Por qué muchos proyectos de IA no superan la fase piloto

Muchas organizaciones invierten en inteligencia artificial, pero cada vez más proyectos se quedan entre la experimentación y la implementación, según Vlad Nanu, colaborador de TechRadar.

El artículo señala que los proyectos piloto pueden perder impulso cuando aumentan los costes, disminuye la confianza, la integración con sistemas heredados resulta más complicada de lo previsto y las aprobaciones tardan más. Pasar de un piloto controlado a producción también plantea retos relacionados con la seguridad, la gobernanza, la cultura laboral, las competencias, la integración y la preparación de la organización.

Según una investigación citada en el artículo, el 71 % de las organizaciones sigue en la fase piloto o de prueba de concepto de su transformación con IA. Nanu describe como «brecha de implementación de la IA» la distancia entre demostrar que la IA puede funcionar y desplegarla a escala para aportar un valor medible.

El artículo identifica varios obstáculos: las organizaciones pueden repartir recursos entre demasiadas pruebas de concepto sin priorizar los casos de uso que ofrecen más valor, o invertir en infraestructura antes de probar una idea en condiciones reales. Para las organizaciones de EMEA, orientarse entre normativas como EU AI Act, GDPR y DORA también puede ralentizar las decisiones.

Los costes pueden aumentar al ampliar un proyecto piloto, sobre todo si no se ha sometido a pruebas de estrés. La investigación citada en el artículo indica que el 56 % de las organizaciones no realiza una evaluación de Total Cost of Ownership (coste total de propiedad) antes de decidir dónde ubicar cargas de trabajo importantes.

Nanu sostiene que las organizaciones deben validar las ideas pronto, equilibrar la rapidez con la evidencia y la gobernanza, y crear bases técnicas y organizativas para la implementación. El texto del artículo facilitado termina mientras trata la creación rápida de prototipos.