de la vida y el comercio minorista continúan liderando la adopción de IA; Servicios Financieros (FS) y Servicios Públicos están rezagados

En términos de los cinco sectores principales que lideran la adopción de IA, las organizaciones de ciencias de la vida y minoristas aventajan a otras ya que representan el 27% y el 21% de los líderes de IA a escala, respectivamente; seguido por productos automotrices y de consumo con 17% cada uno, y luego telecomunicaciones (14%). Solo 38% de las organizaciones de ciencias de la vida han suspendido o retirado inversiones debido al COVID-19, en comparación con los sectores de seguros (66%), 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, a medida que organizaciones como la Organización Mundial de la Salud, lanzan herramientas basadas en inteligencia artificial para recopilar y proporcionar información durante la actual pandemia^[3].

Los datos confiables y de calidad son fundamentales para escalar la IA

Los líderes de la IA a escala clasifican “mejorar la calidad de los datos” como el enfoque principal que les ayuda a generar más beneficios con sus sistemas de IA. Un buen gobierno de datos garantiza que los equipos de IA tengan la calidad de datos adecuada y mejora la confianza depositada en los datos entre los ejecutivos. Establecer las plataformas tecnológicas requeridas, como una arquitectura de nube híbrida y democratizar el acceso a los datos, fungen como bloques de construcción para escalar la IA.

La contratación de especialistas de IA es clave para apoyar los objetivos de IA de una organización

La investigación de Capgemini muestra que 70% de las organizaciones considera que la falta de talento de nivel medio a superior es un gran desafío para escalar la IA. Más de la mitad de los líderes de IA a escala (58%) han designado a un jefe/líder/director de IA que puede proporcionar visión a los equipos de desarrollo, establecer lineamientos sobre la priorización de casos de uso, ética y seguridad, al mismo tiempo que unifica el uso de plataformas y herramientas para el desarrollo de IA. Las organizaciones también deben centrarse en una amplia gama de habilidades para escalar aplicaciones de IA, más allá de las habilidades técnicas de IA pura, para incluir analistas de negocios y especialistas en gestión del cambio. Sin embargo, actualmente existe una brecha significativa entre la demanda y la oferta en disciplinas importantes como aprendizaje automático o visualización de datos. Por lo tanto, la capacitación y el perfeccionamiento son fundamentales para abordar estas brechas y garantizar que estas habilidades se puedan mantener internamente.

Las interacciones éticas de IA desempeñan un papel vital en la creación de la satisfacción y la confianza del consumidor

Independientemente del fuerte enfoque regulatorio y de los consumidores en la IA ética, Capgemini descubrió que muchas organizaciones no abordan activamente cuestiones como la necesidad de tener un equipo ético capacitado. El reporte reveló que menos de un tercio de las organizaciones con dificultades (29% en comparación con 90% de los líderes de inteligencia artificial a escala) están de acuerdo en que tienen un conocimiento detallado de cómo y por qué sus sistemas de inteligencia artificial producen el resultado que tienen. Esto es importante para que los ejecutivos de negocios puedan confiar en los sistemas de IA organizacionales. Al mismo tiempo, es imposible establecer la confianza del consumidor si los empleados que atienden al cliente no confían en los modelos o los datos que usan las organizaciones.

“A la luz de la reciente crisis de COVID-19, mientras las organizaciones están analizando los datos y la inteligencia artificial para brindar resistencia a sus operaciones, existe una necesidad aún mayor de conexión entre los objetivos comerciales estratégicos y tácticos y la implementación para lograr escala”, dijo Anne-Laure Thieullent, Líder de Oferta de Grupo de Inteligencia Artificial y Análisis en Capgemini. “Nuestra investigación destaca que las organizaciones más exitosas combinan esfuerzos para racionalizar y modernizar sus procesos de gobernanza y panorama de datos, se enfocan en traer nuevas herramientas ágiles de los ecosistemas asociados, así como enfoques como DataOps[4] y MLOps[5] (operaciones de aprendizaje automático) para desarrollar e implementar IA soluciones, formar equipos de diversos orígenes y establecer modelos operativos equilibrados”.

