September 28, 2021

ha comenzado la aceleración de la innovación B2B – TechCrunch

Dos décadas después Las empresas comenzaron a implementar soluciones de inteligencia artificial por primera vez, se puede argumentar que han avanzado poco en el logro de ganancias significativas en eficiencia y rentabilidad en relación con el bombo que impulsó las expectativas iniciales.

En la superficie, los datos recientes respaldan a los escépticos de la IA. Casi el 90% de los proyectos de ciencia de datos nunca llegan a producción; solo el 20% de la información analítica hasta 2022 logrará resultados comerciales; e incluso las empresas que han desarrollado una estrategia de inteligencia artificial en toda la empresa están experimentando tasas de fracaso de hasta el 50%.

Pero los últimos 25 años solo han sido la primera fase en la evolución de la IA empresarial, o lo que podríamos llamar Enterprise AI 1.0. Ahí es donde permanecen muchas empresas hoy. Sin embargo, las empresas a la vanguardia de la innovación en IA han avanzado a la próxima generación, que definirá la próxima década de big data, análisis y automatización: Enterprise AI 2.0.

La diferencia entre estas dos generaciones de IA empresarial no es académica. Para los ejecutivos de todo el espectro empresarial, desde el cuidado de la salud y el comercio minorista hasta los medios y las finanzas, la evolución de 1.0 a 2.0 es una oportunidad para aprender y adaptarse a fallas pasadas, crear expectativas concretas para usos futuros y justificar la creciente inversión en IA que ver en todas las industrias.

Dentro de dos décadas, cuando los líderes empresariales miren hacia atrás a la década de 2020, las empresas que lograron Enterprise AI 2.0 primero habrán llegado a ser grandes ganadoras en la economía, habiendo diferenciado sus servicios, ganado cuota de mercado y posicionado para la innovación continua.

Enmarcar las transformaciones digitales del futuro como una evolución de Enterprise AI 1.0 a 2.0 proporciona un modelo conceptual para que los líderes empresariales desarrollen estrategias para competir en la era de la automatización y la analítica avanzada.

Enterprise AI v1.0 (el status quo)

A partir de mediados de la década de 1990, la IA era un sector marcado por las pruebas especulativas, el interés experimental y la exploración. Estas actividades ocurrieron casi exclusivamente en el dominio de los científicos de datos. Como escribió Gartner en un informe reciente, estos esfuerzos fueron “alquimia … dirigidos por magos cuyos talentos no escalarán en la organización”.

Dentro de dos décadas, cuando los líderes empresariales miren hacia atrás a la década de 2020, las empresas que lograron Enterprise AI 2.0 primero habrán llegado a ser grandes ganadoras en la economía.

Pero el cuello de botella de la ciencia de datos, la necesidad de que todo se canalice a través de un pequeño equipo de expertos, no fue el único obstáculo para escalar. La IA es tan poderosa como los sistemas de datos a los que está conectada. Muchas empresas que experimentaban con IA en ese momento tenían datos distribuidos en silos con una infraestructura de datos y procesos inadecuados para optimizar la tecnología.

Además, las primeras iteraciones de la IA B2B involucraron plataformas horizontales complejas de “aprendizaje automático” centradas en el desarrollo de modelos. La puesta en funcionamiento de estos modelos cuidadosamente seleccionados requirió cruzar un profundo abismo relacionado con la personalización y la integración con aplicaciones y flujos de trabajo empresariales. Estas soluciones Enterprise 1.0 eran engorrosas y torpes de operar, pero aún requerían grandes inversiones para su implementación.

La mayoría de las iniciativas comenzaron de abajo hacia arriba. Los científicos de datos los desarrollaron como proyectos exploratorios centrados en casos de uso especulativos, en gran parte desacoplados de los objetivos comerciales. Muchos resultaron ser proyectos científicos y las tasas de fracaso fueron extraordinariamente altas.