La IA empresarial debe resolver problemas, no perseguir la moda

Las empresas deberían elegir herramientas de IA según necesidades concretas, en lugar de adoptar modelos más potentes o agentes solo porque están disponibles, sostiene Alberto Ocampo, colaborador de TechRadar. El artículo afirma que el éxito depende de resolver problemas empresariales reales y justificar el coste y la complejidad.

El aprendizaje automático tradicional lleva tiempo utilizándose para recomendaciones, previsiones, detección de fraude y cálculos como el valor del ciclo de vida de un cliente. Para las predicciones sencillas, los modelos más sofisticados pueden costar más y añadir una variabilidad innecesaria. En procesos que siguen reglas conocidas y requieren resultados uniformes, la automatización convencional puede ser fiable, rápida y económica.

Ocampo señala que la IA generativa es útil cuando una tarea exige creatividad o interpretación, como comprender lenguaje o imágenes. Los agentes pueden usar esa comprensión para interactuar con sistemas y ejecutar acciones. Prevé que las empresas combinarán la automatización convencional, el aprendizaje automático tradicional, la IA generativa y los agentes, en vez de depender de un solo enfoque para todo.

Pasar de la experimentación a la producción conlleva costes de funcionamiento, seguridad, supervisión y el reto de controlar sistemas autónomos. Ocampo compara el desarrollo de agentes con podar un árbol: durante el uso real pueden surgir comportamientos inesperados, por lo que la evaluación y las salvaguardas son importantes. Afirma que el control debe abarcar el comportamiento del sistema, el acceso a los datos, las acciones autorizadas, la información que conserva y las oportunidades de intervención humana.

También sostiene que la IA cambiará el trabajo de ingeniería, pero no eliminará la necesidad de ingenieros. El personal con experiencia puede trabajar más rápido y los ingenieros júnior pueden alcanzar antes la productividad, pero las organizaciones seguirán necesitando personas con conocimientos técnicos profundos para construir, controlar y reparar los sistemas.