Sentar las Bases: Velocidad vs. Estrategia en la Carrera por la Adopción de la IA
La inteligencia artificial generativa (GenAI) tiene un potencial transformador y creemos que la adopción exitosa por parte de los equipos de dirección en todos los sectores probablemente contribuirá al éxito de las empresas a largo plazo. Pero, como cualquier herramienta, aprovechar las capacidades de la GenAI requiere una comprensión clara de sus palancas de valor y complejidades. En nuestra opinión, los directores corporativos deben plantearse formas de integrar la GenAI de forma holística en las estrategias implementadas a nivel de toda la empresa. Los equipos de dirección deben evaluar las formas en que la tecnología se puede utilizar como herramienta para lograr una verdadera diferenciación estratégica, no solo para aumentar la eficiencia. Es probable que las curvas de aprendizaje sean pronunciadas para los ejecutivos de sectores que históricamente han tenido menos experiencia con la innovación tecnológica. Sin embargo, vemos formas en que una amplia gama de empresas puede asegurarse de sentar buenas bases para aprovechar el potencial innovador de la GenAI.
Evaluación del Poder de Una Estrategia de Adopción de la GenAI
Los programas de adopción de la GenAI variarán en última instancia a nivel de empresa, pero responder a las preguntas fundamentales puede ser un punto de partida útil para seguir siendo competitivo, añadir valor y evitar posibles contratiempos. Creemos que hay cuatro preguntas clave que los equipos de dirección deben tratar de abordar.
¿Cómo puede la GenAI respaldar nuestra propuesta de valor única para el cliente?
Aunque la GenAI puede potenciar significativamente la experiencia del cliente, la automatización e incluso la detección de fraudes, no todos los usos de esta tecnología tendrán el mismo impacto. Por ejemplo, si el valor del cliente procede fundamentalmente de productos o interacciones físicos, puede que la GenAI sea incapaz de recrear características y servicios básicos, lo que hace que sea menos eficaz y, por lo tanto, una prioridad menor para ciertas empresas. La dependencia excesiva de la GenAI para las interacciones con los clientes podría generar una pérdida de conexión personal, y esto deterioraría la fidelidad y la reputación de la marca. La clave reside en identificar sinergias entre la experiencia humana y las capacidades de la GenAI. Las empresas que no consigan un equilibrio adecuado entre la automatización y el contacto humano podrían salir perjudicadas.
¿Cómo podemos aprovechar la GenAI para diferenciarnos de nuestra competencia?
Las nuevas tecnologías pueden convertirse rápidamente en una parte estándar de la actividad comercial, mientras que las innovaciones posteriores cambian el panorama competitivo con el tiempo. El rápido aumento de la GenAI y su evolución sugieren que las ventajas de ser pionero desaparecen rápidamente. Probablemente las empresas requieran un nivel especialmente alto de adaptabilidad para seguir siendo competitivas. Por lo tanto, es importante entender qué disrupciones podrían sufrir los modelos de monetización de la GenAI y las vías de creación de valor, y si la GenAI permite a los nuevos participantes replicar rápidamente las principales propuestas para los clientes. Por ejemplo, el aumento de la eficiencia derivado de la GenAI puede verse anulado por la aparición de soluciones de bajo coste, potencialmente nativas de IA. Los menores costes de cambio gracias a la simplificación de los procesos de incorporación y migración pueden suponer un reto para los participantes actuales que dependen del efecto lock-in.
No todas las empresas necesitan el mismo grado de poder analítico y precisión para impulsar la propuesta de valor y mantener su ventaja competitiva. Esto tiene repercusiones tanto en los requisitos de entrada de datos para los modelos de GenAI como en la supervisión de los resultados. Por ejemplo, un alto grado de precisión es suficiente para la presentación de un producto generada por GenAI. Otras aplicaciones, como la interpretación de una imagen médica o el asesoramiento legal, requieren una tolerancia cero a los errores. A medida que aumenta el nivel de precisión requerido, también lo hace la necesidad de entrenar modelos de GenAI con un gran volumen de datos. En tales casos, la precisión y la velocidad del análisis son mayores, pero la supervisión humana sigue siendo necesaria hasta que no se haya alcanzado un mayor nivel de confianza.
La implementación eficiente de la GenAI dependerá del nivel de preparación, la calidad, la integración, la seguridad y la privacidad de los datos. Creemos que contar con datos propios será clave para crear la ventaja más grande en IA. Los datos únicos producirán productos y servicios exclusivos, mientras que las empresas que apliquen una tecnología similar a datos similares probablemente producirán resultados indiferenciados y caerán en una brecha de creatividad. Sin embargo, también existe el riesgo de que el modelo de una empresa ayude involuntariamente a la competencia (es decir, se pueden utilizar datos privados o de propiedad exclusiva para mejorar los modelos que utilizará la competencia). Al mismo tiempo, los programas sofisticados de gestión de datos que garantizan la seguridad de los datos propios y potencialmente regulados pueden implicar mayores gastos de mantenimiento continuo.
