Cerca del 80% fracasan, el doble de la tasa de proyectos tecnológicos no exitosos de hace una década, según un artículo reciente de Harvard Business Review. Entre las principales barreras están la falta de preparación cultural, la carencia de skills tecnológicos y la falta de confianza de usuarios, según señalan desde Olivia.
La adopción de la Inteligencia Artificial (IA) por parte de las organizaciones supone una transformación de las formas de trabajo, de los modelos de liderazgo y de la propia cultura corporativa. Esto genera en los equipos una resistencia al cambio y altas dosis de incertidumbre por cómo esta tecnología puede amenazar a sus puestos de trabajo, donde esquemas de pensamiento preexistentes se encuentran con los nuevos mindsets que llegan con las innovaciones. De no darse esa transformación de la organización, el 87% de los proyectos de IA y big data fracasan y nunca llegan a implantarse, según lo plantean varios estudios publicados entre 2020 y fines de 2023[1].
"No es la primera vez que los líderes del negocio intentan llevar adelante una transformación basada en tecnología o en elementos innovadores", explica
Ezequiel Kieczkier, Socio fundador de Olivia y Coautor de Crisis & Co. Según la firma, que lleva cerca de dos décadas acompañando a instituciones públicas y privadas en procesos de gestión del cambio y transformación organizacional, las corporaciones suelen dejar de lado lo que antes llamábamos factor cultural y particularmente lo que refiere al mindset que requieren estas incorporaciones tecnológicas.
"De esta misma manera, se comporta el proceso de transformación digital de las compañías. El riesgo está en buscar digitalizar en vez de transformar. Para poder hacer esto último es indispensable un nuevo modelo mental, nuevas metodologías, y no tratar de replicar el viejo mundo en nuevas tecnologías. Es ahí donde surgen las oportunidades de pensar ventajas competitivas en forma disruptiva", agrega Kieczkier.
En un artículo de Harvard Business Review, publicado a fines de 2023, se señala que el fracaso de 8 de cada 10 proyectos de adopción de Inteligencia Artificial se da por problemas de liderazgo, falta de certeza sobre los resultados esperados, la implementación de modelos que no aplican a las necesidades locales del negocio.
"La incorporación de IA hoy requiere que las organizaciones desarrollen primero la gestión del cambio con el propósito de lograr la acelerar de su adopción, empoderar a los equipos y minimizar las reticencias a partir de dos elementos: la transparencia sobre lo que supondrá la IA dentro de la compañía y la demostración de que la decisión de su integración se basa en valores éticos que conectan con la cultura de la organización", explica Kieczkier.
Este tipo de iniciativas se vuelve fundamental ya que, según los expertos de Olivia, las empresas deben entender que la transformación que viene de la mano de la IA no es solo tecnológica, sino que va a impactar a todos los niveles de la organización, desde el modelo de liderazgo a las estructuras organizativas, y esto hace que sea imprescindible trabajar el lado humano de la inteligencia artificial, su punto de confluencia con las personas que forman la organización.
Se espera que el tamaño del mercado mundial de la IA crezca a una tasa de crecimiento anual compuesto (CAGR) del 36,8% durante el período de previsión, hasta alcanzar los 1.345,2 mil millones de dólares en 2030 desde los 150,2 mil millones de dólares en 2023.
"Que estos números se concreten dependerá no solo de la inversión sino también de las experiencias que logren alcanzar los pioneros en implementarlas. Su éxito, señalará el camino para quienes quieren copiar sus pasos. En cualquier caso, queda claro que la transformación cultural y la gestión del cambio deberán preceder a la instalación de un nuevo modelo de gestión basado en AI", concluyen desde Olivia.
5 puntos a considerar antes de comenzar un proyecto de AI o Machine Learning
Objetivos claros y alineación estratégica: Es fundamental entender por qué la organización desea implementar IA y cómo se alinea con sus objetivos estratégicos.
Disponibilidad y calidad de los datos: La IA depende en gran medida de los datos de calidad para entrenar modelos y tomar decisiones precisas. Las organizaciones que funcionan por silos suelen tener grandes desafíos por resolver antes de ir a la AI.
Capacidad de la organización: Es importante considerar si la organización tiene la capacidad interna para desarrollar, mantener y gestionar soluciones de IA a largo plazo, o si se requiere la colaboración con socios externos.
Aspectos éticos: La implementación de IA conlleva una serie de consideraciones éticas que deben abordarse adecuadamente. Esto incluye cuestiones relacionadas con la privacidad de los datos, la equidad y la transparencia en los algoritmos, el sesgo potencial en los datos y los modelos.
La introducción de IA puede requerir cambios significativos en los procesos, las operaciones y la cultura organizacional. Es importante planificar y gestionar adecuadamente el cambio, involucrando a todas las partes interesadas relevantes y proporcionando la capacitación necesaria para que el personal comprenda cómo utilizar y trabajar con las nuevas soluciones de IA de manera efectiva.