Solo dos de diez proyectos de IA cumplen con las expectativas: cómo hacer para que sean efectivos

La excitación, la sorpresa y hasta la ansiedad por contarles a los amigos se puede trastocar rápidamente en decepción. Apenas dos de cada diez proyectos de inteligencia artificial (IA) logran ser exitosos. El dato, recopilado por Harvard Business Review a fines del año pasado, coincide con la mayoría de los estudios de mercado que apuntan en la misma dirección.

Algunos expertos coinciden en que no hay que alarmarse. "En esta fase experimental siempre hay más proyectos fallidos que exitosos, es lo normal y lo esperado", dice Álvaro Higes, fundador del asistente de IA gratuito Luzia. "Marc Andreessen, cofundador de Netscape, siempre dice que cualquiera de las empresas que fallaron durante el boom de las puntocom podría ser exitosa ahora, simplemente era demasiado pronto para ellas", agrega.

"Es natural que haya proyectos fallidos en el camino de la innovación, pero es necesario aprender, y no enamorarse de las ideas sino tomar lo nuevo, lo que funciona y explotarlo", sentencia Martín Rabaglia, CEO de Genosha, agencia creadora del asistente de cocina de IA generativa Pierre, para la marca Atma.

¿Cuáles son los motivos que podrían llevar al fracaso en una iniciativa de IA? 

"Desde expectativas irrealistas y promesas exageradas que llevan a la frustración cuando los resultados no se obtienen (incluso en ocasiones se espera que la IA resuelva todos los problemas), hasta la falta de datos concretos o mal etiquetados, restricciones legales en el acceso a esos datos, que el enfoque de la IA no se ajuste al problema y que los sistemas utilizados no sean los correctos, problemas en la usabilidad de la IA y la falta de capacitación de talento, entre otros", enumera Juan Pablo Chemes, managing director en Accenture Argentina.

Esto es sólo el principio. "A la resistencia al cambio hay que sumarle la actualización permanente de la tecnología que corre las fronteras de lo novedoso", indica Mara López Barreiro, socia fundadora de Veril, consultora de recursos humanos y desarrolladora de de JulIA Sales Coach, una aplicación que entrena equipos de ventas.

Bastante poco inteligente

Los puntos a tener en cuenta se multiplican. "Es indispensable un nuevo modelo mental, nuevas metodologías, y no tratar de replicar el viejo mundo en nuevas tecnologías", dice Ezequiel Kieczkier, socio fundador de la consultora especializada en gestión de cambio y transformación organizacional Olivia y coautor del libro Crisis & Co.

"La principal razón es que no conectan con las expectativas o no están gestionadas o comunicadas entre los involucrados", dice Mauro Avendaño, responsable de Digital Technology de NTT DATA. "Desde un aspecto más técnico la integración con sistemas existentes puede ser complicada y costosa", agrega. Recientemente, NTT DATA y Microsoft lanzaron en GenAI Studio, una propuesta conjunta para ayudar a las empresas que quieren dar los primeros pasos en IA generativa.

"El éxito depende de qué tan bien delimitemos los objetivos: aunque suene fácil, es lo difícil en cualquier proyecto, en especial con IA (no todo se puede automatizar, no todo está digitalizado, etc)", indica Melina Masnatta, emprendedora y consultora de tecnología, educación y diversidad, quien también destaca otros factores que "aún no están siendo considerados en la escala en que deberían", como la ética, la privacidad y manipulación de datos sensibles de los clientes, la transparencia y hasta el impacto en la sostenibilidad, considerando que "el gasto energético de la IA es alto e influye más que otras tecnologías".

Victoria Martínez, gerente de desarrollo de negocios de AI + Analytics de Red Hat Latam recomienda implementar prácticas de gobernanza que aseguren el desarrollo sostenible y ágil de las aplicaciones inteligentes a lo largo del tiempo. También propone seleccionar tecnologías que soporten la escalabilidad del proyecto y que puedan mantenerse sin dependencia excesiva de un proveedor (lock-in). "Esto incluye planificar no solo el despliegue inicial, sino también el mantenimiento y la evolución a largo plazo", afirma.

"Los proyectos exitosos de IA tienen la particularidad adicional de que suelen generar valor no esperado y cambios en la forma de trabajar que mejoran muchas otras áreas de la organización y usuarios", dice López Barreiro. "Por eso es importante medir de manera sostenida el impacto y su adaptación, y estar abiertos a enriquecer el propósito y su aporte".

El cristal con que se mira

En lugar de enfocarnos en el fracaso, cambiemos la mirada. ¿Qué necesita un proyecto de IA para ser considerado "exitoso"? 

