En una empresa, pueden estar funcionando simultáneamente multitud de plataformas, sistemas y herramientas de IA —por ejemplo, plataformas de clientes impulsadas por IA, asistentes conversacionales y herramientas de automatización de flujos de trabajo y procesos—. Cada una de ellas es sofisticada, avanzada y rápida a la hora de responder. Sin embargo, al ponerlas a trabajar, los resultados y las acciones que se obtienen pueden ser erróneos, confusos o carecer de una comprensión adecuada del negocio. Muchas organizaciones se encuentran en esta situación, y este podría ser uno de los motivos clave por los que les cuesta rentabilizar sus inversiones en IA.
Una encuesta de MIT Technology Review Insights revela que, si bien todas las organizaciones consultadas utilizan hoy la IA en cierta medida, menos de una de cada cinco (el 16 %) está extrayendo un valor transformador de sus implementaciones. El mayor porcentaje de los encuestados (el 40 %) afirma percibir mejoras moderadas en tareas o equipos concretos, mientras que el 21 % señala beneficios significativos, lo que deja a un 23 % que registra rendimientos mínimos o nulos.
La mayoría de las empresas todavía está realizando pruebas piloto de casos de uso de IA (según el 38 % de los encuestados) o utilizándola para asistir en el trabajo de los empleados con herramientas como copilotos o asistentes de chat (35 %). Solo el 12 % de las organizaciones cuenta con agentes de IA en producción y un 3 % afirma que utiliza la IA para realizar la mayor parte del trabajo en procesos clave.
«Hay una gran brecha entre lo que los modelos son capaces de hacer y cómo están resultando realmente útiles dentro de las organizaciones», afirma Prukalpa Sankar, cofundadora de Atlan. «A todos los efectos prácticos, la inteligencia artificial general ya está aquí. Solo que hoy en día no resulta realmente útil en la mayoría de las empresas».
La capa que falta, según Sankar, es el contexto, es decir, hasta qué punto la IA comprende un negocio. Una capa de contexto es la infraestructura arquitectónica que se sitúa entre los sistemas de negocio de una organización (por ejemplo, los sistemas de registro y datos) y sus plataformas de IA. Traduce la inteligencia empresarial en un contexto gobernado y procesable por máquinas para agentes o modelos de IA, y ayuda a que el conocimiento se acumule y potencie. «Sin una capa de contexto para la IA, es casi como contratar al becario más brillante del mundo, vendarle los ojos y soltarlo en tu organización», afirma Sankar.
Este contenido ha sido elaborado por Insights, la división de contenido personalizado de MIT Technology Review, y no por su equipo editorial. Ha sido investigado y redactado por humanos, y cualquier herramienta de IA que haya podido utilizarse se ha limitado a procesos de producción bajo supervisión humana.