En las empresas modernas, numerosas plataformas, sistemas y herramientas de IA operan simultáneamente, que van desde plataformas de clientes y asistentes conversacionales hasta la automatización de flujos de trabajo. Si bien estos componentes individuales son sofisticados y receptivos, su salida colectiva a menudo resulta errónea, confusa o desconectada de la realidad empresarial real. Esta desconexión se identifica como una razón principal por la cual muchas organizaciones luchan por obtener rendimientos de sus inversiones en IA.
Los datos de una encuesta de MIT Technology Review Insights destacan esta disparidad. Aunque cada organización encuestada utiliza la IA en algún grado, solo el 16% informa extraer un valor transformador de sus implementaciones. La mayoría de los encuestados, que representan el 40%, observan ganancias moderadas en tareas o equipos específicos, mientras que el 21% señala ganancias significativas. Por el contrario, el 23% de las organizaciones está viendo rendimientos mínimos o nulos.
Los patrones de uso actuales indican que la mayoría de las empresas permanecen en la fase piloto o utilizan la IA principalmente como una herramienta de asistencia. Según la encuesta, el 38% de los encuestados están probando casos de uso de IA, y el 35% utiliza herramientas como copilotos o asistentes de chat para apoyar a los empleados. Solo el 12% ha desplegado agentes de IA en producción, y un mero 3% informa utilizar la IA para manejar la mayor parte del trabajo dentro de procesos clave.
Prukalpa Sankar, cofundador de Atlan, enfatiza la brecha significativa entre las capacidades del modelo y su utilidad real dentro de las organizaciones. Señala que, si bien existe una inteligencia artificial general para intenciones de la vida real, sigue siendo en gran medida ineficaz en la mayoría de los entornos corporativos debido a una capa de contexto faltante. Esta capa sirve como infraestructura arquitectónica situada entre los sistemas empresariales, como los registros de datos, y las plataformas de IA. Su función es traducir la inteligencia empresarial en un contexto gobernable y utilizable por máquinas, permitiendo que el conocimiento se acumule.
Sankar ilustra la necesidad de esta infraestructura comparando la IA sin una capa de contexto con contratar al becario más inteligente del mundo, vendarlo y colocarlo inmediatamente en una organización. Sin comprender el entorno empresarial específico, incluso los modelos avanzados no pueden ofrecer acciones precisas o útiles. Este contenido fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review, en asociación con Atlan.
Fuentes: MIT Technology Review.