El reporte recomienda cuatro principios para que las organizaciones se centren en escalar con éxito la IA:

• Empoderar: construir bases sólidas que proporcionen un acceso fácil a datos confiables y de calidad a través de plataformas y herramientas de datos e inteligencia artificial adecuadas junto con prácticas ágiles.
• Operacionalizar: implementar AI a través del modelo operativo correcto, priorizar iniciativas y garantizar una gobernanza equilibrada, mientras se integra la ética.
• Cultivar: desarrollar talento y colaboración con socios.
• Monitorear y amplificar: monitorear continuamente la precisión y el desempeño del modelo para ejecutar y amplificar resultados.

Para leer una copia completa del reporte, haga clic aquí.

Metodología de la investigación

El Instituto de Investigación de Capgemini encuestó a 950 organizaciones que tienen iniciativas de IA en curso y realizó entrevistas exhaustivas a ejecutivos que supervisan las iniciativas de IA. La encuesta se centró en organizaciones con ingresos de al menos $1 mil millones de dólares durante el último ejercicio fiscal de once países (Alemania, Australia, China, España, Estados Unidos, Francia, India, Italia, Países Bajos, Reino Unido y Suecia) en once industrias (Automotriz, Banca, Ciencias de la vida, Energía, Manufactura, Productos de consumo, Retail, Sector público/gobierno, Seguros, Servicios públicos, Telecomunicaciones).

Acerca de Capgemini

Líder global en consultoría, transformación digital, tecnología y servicios de ingeniería. El Grupo está a la cabeza de la innovación para enfrentar las oportunidades de nuestros clientes en el cambiante mundo de la nube, digital y plataformas. Basándose en su sólida herencia de más de 50 años y profunda experiencia específica de las industrias, Capgemini habilita a las organizaciones a alcanzar sus ambiciones de negocio a través de un conjunto de servicios que van desde la estrategia hasta las operaciones. Capgemini se impulsa por la convicción de que el valor de negocio de la tecnología viene de y a través de las personas. En la actualidad es una compañía multicultural con casi 270,000 miembros del equipo en más de 50 países. Con Altran, el Grupo reportó ingresos combinados de 17 mil millones de euros en 2019.

Visítanos en www.capgemini.com/mx-es/. People matter, results count.

Acerca del Instituto de Investigación Capgemini

El Instituto de Investigación Capgemini es el grupo de expertos interno de Capgemini sobre todo lo digital. El Instituto publica investigaciones sobre el impacto de las tecnologías digitales en las grandes empresas tradicionales. El equipo se basa en la red mundial de expertos de Capgemini y trabaja en estrecha colaboración con socios académicos y tecnológicos. El Instituto ha dedicado centros de investigación en la India, el Reino Unido y los Estados Unidos. Recientemente fue clasificado como el número 1 en el mundo por la calidad de su investigación por analistas independientes.

Visítenos en https://www.capgemini.com/researchinstitute/

[1] El grupo de líderes de IA a escala incluye al 13% del total de organizaciones encuestadas que han implementado múltiples aplicaciones de IA en varios equipos.

[2] El grupo de organizaciones en dificultades son aquellas que han comenzado sus pruebas piloto de IA antes de 2019 pero no han podido implementar ni una sola aplicación en producción; estas conforman el 72% de las organizaciones encuestadas.

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

[4] DataOps es un conjunto de prácticas para democratizar el uso de datos y mejorar su accesibilidad en los negocios, al establecer un proceso cooperativo ágil con analistas, ingenieros de datos y operaciones para mejorar la calidad, agilidad, velocidad de adopción y preparación, así como la provisión de datos para su uso en IA y casos de uso de análisis.

[5] MLOps es un conjunto de prácticas para acortar el tiempo de actualización y puesta en marcha de sistemas inteligentes y de aprendizaje, al tiempo que mejora la calidad y la solidez, al establecer un proceso cooperativo que involucra a científicos de datos, ingenieros / desarrolladores de ML, negocios y operaciones.