Cómo los CIO avanzan de la fase experimental de la IA a su implementación operativa

Las empresas están pasando ahora de la fase experimental de la IA a su implementación a gran escala. Ese fue el tema de debate durante una mesa redonda celebrada en el Simposio Sloan de CIO anual del MIT en Cambridge, Massachusetts, el pasado 19 de mayo.

Pero, ¿qué se necesita para hacer posible la ampliación? Se empieza por el acceso y por hacer un seguimiento de cómo la utilizan los empleados de la empresa, afirmó Mojgan Lefebvre, vicepresidenta ejecutiva y directora de tecnología y operaciones de Travelers, durante la mesa redonda. También implica que los ejecutivos prioricen qué casos de uso deben ampliarse y la disciplina necesaria para reconocer que algo no funciona o no puede ampliarse.

Otro panelista, Brook Colangelo, CIO de Waters Corp., una empresa de ciencias de la vida y diagnóstico, estuvo de acuerdo y señaló que el rigor y el escrutinio son cruciales. Pero los seres humanos siguen formando parte de la ecuación, y es posible que la IA no siempre aporte valor.

"No todas las soluciones tecnológicas están pensadas para todos los problemas", afirmó Lefebvre.

Las empresas también deben tener en cuenta los aspectos económicos antes de lanzarse a ampliar la adopción de la IA o podrían encontrarse en apuros, señaló Lefebvre.

"Si se tiene en cuenta la plantilla, también hay que considerar los costos de la IA", afirmó Amy Farrow, CIO de Celigo, una plataforma de automatización inteligente y también ponente. "Hay muchos factores que deben funcionar en conjunto. Se trata de una transformación empresarial, no de una transformación tecnológica".

Nos reunimos con Farrow tras la sesión para hacerle algunas preguntas adicionales.

Nota del editor: La siguiente transcripción ha sido editada por motivos de extensión y claridad.

¿Cuál fue el momento o la señal decisiva que le indicó que era el momento de pasar de la experimentación con la IA a su puesta en marcha a gran escala?

Amy Farrow: Creo que es una buena pregunta, y la responderé de forma un tanto hipotética, ya que llevo menos de dos meses en Celigo. Estas son algunas de las cosas que hemos hecho y algunas de las que he hecho en mis puestos anteriores. Creo que lo que realmente importa es que se tenga un valor empresarial demostrado, como que haya un resultado empresarial vinculado a esta iniciativa. Que haya un responsable. Que se cuente con la arquitectura y la gobernanza adecuadas, así como con un mínimo de controles para tener la seguridad de que se gestiona el acceso a los datos, que exista observabilidad y que exista reversibilidad. Y que se cuente con un plan para cuando las cosas salgan mal.

¿Podría explicarme su marco de gobernanza de la IA?

Farrow: De hecho, estamos en proceso de crear un consejo de gobernanza de la IA. Es una de las iniciativas que estoy impulsando desde que me incorporé a la empresa. Pero sí lo tenemos definido en términos de controles de seguridad, de controles de acceso y de controles de API y MCP. Sin embargo, la gobernanza de la IA significa muchas cosas para mucha gente.

Por eso, la razón por la que quiero crear un consejo es que creo que debemos abordarla de manera holística, desde la perspectiva de la gestión de costos, los casos de uso y la gestión de riesgos. Y luego analizarla desde la perspectiva de la escalabilidad. Así pues, algunos de esos componentes ya están implantados, pero no se abordan de manera holística en toda la organización.

¿Cuáles son los componentes de infraestructura técnica más críticos que ha tenido que crear o actualizar para dar soporte a las operaciones de IA en toda la empresa?

Farrow: Creo que los componentes más importantes para la habilitación de la IA en toda la empresa son invertir en su base de datos, crear productos de datos y exponerlos tanto al consumo humano como al consumo de agentes. Creo que nuestro propio producto en Celigo, una capa de integración, le permite tener los controles adecuados sobre el acceso adecuado —control de acceso basado en roles— y también segmentar a qué datos puede acceder un agente. Y también se pueden supervisar e implementar medidas de seguridad y aprovecharlas en múltiples sistemas, no solo en uno. Y nuestra seguridad —como el stack y la infraestructura— también es una parte importante para tener confianza en la implementación de la IA empresarial.

¿Cómo han rediseñado los flujos de trabajo y los procesos empresariales para incorporar las capacidades de IA de manera eficaz?

Farrow: Creo que estamos en un proceso. Durante la mesa redonda, hablé del nivel uno, el nivel dos y el nivel tres. El nivel tres es el objetivo al que aspiramos —donde queremos llegar—, que es AI first, realmente rediseñada y reinventada.

Diría que hoy en día nos encontramos más bien en el nivel dos, en el sentido de crear inserciones de agentes en los flujos de trabajo, potencialmente con un ser humano en el bucle, de forma autónoma cuando sea posible, donde consideramos que el riesgo es bajo y donde vemos que podemos contener la naturaleza no determinista de la IA. Pero seguimos avanzando hacia ese nivel tres.

Una de las cosas en las que estoy trabajando es analizar nuestro modelo operativo y colaborar realmente con diferentes negocios, para que podamos materializar de verdad el valor de la IA empresarial, comprender los resultados adecuados y construir teniendo en cuenta el contexto de cómo debe funcionar esta organización. Así que, en mi opinión, eso va a ser la clave para avanzar más hacia el nivel tres.

¿Cuál es el mayor error que cometió durante la transición de la experimentación a la puesta en marcha, y qué aprendió?

Farrow: No sé si es el mayor error, pero creo que, como en cualquier implementación y cambio tecnológico, el cambio de procesos que lo acompaña —la capacitación, la gestión del cambio, el cambio de comportamiento— es una parte realmente importante para que tenga éxito. Y en las áreas en las que hemos tenido más éxito, contábamos con eso. En las áreas en las que quizá implementamos una solución, pero no llegamos a ver el valor, no fuimos tan sólidos.

¿Cómo mide el éxito de la IA puesta en práctica más allá de las métricas tradicionales de TI?

Farrow: Es difícil hacerlo de forma abstracta. No creo que haya una métrica sencilla en este caso. Creo que para cada función, en cada área que intentamos optimizar —el caso de uso que intentamos optimizar—, deberíamos ser capaces de desarrollar esas métricas. Pero si tuviera que abstraerlo en un concepto más general, lo consideraría como la velocidad de los procesos de negocio.

Así pues, si se dedica a las finanzas, eso podría ser el cierre de cuentas. Si se dedica a la comercialización de ventas, eso podría ser cerrar un acuerdo o una renovación. Creo que cuanta más velocidad consigamos en términos de calidad y de entrega de ese mismo resultado, más rápido, mayor será el impacto significativo para el negocio.

También pensamos en la escala. Por lo tanto, podemos escalar los ingresos por empleado —eso realmente demuestra que estamos aprovechando las capacidades en el lugar adecuado. Eso nos proporciona una mejor curva de escala— ya sea simplemente para hacer crecer aún más el negocio con el personal que tenemos, o para algo más.

Sarah Amsler es editora ejecutiva sénior del equipo de Estrategia de TI en TechTarget.