Las predicciones del pasado que apuntaban a los desarrollos basados en inteligencia artificial como cruciales para las empresas se están cumpliendo. Un informe de la consultora Mckinsey constata que las empresas están implementando cada vez más avances basados en IA como vía para reducir costes y tener mayor control de riesgos. El 56% de las empresas encuestadas por McKinsey afirman haber adoptado IA en al menos una función el año pasado, frente al 50% de 2020. El uso de IA se ha incrementado más en las compañías en países emergentes que en los de economías desarrolladas, y se incrementa en cinco puntos porcentuales (27%) la proporción de encuestados que atribuyen al menos un 5% de sus beneficios (EBIT) a la IA. 

Mientras las empresas intentan aprovechar las ventajas de la IA, EEUU y China protagonizan una lucha por el dominio de la tecnología relacionada, ante el convencimiento de que de ello dependerá el liderazgo económico, político y geoestratégico a nivel mundial en los próximos años. La IA moverá unos 13.000 millones de euros en el 2030, pero con una influencia tecnológica difícil de calibrar todavía, según cálculos de McKinsey. 

Actualmente EEUU es el líder geoestratégico en este ámbito. Tortoise Media aborda una clasificación sobre IA a partir de 143 indicadores en torno a las investigación, talento, infraestructuras o inversiones en el que apunta a EEUU como líder en la mayoría de aspectos. Pero China gana peso en desarrollo de la mano de una apuesta clara del Gobierno en investigación. Las empresas chinas Alibaba, Baidu y Tendent (Wechat) están a la cabeza de ese impulso institucional de Pekín iniciado en el 2017 y que pretende situar a China a la cabeza mundial de la inteligencia artificial en el 2030. 

En la práctica, la implementación de herramientas basadas en inteligencia artificial en las empresas busca ahorros de costes inmediatos. La mayoría de las encuestados por Mckinsey afirman que el uso de IA ha permitido reducir los costes en más del 20%. Dos tercios de los encuestados señalaron la intención de sus compañías de mantener las inversiones en IA durante los próximos 3 años, como ya recogía el estudio publicado en 2020. Las estrategias en torno a IA se centran básicamente en Operaciones de Machine Learning (MLOps); trasladar el trabajo de IA a la nube; y gastar en IA de manera más eficiente y eficaz que los competidores.

El estudio evidencia que estas prácticas ayudan a las empresas más avanzadas a industrializar y profesionalizar su trabajo en IA, lo que genera mayores eficiencias y mejores resultados, y a la vez aumenta la predictibilidad de los gastos asociados. Parte de la eficiencia, para las empresas más avanzadas, proviene de un uso intensivo de la nube. Por otra parte, el estudio recuerda también que el desarrollo y uso de herramientas de IA no está exento de riesgos que las compañías deben trabajar para mitigar.

Ciberseguridad

El mayor riesgo percibido sigue siendo la ciberseguridad, aunque escalan puestos respecto del año pasado la amenaza a la igualdad de oportunidades y el cumplimiento de la ley. Destaca también la diferencia entre la relevancia que las economías avanzadas atribuyen a los riesgos asociados al cumplimiento normativo o a la explicabilidad de los modelos, frente a las economías emergentes. Estas, por su parte, atribuyen una relevancia más alta que las avanzadas a los riesgos asociados al desplazamiento de trabajadores. Los encuestados señalan la necesidad de priorizar entre los riesgos que atienden, dada la falta de capacidad para atenderlos todos. Sin embargo, en las economías avanzadas consideran que esperan a que la ley empiece a exigir la prevención de dichos riesgos para llevarla a cabo. 

Exigencias

En general, las empresas más avanzadas afirman usar más prácticas relacionadas con las pruebas y la comprobación de datos, con la identificación de sesgos en los modelos o con la conservación de evidencias y documentación sobre su funcionamiento. Las diferencias sobre el resto de empresas son importantes en casi todos los casos, aunque cabe destacar una excepción: el 24% de las empresas avanzadas cuenta con profesionales en el ámbito legal y de riesgos para trabajar con los equipos de científicos de datos y ayudarles a entender las definiciones de sesgo y de grupos protegidos. Sin embargo, en las empresas menos avanzadas esta cautela se utiliza por el 26% de los encuestados.

Herramientas utilizadas

En el caso de las herramientas básicas, la mayor diferencia entre los dos grupos de empresas (las que usan mucho la IA y las que la usan menos) se produce con respecto a la existencia de un marco claro para la gobernanza interno de la IA que abarca el proceso de desarrollo de modelos, explica el informe de la consultora. Esta es una práctica que adoptan el 38% de los encuestados en empresas de alto uso de la IA, respecto a solo el 20% en el caso del resto de empresas. Llevar las reglas y procedimientos a la fase de desarrollo requiere muchas veces involucrar en ellos a proveedores y clientes, lo que puede desincentivar a los menos convencidos, a pesar de las ventajas de contar desde el primer momento con un modelo sólido y comprehensivo de gobernanza, especialmente en procesos que implican a distintas áreas.

Prácticas dudosas

En cuanto a las prácticas avanzadas de gestión de datos, en torno a la mitad de las empresas más avanzadas se identifican con las actuaciones propuestas en el estudio, salvo en el caso de "generar datos sintéticos para entrenar los modelos de IA cuando se carece de datos reales suficientes". Esta práctica se limita al 27% de las empresas, tanto si son avanzadas en el uso de la IA como si no lo son. En materia de datos, la mayor diferencia se observa a la hora de "Contar con procesos internos escalables para el etiquetado de datos de entrenamiento de IA", que utiliza apenas el 22% de las empresas no avanzadas en IA, frente al 48% de las empresas avanzadas. 

Apuesta tecnológica

El uso de modelos, herramientas y tecnologías avanzados es mínimo en las empresas que utilizan menos la IA. La mayor diferencia con las empresas avanzadas se produce al "Adoptar un enfoque de ciclo de vida completo para desarrollar e implantar modelos de IA", que apenas usa el 26% de las empresas menos avanzadas, frente al 57% de las más avanzadas. Llama también la atención que solo un 16% de las empresas menos avanzadas considere la posibilidad de "Renovar la gama de tecnologías IA/ML cada año para aprovechar los avances tecnológicos más recientes".

Capacitación de los usuarios

En cuanto a la capacitación de los usuarios, hay prácticas que se adoptan en ambos grupos de empresas, como la consulta a los usuarios en las diferentes fases de desarrollo e implantación, que realiza el 50% de las empresas en ambos grupos; o la formación sobre el uso de los modelos, que reconoce realizar el 46% de las empresas más avanzadas y el 45% de las menos avanzadas. El hecho de que solo el 14% de las empresas menos avanzadas cuente con un centro de formación práctica dedicado al desarrollo de habilidades de IA en el personal no técnico pone de manifiesto el carácter mayoritariamente finalista con el que se inician las empresas en estas inversiones, que podría condicionar el reparto de sus recursos y la generación de impactos indirectos, que acaban alimentando también el retorno del uso de las herramientas.