¿Cuál es el coste total de la implementación de la IA? ¿Tiene nuestra empresa los recursos para asumir este coste?
Los principales costes directos de la implementación de la IA son los costes de datos y potencia computacional. El tipo y nivel de IA que una empresa incorporará, y por lo tanto el gasto, dependerán de las respuestas a las dos primeras preguntas anteriores. Por ejemplo, si la estrategia corporativa requiere el desarrollo y mantenimiento de grandes modelos propios de lenguaje, los costes asociados pueden ser extremadamente altos.
Crear y entrenar un modelo de IA puede ser costoso y requerir mucho tiempo. Los costes incluyen hardware, ingeniería, adquisición de datos, pruebas y potencia computacional. Sin embargo, a diferencia de los primeros auges informáticos, es posible que estos costes no disminuyan significativamente una vez que se entrenen los modelos, ya que la ejecución de modelos entrenados seguirá requiriendo grandes cantidades de potencia computacional para realizar los miles de millones de cálculos necesarios para responder a cada solicitud. Debido a esto, algunas empresas están adoptando modelos más pequeños (mientras siguen entrenando con grandes cantidades de datos). Por otro lado, los modelos de código abierto pueden ser gratuitos (aunque con limitaciones potenciales en cuanto al mantenimiento y soporte). Varias empresas tecnológicas están ampliando el ecosistema para ofrecer más soluciones de IA, mejores y más baratas, a sus clientes para una variedad de casos de uso.
Sin importar el tamaño de los modelos, los costes de infraestructura para implementar la GenAI son un factor clave del presupuesto. La transformación de la IA no será posible sin la infraestructura que respalde la creciente demanda de capacidad computacional. Los centros de datos proporcionan la infraestructura necesaria para entrenar e implementar algoritmos complejos, y los modelos de aprendizaje automático (machine learning, ML) y los grandes modelos de lenguaje ya están creando una mayor demanda de capacidad de los centros de datos. Por tanto, se espera que, para finales de la década, aproximadamente un 20 % de la demanda en todo el panorama de centros de datos provenga de actividades relacionadas con la IA.1 Además, la IA aumentará sustancialmente la cantidad de energía necesaria para operar los centros de datos. Por ejemplo, una sola búsqueda en ChatGPT consume de 6 a 10 veces más energía que una búsqueda tradicional de Google.2 Estudios recientes prevén una tasa de crecimiento anual compuesto (TCAC) del 15 % en la demanda de energía de los centros de datos desde 2023 a 2030, lo que hará que los centros de datos representen el 8 % de la demanda total de energía de EE. UU. para 2030, en contraposición con aproximadamente el 3 % actual3 En muchos casos, el aumento significativo del consumo de energía requerirá mejoras en la red eléctrica existente y la construcción de nueva capacidad de generación de energía.
Dada la necesidad de contar con un acceso adecuado y debido a las largas colas para conectarse a la red eléctrica, la competencia y las limitaciones físicas de la infraestructura probablemente aumentarán los costes. Puede llevar un tiempo construir centros de datos y activos de generación de energía, y las ubicaciones estratégicas de los centros de datos son limitadas. Los operadores de IA tienen dificultades para encontrar la capacidad necesaria para implementar las cargas de trabajo de IA actuales, por lo que los propietarios y operadores de centros de datos tienen un fuerte poder de fijación de precios con respecto a un componente de coste clave. Aunque esta tendencia se centra actualmente en EE. UU., se espera que se convierta en algo global a medio y largo plazo.
Los costes de talento también aumentan a medida que la alta demanda de talento de IA se encuentra con una oferta limitada de trabajadores con experiencia en los campos relativamente nuevos del procesamiento y la automatización de procesos robóticos, el aprendizaje automático y profundo y el procesamiento del lenguaje natural. Los costes secundarios incluyen nueva formación, la gestión del cambio organizativo y asuntos jurídicos, todo lo cual podría tener un impacto significativo en los planes de negocio que no aborden la implementación de la GenAI de forma inteligente.
¿Estamos teniendo debidamente en cuenta las preocupaciones sociales y su posible impacto en la adopción de la IA?
Puede que esta pregunta parezca fuera del alcance de cualquier empresa individual. Sin embargo, las tres preocupaciones descritas a continuación afectarán al futuro del uso de la IA en general y, por lo tanto, cualquier persona que invierta en esta área debe tenerlas en cuenta.
