Solo el 20% de las empresas europeas están preparadas para hacer frente al desafío que impone la implementación de la inteligencia artificial (IA) a través de equipos preparados de científicos de datos, mientras que otro 19% ni siquiera dispone de un equipo científico con las características necesarias, según el estudio realizado por SAS, Enterprise AI Promise Study, entre los principales ejecutivos de más de 100 grandes empresas europeas.
Para la gran mayoría de las compañías europeas, la adopción de la IA aún se encuentra en una primera fase o incluso en fase de planificación y destacan como principales dificultades para su implantación la falta de capacidades científicas de datos necesarias para maximizar el valor de la tecnología y los obstáculos organizativos y sociales relativos a su adopción, según detalla el estudio de SAS, multinacional líder mundial en analítica cognitiva y visualización predictiva.
Índice de temas
Retos sociales
En concreto, el 50% de las empresas analizadas considera que el mayor reto relacionado con la IA es el cambio de los puestos de trabajo ante la automatización y la autonomía que implica, ya que entre los posibles efectos de la IA en la forma de trabajar no solo está la pérdida de puestos de trabajo, sino también el desarrollo de otras funciones que exigen nuevas habilidades.
Las cuestiones éticas de la implantación de la IA se muestran como el segundo mayor reto: un 41% de las organizaciones consultadas se plantea interrogantes sobre si los robots y los sistemas de inteligencia artificial deberían trabajar “por el bien de la humanidad” en lugar de hacerlo únicamente para una empresa y, en mayor medida, los directivos de las empresas consultadas se cuestionan cómo poder atender a aquellas personas que pueden perder sus puestos de trabajo como consecuencia de los sistemas IA.
Las cuestiones éticas de la implantación de la IA se muestran como el segundo mayor reto
Sin embargo, el estudio de SAS destaca que las empresas europeas son muy optimistas respecto a lo que la IA les puede aportar, pero aún son pocos los altos ejecutivos que confían en que su organización esté lista para sacarle el máximo partido. De hecho, el 28% de los encuestados indica que su plan de implantación consiste en contratar científicos de datos para desarrollar las capacidades necesarias, mientras que el 32% afirma que desarrollaría estas habilidades entre sus equipos de analistas por medio de formación, conferencias y workshops.
Asimismo, para el 49% de las organizaciones, la confianza es un gran obstáculo, destacando los problemas culturales debido a la falta de confianza en los resultados de la IA y a la falta de confianza en los resultados de las soluciones tipo “caja negra”.
Preparación de la plataforma
El estudio de SAS también evalúa la preparación empresarial en términos de la infraestructura requerida. Existe un claro contraste entre los encuestados que afirman contar con la infraestructura necesaria lista (24 %), los que tienen que actualizar o adaptar su plataforma actual (24 %) y los que ni siquiera tienen una plataforma específica establecida para hacer frente a IA (29 %).
Enterprise AI Promise Study, es un estudio realizado entre ejecutivos de más de 100 organizaciones europeas de los sectores bancario, asegurador, manufacturing, retail y sector público, entre otros. El estudio de SAS tiene como finalidad valorar las siguientes cuestiones: cómo se sentían los responsables de negocio respecto al potencial de IA, cómo lo utilizaban, cómo planeaban hacerlo en el futuro y cuáles eran los desafíos a los que se enfrentaban.
Como un ser humano
“Hemos visto avances increíbles en la creación de algoritmos que lleven a cabo -con gran precisión- tareas propias de un humano”, comenta Oliver Schabenberger, vicepresidente ejecutivo y responsable tecnológico de SAS. “Es de admirar que un algoritmo supere al mejor Go Player del mundo. Creímos que un ser humano sería incapaz de computarizar Go Player. Pero ahora, una máquina lo ha hecho por nosotros. Una vez que el sistema conoce las reglas, aprende a jugar y lo hace mejor que cualquier profesional, podemos utilizar este conocimiento para desarrollar sistemas que resuelvan los problemas empresariales tan bien o mejor que los sistemas estadísticos que hoy utilizamos. Asimismo, podemos crear sistemas que aprendan las reglas del negocio, que después jueguen según esas reglas y que estén diseñados para poder mejorar. Eso es en lo que SAS está trabajando”, concluye Oliver Schabenberger.
