La rápida adopción de la inteligencia artificial (IA) está impulsando inversiones millonarias en empresas de todo el mundo, pero no todas lograrán los resultados esperados. Un análisis elaborado por Harvard Business Review Analytic Services y patrocinado por Deloitte proyecta que más del 40 % de los proyectos de IA agéntica podrían ser cancelados antes de 2027 debido al incremento de costos, la falta de claridad sobre su impacto en el negocio y deficiencias en los modelos de gobernanza.
¿Por qué podrían fracasar más del 40 % de los proyectos de inteligencia artificial?
El informe sostiene que muchas organizaciones están incorporando herramientas de IA sin replantear la forma en que operan. En lugar de rediseñar procesos, intentan automatizar esquemas de trabajo concebidos para personas, una estrategia que limita el potencial de la tecnología y reduce el retorno de la inversión.
La investigación también advierte que el auge de la llamada IA agéntica, capaz de ejecutar tareas de manera autónoma y coordinar múltiples procesos, está acelerando decisiones empresariales que, en algunos casos, se toman sin evaluar adecuadamente los riesgos técnicos y financieros.
¿Qué es la IA agéntica y por qué representa un desafío para las empresas?
A diferencia de los modelos tradicionales de inteligencia artificial, la IA agéntica puede ejecutar acciones complejas con menor intervención humana. Sin embargo, esa capacidad también exige que las empresas fortalezcan sus sistemas de supervisión, calidad de datos y control interno.
El documento identifica cuatro tipos de "deuda organizacional" que dificultan la implementación: procesos diseñados para intervención humana, datos inconsistentes, infraestructura tecnológica heredada y resistencia al cambio dentro de las organizaciones.
¿Cuáles son las principales recomendaciones para implementar IA con éxito?
El análisis plantea seis líneas de acción para reducir el riesgo de fracaso:
- Definir la IA como una herramienta de transformación del negocio y no solo de reducción de costos.
- Resolver primero los problemas de procesos, datos y sistemas antes de escalar la tecnología.
- Implementar la automatización de forma gradual, comenzando por tareas de menor riesgo.
- Adaptar los modelos financieros a una estructura de costos basada en consumo, ya que el gasto en IA no es lineal.
- Establecer mecanismos de gobernanza desde las primeras etapas del proyecto.
- Buscar aliados tecnológicos con capacidad de diseñar soluciones de largo plazo y no únicamente proveedores de servicios.
¿Qué riesgos enfrenta la gobernanza de la inteligencia artificial?
Uno de los datos que destaca el estudio es que solo el 13 % de los líderes de tecnología considera que su organización cuenta con estructuras de gobernanza adecuadas para gestionar proyectos de inteligencia artificial. Según el informe, esta debilidad puede traducirse en riesgos operativos, reputacionales y regulatorios, especialmente en sectores altamente regulados o donde la IA interactúa con procesos físicos.
Compartir esta nota