El auge de la IA no está yendo según lo previsto. Las organizaciones luchan por convertir las inversiones en IA en flujos de ingresos fiables. Las empresas están encontrando que la IA generativa es más difícil de desplegar de lo que esperaban. Las startups de IA están sobrevaloradas y los consumidores están perdiendo interés. Incluso McKinsey, después de pronosticar 25,6 billones de dólares en beneficios económicos de la IA, admite ahora que las empresas necesitan una «cirugía organizativa» para desbloquear todo el valor de la tecnología.
Sin embargo, antes de apresurarse a reconstruir sus organizaciones, los líderes deberían volver a lo básico. Con la IA, como con todo lo demás, la creación de valor empieza por la adecuación del producto al mercado: Comprender la demanda que se intenta satisfacer y asegurarse de que se utilizan las herramientas adecuadas para la tarea.
La prisa por aplicar la IA a todos los problemas imaginables da lugar a muchos productos que son sólo marginalmente útiles, además de algunos que son francamente destructivos. Un chatbot gubernamental, por ejemplo, indicó erróneamente a los empresarios de Nueva York que despidieran a los trabajadores que se quejaban de acoso. Turbotax y HR Block, por su parte, lanzaron bots que daban malos consejos hasta la mitad de las veces.
El problema no es que nuestras herramientas de IA no sean lo bastante potentes o que nuestras organizaciones no estén a la altura del reto. Es que estamos utilizando martillos para cocinar tortitas. Para obtener un valor real de la IA, tenemos que empezar por volver a centrar nuestras energías en los problemas que estamos tratando de resolver.
La falacia del Furby
A diferencia de otras tendencias tecnológicas, la IA es especialmente propensa a cortocircuitar los procesos existentes en las empresas para establecer la adecuación entre el producto y el mercado. Cuando utilizamos una herramienta como ChatGPT, es fácil tranquilizarse por lo humana que parece y asumir que entiende nuestras necesidades como los humanos.
Esto es análogo a lo que podríamos llamar la falacia Furby. Cuando estos juguetes parlanchines salieron al mercado a principios de la década de 2000, mucha gente -incluidos algunos funcionarios de inteligencia- supuso que los Furby aprendían de sus usuarios. En realidad, los juguetes se limitaban a ejecutar cambios de comportamiento preprogramados; nuestro instinto de antropomorfizar a los Furbys nos llevó a sobrestimar su sofisticación.
Del mismo modo, es fácil atribuir erróneamente intuición e imaginación a los modelos de IA, y cuando parece que una herramienta de IA nos entiende, es fácil saltarse la difícil tarea de articular claramente nuestros objetivos y necesidades. Los informáticos llevan décadas enfrentándose a este reto, conocido como el «problema de la alineación»: Cuanto más sofisticados se vuelven los modelos de IA, más difícil resulta dar instrucciones con suficiente precisión, y mayores son las consecuencias potenciales de no hacerlo
Volver a lo básico
Dado que los sistemas de IA no pueden encontrar su propio camino hacia la adecuación del producto al mercado, depende de nosotros, como líderes y tecnólogos, satisfacer las necesidades de nuestros clientes. Esto significa seguir cuatro pasos clave, algunos conocidos de las clases de Business 101 y otros específicos de los retos del desarrollo de la IA.
1-Entender el problema. Aquí es donde la mayoría de las empresas se equivocan, porque parten de la premisa de que su principal problema es la falta de IA. Eso les lleva a la conclusión de que «añadir IA» es una solución en sí misma, ignorando las necesidades reales del usuario final.
2-Definir el éxito del producto. Descubrir y definir qué hará que su solución sea eficaz es vital cuando se trabaja con IA, porque siempre hay compensaciones.
3-Elige tu tecnología. Una vez que entienda lo que quiere conseguir, trabaje con sus ingenieros, diseñadores y otros socios sobre cómo conseguirlo. Puede considerar varias herramientas de IA, desde modelos de IA genérica hasta marcos de aprendizaje automático (ML), e identificar los datos que utilizará, las normativas pertinentes y los riesgos para la reputación.
4-Pruebe (y vuelva a probar) su solución. Ahora, y sólo ahora, puede empezar a crear su producto. Demasiadas empresas se precipitan en esta fase, creando herramientas de IA antes de comprender realmente cómo se van a utilizar. Inevitablemente, acaban buscando problemas que resolver y enfrentándose a retos técnicos, de diseño, legales y de otro tipo que deberían haber tenido en cuenta antes.
Sin embargo, independientemente del tipo de producto de IA que se esté creando, hay algo que permanece constante. La única forma de generar valor es conseguir que el producto se adapte al mercado y crear tecnologías que satisfagan los deseos y necesidades reales de los clientes. Las empresas que lo hagan bien saldrán ganando en la era de la IA.
El contenido original de esta nota fue publicado en Venturebeat.com. Para leer la nota completa ingresá acá