Los riesgos de seguridad son una preocupación primordial dada la posibilidad de ciberataques que pueden manipular datos subyacentes en los modelos, lo que cambiaría los resultados y comprometería la integridad del modelo de formas difíciles de detectar.
Estas preocupaciones surgen en torno al consumo de energía necesario para operar los modelos y en torno a la alta demanda de materias primas necesarias para construir y reemplazar el hardware asociado (con ciclos de reemplazo rápidos debido a los rápidos avances tecnológicos).
Las preocupaciones sobre el impacto social surgen en torno a la falta de transparencia y la interpretabilidad de los resultados generados por la IA, y plantean preguntas sobre la responsabilidad y los posibles sesgos en los datos, especialmente en aplicaciones críticas en las que las vidas o los derechos humanos pueden estar en juego. La desinformación, los “deepfakes” y los diversos intentos de influir en el comportamiento humano pueden erosionar la confianza en las instituciones, agravar las divisiones sociales y potencialmente interrumpir los procesos democráticos.
Estas preocupaciones pueden tener repercusiones comerciales y potencialmente perjudicar a la adopción más amplia de la tecnología. ¿Y si estas preocupaciones hacen que el público sea más reacio a aceptar la GenAI como el medio clave de interacción con algunas empresas y experiencias? ¿Pueden los propietarios de datos subyacentes demandar a los propietarios del modelo por violación de los derechos de autor? ¿Podrían los acontecimientos significativos del mundo real (p. ej., accidentes industriales causados por la IA) y eventos en línea (p. ej., desinformación dirigida y aumento de deepfakes), en combinación con las preocupaciones sociales y ecológicas, conducir a un punto de inflexión?
La supervisión humana y el uso híbrido de la tecnología y el juicio humano serán de vital importancia para gestionar los desafíos sociales y sus impactos comerciales. Creemos que las estructuras de gobernanza pueden convertirse en un diferenciador competitivo clave para las empresas. Será fundamental rendir cuentas para ganar la confianza del cliente y mantenerla, y las empresas que creen sistemas de GenAI transparentes y explicables, establezcan directrices claras y ganen confianza en torno a la seguridad y la privacidad probablemente tendrán una ventaja a largo plazo.
A nivel de las empresas individuales, la forma en que se aborden estas cuestiones podría ser una herramienta en sí misma para la diferenciación estratégica. Las empresas pueden implementar la GenAI de manera que aborde las preocupaciones de sus clientes, con vistas a su propuesta de valor única y riesgos, así como priorizando las áreas de enfoque clave de sus clientes. Teniendo en cuenta la complejidad y el ritmo de la adopción de esta tecnología, los esfuerzos de las empresas por generar confianza de su base de clientes y mantenerla a través de la transparencia y la comunicación clara podrían convertirse en un diferenciador clave.
Perspectivas Para el Futuro
Al implementar la GenAI, es importante sentar las bases en términos de sofisticación y preparación de datos, infraestructura técnica, talento, organización y gobernanza a día de hoy, para aprovechar los beneficios en evolución de esta tecnología de rápido avance en el futuro.
También es importante comprender en qué se diferencia la GenAI de la IA/el ML tradicional. La IA/el ML no ha hecho un gran trabajo en cuanto a razonamiento y generación de contenido, y la creatividad ha sido el santo grial. En cambio, la GenAI está mejorando en ambas áreas, lo que permite niveles de creatividad nunca imaginados. Es posible que, con el tiempo, la GenAI no solo responda a nuestras preguntas con precisión, sino que también nos diga cuál debería haber sido la pregunta. Esto puede conducir a un profundo cambio de paradigma en todos los sectores.
Mantenerse a la vanguardia será fundamental, y ni siquiera el mejor producto y la mejor empresa pueden permitirse ser complacientes en este entorno de cambio acelerado. Como hemos destacado anteriormente, la tecnología como tesis independiente no será suficiente para impulsar la rentabilidad. Más que por la velocidad, creemos que los ganadores y perdedores a largo plazo en la adopción de la GenAI estarán definidos por la estrategia de dicha adopción. Al hacerse las preguntas descritas anteriormente, el equipo de dirección puede obtener la información única y específica de la empresa necesaria para integrar eficazmente la GenAI de una manera que impulse un valor transformador tangible.
1. Goldman Sachs Global Investment Research. “Generational growth, AI, data centers and the coming US power demand surge”. Abril de 2024.
2. Goldman Sachs Global Investment Research. “Generational growth, AI, data centers and the coming US power demand surge”. Abril de 2024.
3. Goldman Sachs Global Investment Research. “Generational growth, AI, data centers and the coming US power demand surge”. Abril de 2024.