"Cumplir con tres pilares: impulsar los objetivos de negocio, generar un impacto positivo en la experiencia del consumidor y ser escalable", enumera Mauro Caggiano, líder de la agencia creativa Ogilvy One Latam. Entre sus creaciones, se cuenta Magic Audios, para Coca Cola, desarrollada la Navidad pasada: los usuarios mandaban audios de WhatsApp y, con las ondas de la voz, se generaba un dibujo de la icónica botella de la gaseosa.

"Es importante contar con un equipo multidisciplinario con experiencia en IA, ciencia de datos, arquitectura, pero también con conocimiento del dominio específico del negocio", indica Avendaño, quien también recomienda "tener presente desde el momento de análisis una infraestructura y arquitectura escalables que ayude a salir del modelo POC (prueba de concepto) al productivo de forma consistente", agrega.

"Apoyarse desde el comienzo en proveedores líderes en el mercado", recomienda Sebastián Dotro, gerente de Ingeniería de Fortinet Argentina. La empresa especializada en ciberseguridad utiliza IA para detección avanzada de amenazas, automatización de respuestas, análisis predictivo y adaptabilidad y aprendizaje continuo, entre otras funcionalidades. También creó FortiAI, asistente de GenAI consciente del contexto.

No se puede soslayar el factor humano. Masnatta enfatiza en que el liderazgo debe sostener una transformación que requiere mucha inversión de tiempo, económica y de recursos. "Estamos en la fase en que ‘puede fallar'", retoma el guante del potencial fracaso. La frutilla del postre: que la solución se use. "Es fundamental que sea adoptada y utilizada por los usuarios finales", aporta Leonardo Tocci, responsable de práctica de datos en la consultora Baufest.

Contame cómo lo hiciste

Entre tanto fallido, emergen cada vez más casos exitosos. La velocidad a la que avanza la IA hace que haya en prácticamente todas las industrias, aunque con una gran injerencia en el mundo financiero y en el de salud. ¿Cómo lo hicieron los que lo hicieron?

"Con equipos interdisciplinarios: armar una mesa única con áreas de datos, ciberseguridad y negocio fue fundamental", explica Cristian Deferrari, responsable de infraestructura IT en Naranja X, empresa que cuenta con nueve aplicaciones productivas de GenAI: agentes que responden consultas en contact centers o para consultar documentación interna y hacer más eficiente el trabajo de los colaboradores, entre otros. AI MAMSI, que utilizan los ejecutivos para obtener información sobre la red de comercios de forma conversacional, incrementa la productividad en un 39% entre los heavy users.

"No consideramos la IA como un proyecto, sino como una parte integral de nuestras soluciones, dentro de una estrategia más amplia que llamamos ‘automatización a escala'", dice Fernando Turri, head de tecnología y operaciones de Santander Argentina, la principal entidad privada del sistema financiero nacional por volumen de depósitos. 

En todas las áreas donde se implementó esta tecnología, mejoró la productividad entre un 10% y un 20%. "Los factores de éxito fueron saber seleccionar las tecnologías, medir su madurez, descartar las que no agregan valor o no están listas y aplicarlas dentro de los procesos de desarrollo de soluciones regulares, no como tecnologías aisladas, por la tecnología per se", aporta.

El desarrollador de infraestructura de pagos locales para mercados emergentes dLocal utiliza IA para detectar y prevenir fraudes y para el ruteo inteligente de transacciones para incrementar las chances de que sea aprobada. "Hoy no existen barreras en el conocimiento en TI e IA, están al alcance de todos, por lo que el diferencial está en el conocimiento en la industria", sostiene Mauricio Clausen, responsable de ingeniería de dLocal. "Es importante probar rápido y fallar rápido, iterando para maximizar el resultado en función de la experiencia".

Cuando la IA goza de buena salud

DIM es un centro de salud fundado en 1964 en la zona oeste de la provincia de Buenos Aires. Implementó el software Koios para investigar la utilidad de IA aplicada a nódulos mamarios sólidos visualizados por ecografía. ¿El resultado? La sensibilidad de los hallazgos mediante IA supera el 95%. 

"Mejora la interpretación visual de las ecografías mamarias con una mayor precisión y una reducción potencial de biopsias innecesarias en lesiones, evitándose en gran porcentaje cada año, así como la ansiedad asociada a un posible diagnóstico de cáncer mientras se esperan sus resultados", explica la doctora Mirta Lanfranchi, jefa del servicio de diagnóstico por imágenes mamarias de DIM. 

"No obstante, se debe tener en cuenta que dicha tecnología se la debe utilizar como una herramienta de apoyo dentro del equipo, sin dejar de lado toda la experiencia, criterio y preparación del equipo humano", agrega.

"La IA puede ayudar a mejorar la precisión de la información que reciben los médicos y a priorizar su tiempo para centrarse en la atención al paciente", refuerza Giselle Tutor, directora de acceso a mercado, innovación y asuntos públicos de la creadora de dispositivos médicos Medtronic para Latinoamérica Sur. 

