Sin dudas, podríamos incluirlas entre las 10 tecnologías futuras que cambiarán el mundo para el año 2050. Curiosamente, no lo hemos hecho porque creemos que representan dos avances de la tecnología que ya surten efecto sobre nuestras vidas. Hablamos, claro de la Inteligencia Artificial y el Machine Learning. Justamente, en este artículo la idea es detenernos en los principales desafíos que plantea la incorporación de estos conceptos.
En líneas generales, podemos decir que éstos son tiempos bastante interesantes. Prácticamente todas las empresas impulsadas por tecnologías de última generación están, como mínimo, analizando las bondades de la Inteligencia Artificial y el Machine Learning. A eso, sumado, además, que la integración de ambas en un entorno empresarial podría llegar a brindar numerosas oportunidades de transformación pensando en aprovechar cadenas de valor.
Entonces, ¿por qué a las empresas les resulta extremadamente difícil comercializar sus soluciones de IA y ML? Recientes informes de Deloitte señalan que el 94% de las empresas se enfrentan a diversos problemas a la hora de adoptar cualquiera de estas tecnologías. Y allí parecen los desafíos que mencionábamos al comienzo.
Retos al integrar Inteligencia Artificial y Machine Learning
Si la IA es un Ferrari, los datos son su combustible
El Machine Learning, un subconjunto de la Inteligencia Artificial, requiere no sólo de datos sino, realmente, de datos etiquetados. En otras palabras, datos que proporcionan una respuesta a una variedad de entradas, también conocidas como parámetros. Pero, ¿cuántas empresas tienen esa información a disposición?
Por otro lado, disponer de enormes cantidades de datos no garantiza el resultado o los conocimientos deseados. Entonces nos encontramos, en estos días, con una buena cantidad de firmas que no tienen acceso a datos y otras tantas que, teniendo acceso, no saben cómo explotarlos. Por distintos motivos.
Una solución versátil, que aún no lo es
Aunque la Inteligencia Artificial y el aprendizaje automático han evolucionado extraordinariamente, una solución que puede aplicarse a la industria médica, difícilmente resulte viable en la industria automotriz. Esto quiere decir que los desarrollos comienzan a diversificarse y, con ello, ya no se requiere una única solución versátil, sino modificaciones concretas sobre la misma. En consecuencia, se generan retrasos derivados de los costos.
La única alternativa parece ser la Inteligencia Artificial generalizada, que recién está dando sus primeros pasos.
Una inversión que cuesta mucho… y no devuelve demasiado
El potencial de la Inteligencia Artificial y el Machine Learning es indiscutible. Todos estamos de acuerdo. Pero que su potencial sea indiscutible, no significa necesariamente que no se puedan poner en tela de juicio sus resultados actuales. Como decíamos antes, aún muchas empresas no son capaces de capitalizar sus apuestas por estas tecnologías. Y para llegar al éxito, les espera una inversión que no quieren -o no pueden- costear.
No se vislumbra, de este modo y en el corto plazo, una compensación entre el presupuesto destinado y la precisión de los resultados obtenidos. Cuanto mayor sea el presupuesto, más tipos de datos podrían agregarse utilizando tecnologías y sensores de alta gama que brindan datos en tiempo real. Pero eso requiere de que dispongamos de dinero para la contratación de expertos, softwares, y un entorno que lo haga posible.
Falta de confianza
Incluso cuando sus promotores hacen todo lo posible por negarlo, todavía varios empresarios creen que Inteligencia Artificial y Machine Learning son tecnologías para ricos. Es una fama que se han ganado, y aún muestran.
Por lo tanto, una buena cantidad de empresas medianas o pequeñas que podrían abrirle las puertas a la IA y el ML, no lo hacen porque lo han descartado antes de darle una chance. Sus acercamientos a los datos pueden haber sido fallidos, en momentos en los que estas métricas no estaban tan aceitadas, y no regresarán a ellos a menos de que estén seguros de que recuperarán lo invertido, de que vale la pena. Y eso puede llevar años.
Y también están los obstáculos legales
Por si todo lo anterior fuera poco, también aparecen en escena los obstáculos legales. La inclusión de datos de mala calidad o dudosa procedencia, podría desembocar rápidamente en problemas legales para cualquier compañía.
La poca presión que las propias empresas ponen para modificar estas legislaciones, y el cierto recelo que existe aún para con tecnologías que recién están iniciando su camino, es otro de los grandes desafíos que nos esperan.
Conclusiones
Comercializar e implementar la Inteligencia Artificial y el Machine Learning en las empresas no es fácil. No lo será por algunos año. Pero eso no quiere decir que no debamos estar atentos a sus progresos. Hay gigantes tecnológicos como IBM, Google, Apple, Microsoft que son bastante optimistas y están seguros de contar con ellos.
Seguramente cuando cada una de ellas haya podido probar por si misma la valía de estas tecnologías, y el mercado haya madurado lo suficiente, muchas otras empresas más pequeñas estarán dispuestas a dar el salto.
Si te ha gustado este artículo, querrás saber cómo afectará la Inteligencia Artificial al marketing.