La empresa desarrolló GI Genius, que utiliza deep learning para detectar lesiones colorrectales como pólipos en tiempo real durante endoscopias. "En Argentina estamos en proceso de aprobación regulatoria, pero nuestra experiencia en los Estados Unidos, Europa y otros mercados muestra resultados muy satisfactorios: 99.7% de sensibilidad, un 82% de reconocimiento de pólipos más rápido que el endoscopista y menos de 1% de activaciones falsas". La solución se desarrolló con Cosmo Pharmaceuticals y Nvidia.

"Incorporamos la IA desde hace más de un año como complemento de la kinesiología y otras terapias habituales: dispositivos de videojuegos y visores VR, entre otros, para rehabilitación integral en personas adultas con limitaciones funcionales reversibles, con grandes resultados y avances prometedores", cuenta Betina Llanes, directora médica del Centro de Rehabilitación Los Pinos. "Los tratamientos son personalizados y difieren de paciente a paciente, pero se enfocan en la atención humanizada tanto para el paciente como para las familias", agrega.

Entender de qué se trata

En muchos de los casos, las claves del éxito fueron entender a fondo la tecnología, incluyendo sus limitaciones. "El conocimiento de las herramientas, junto con la simplificación y depuración de los procesos, fue fundamental", cuenta Germán Garay, CTO de la telco Metrotel, que lleva varios años utilizando IA en sus procesos. 

"En cuanto a la IA generativa, aún no tuvimos grandes éxitos, pero nuestros pequeños logros se deben a una estrategia efectiva basada en los lagos de información que hemos creado y almacenado", agrega. ¿Los aprendizajes? "La importancia de plantear objetivos claros y cuantificables y que los tiempos nunca son los esperados", enuncia.

"Comenzamos con fases piloto pequeñas, lo que nos permite testear y refinar en un entorno controlado antes de expandirnos a gran escala", explica Soledad Agüero, directora de digital y big data en Movistar Argentina. "Este enfoque es crucial para asegurarnos de que comprendemos tanto la funcionalidad como la aceptación de la tecnología por parte de los usuarios", agrega. 

Soledad Agüero, directora de Digital y Big Data en Movistar.

Entre los ejemplos destacados de uso de IA por parte de la empresa se cuenta el bot de atención en WhatsApp. "Todos los sectores pueden mejorar su competitividad gracias a la posibilidad de tomar decisiones rápidas basadas en datos, optimizar los procesos de fabricación, minimizar los costos operativos o mejorar la atención al cliente", indica Agüero. "Reducimos un 90% los costos de captación e instalación de nuestro servicio con una satisfacción del 80%", especifica.

"Independientemente de su resultado, iniciar un proyecto de IA es en sí mismo un éxito, porque impulsa a buscar alternativas y a la mejora continua: experimentar y evaluar qué funcionó y qué no proporciona un valioso conocimiento", afirma Guido Sconfienza Cenóz, responsable de la fábrica conectada Rosario de John Deere. 

"Esta fase de aprendizaje y adaptación hace que una mayor proporción de proyectos no cumpla con las expectativas iniciales, pero esto no significa que sean proyectos fallidos, sino lecciones aprendidas", detalla. 

John Deere implementó, entre otros, modelos de detección de objetos para asegurar la presencia de material en nuestras líneas de ensamble, lo cual ha sido fundamental para evitar paradas inesperadas en la producción. También está por adoptar soluciones para la prevención de defectos causados por errores humanos en las operaciones y herramientas de GenAI.

Mirar siempre la tecnología

"Sabemos y entendemos que las tecnologías son evolutivas y que aún no vimos su potencial total, por ende, creemos que el mayor aprendizaje tiene que ver con enfocarse en la resolución de los problemas", asegura Alejandro Rinaldi, director de tecnología y sistemas de Grupo Logístico Andreani. 

La empresa cuenta con GEO Andreani, para una mayor precisión en la ubicación de domicilios, el chatbot Andi o Computer Vision para detectar el tiempo exacto de inactividad de los paquetes y prevenir extravíos dentro de la planta.

Alejandro Rinaldi, director de Tecnología y Sistemas de Grupo Logístico Andreani. 

Unipar, actor del sector químico y petroquímico, adoptó IA en cinco proyectos en sus unidades productivas de Argentina y Brasil, incluyendo Performance de Electrolizadores (APC), una solución que visualiza, analiza y permite anticipar problemas críticos, como la rotura de un elemento mecánico, y así evitar el paro de la operación, que en su primer año generó ahorros por US$1,5 millones. También Fish Eyes, un predictor de cambios en una materia prima que pueda afectar la calidad del producto final, que mejoró la tasa de defectos en un 83%. Y un pronosticador de ventas para anticipar las decisiones estratégicas productivas y comerciales.

"No se trata sólo de implementarlos sino de obtener una retroalimentación con el trabajo de campo constante (IA regenerativa) y, además, es esencial que la capacidad de la IA a ‘susceptibilidades' humanas puedan transformarse en algoritmos y lógicas de razonamiento, permitiendo estandarizar maniobras que mejoren y sostengan estándares de calidad, explica Guillermo Petracci, director de Unipar Argentina.

La app de delivery PedidosYa desarrolló un sistema basado en IA con OpenAI que le permite obtener datos no estructurados de los platos que ofrecen sus partners, enriquecer la información para mejorar la experiencia de sus clientes y apalancar su estrategia de promociones y descuentos.

También le abre oportunidades en las relaciones con los restaurantes, ayudándolos a mejorar sus menús o a identificar restricciones alimentarias o alergénicas. "La solución actual hereda el conocimiento acumulado con anterioridad y seguramente tampoco es la definitiva", detalla Juan Martín Sotuyo, CTO de PedidosYa. "Todos los días nos preguntamos cómo mejorar o hacer más fáciles nuestras soluciones y, en este proceso, la colaboración interdisciplinaria es crucial".

Juan Martín Sotuyo, CTO de PedidosYa.

Potenciar a las personas

Prosegur Security utiliza IA en los sistemas de videovigilancia, control de accesos y analítica de datos para monitoreo y detección temprana de anomalías: actitudes sospechosas, cruces de línea, ingresos a áreas restringidas, merodeos, cambios bruscos de temperatura, patentes de vehículos, uso de elementos de protección.

En cuanto a los servicios hogareños, la IA detecta la presencia de personas, mascotas y sonidos como el llanto de un bebé, la rotura de cristales o el ladrido de un perro. Al identificar esto, envía notificaciones y videos en vivo a los usuarios.

"El factor principal que nos llevó al éxito es la conciencia acerca de que los mecanismos de IA deben diseñarse de forma que complementen y potencien las aptitudes de las personas", dice Eduardo Miyares, director general de Prosegur Security. 

"Uno de nuestros principales aprendizajes fue desarrollar buenas prácticas para promover su uso responsable, algo que consideramos fundamental para garantizar los derechos y las libertades de todas las personas que pudieran verse afectadas por su aplicación", agrega. La empresa cuenta con un Comité que supervisa y garantiza el cumplimiento de cada nueva solución.

Eduardo Miyares, director general de Prosegur Security.

La aseguradora Grupo San Cristóbal, por último, utiliza hace seis años su plataforma de detección de fraudes, desarrollada in house y acreedora de premios internacionales. En el último año, ajustado por inflación, el ahorro por casos detectados ascendió a 4.434 millones de pesos. 

"Desde la génesis del proyecto contamos con el apoyo del CEO y la alta dirección y hemos realizado una importante inversión para conformar un área especializada que combinó el enfoque científico para el entendimiento de datos y el conocimiento experto del negocio, alcanzando así la excelencia operacional", describe Mariano Bravo, gerente corporativo de prevención de fraude, lavado de activos y financiamiento del terrorismo del Grupo.

¿Es posible torcer el rumbo?

Si una empresa ya sabe que ocho de cada diez proyectos de IA van a parar al tacho y comienza a sospechar de que está inmersa en uno de esos... ¿Tiene la posibilidad de virar el timón y volver al rumbo del éxito? 

"Siempre se puede: si los resultados no son los ideales, antes de abandonar es recomendable una evaluación interna para entender si se tiene el nivel de madurez necesario para afrontar el desarrollo de soluciones con IA", dice Sebastián Ramacciotti, gerente regional de SAR Sur de la consultora Neoris. "El siguiente paso es repensar objetivos y expectativas (es preciso recordar que no son soluciones mágicas) y considerar si los profesionales cuentan con la información necesaria acerca de cómo utilizarla".

Tocci insiste en la necesidad de trabajar en ciclos cortos. "A veces el contexto nos impulsa a replantearnos el rumbo y de esa manera evitamos cambios significativos en términos de gestión, planificación y objetivos", explica Tocci. "El costo es siempre el proceso de aprendizaje, pero también la ganancia: hay que estar dispuestos a jugar en el largo plazo con IA y bajar el ‘humo' alrededor de esta moda", aporta Masnatta.

"Recuerdo una frase de Mark Zuckerberg que decía que la famosa idea de un momento ‘eureka' era una mentira, y estoy de acuerdo: una idea o un proyecto están vivos y en constante evolución, y muchas veces el producto final pueden llegar a estar muy distantes a lo que se planteaba en su comienzo", dice Kevin Hansen, gerente de ciencia de datos de Smart Channel, plataforma autogestionable de marketing predictivo. "Esto no quiere decir tampoco que una mala idea pueda convertirse en un éxito", concluye.