Sigue a ZDNET: Agréganos como fuente preferida en Google.

Takeaways de llave de ZDNET

• Solo el 5% de los proyectos de IA se entregan. Se trata de la capacidad de personalizar.
• Con asociaciones en su lugar, AI Success Odds Double.
• Haga las preguntas correctas antes de decidir entre construir o comprar.

Hay una gran brecha entre las aspiraciones de IA y los proyectos exitosos reales: esto se mostró en el reciente MIT estudiar Eso encontró que solo el 5 por ciento de los proyectos de IA generativos han entregado un valor medible a las empresas. ¿Qué es ese 5 por ciento superior haciendo de manera diferente? Su denominador común es que sus equipos de tecnología están dominando el arte y la ciencia de personalizar la IA a sus negocios, al tiempo que fomentan las asociaciones versus los enfoques de GO-IT-eLe. Están profundizando, muy profundamente.

¿Qué proyectos de IA exitosos hacen de manera diferente?

Los esfuerzos de IA exitosos «se centran en casos de uso estrechos pero de alto valor, se integran profundamente en los flujos de trabajo y escala a través del aprendizaje continuo en lugar de amplios conjuntos de características», según el equipo de investigación del estudio, que consiste en Aditya Challapally, Chris Pease, Ramesh Raskar y Pradyumna Chari. «La fluidez del dominio y la integración del flujo de trabajo son más que llamativos UX».

En última instancia, no se trata de construir o comprar IA solo para tener IA, se trata de cómo el negocio puede beneficiarse de la IA. En lugar de «luchar con los libros de jugadas de SaaS obsoletos», los profesionales necesitan «capturar la atención empresarial a través de la personalización y la alineación agresivas con puntos débiles de negocios reales», agregaron. «Los artistas destacados no son aquellos que construyen herramientas de propósito general, sino que se incrustan dentro de los flujos de trabajo, adaptándose al contexto y escala desde un punto de apoyo estrecho pero de alto valor».

Es notable que «AI plug-and-play es un mito», Paul McDonagh-SmithProfesor de TI en MIT Sloan Ejecution Education, dijo ZDNET. (McDonagh-Smith no estuvo directamente involucrado con el estudio). «Las herramientas externas ahorran tiempo, pero el trabajo real será con ‘plug-andperalalize AI’ donde personalizamos las herramientas de IA para que se ajusten a nuestros flujos de trabajo».

La razón por la cual las herramientas Genai como ChatGPT tienen éxito en los pilotos «se debe a su flexibilidad», agregó. «Sin embargo, a menudo fallan en el trabajo crítico de la misión debido a los factores que incluyen la falta de memoria, lo que reduce su capacidad de aprender, adaptarse y ser personalizables en el grado requerido para integrarse efectivamente con nuestros flujos de trabajo diarios».

Establecer asociaciones estratégicas para avanzar con IA hace una diferencia significativa, mostró el estudio del MIT. Los coautores observaron muchas más iniciativas de compra que comprar, con asociaciones que tienen éxito el doble de a menudo que los esfuerzos de desarrollo interno. Dichas asociaciones a menudo proporcionaban «un tiempo más rápido para valorar, un costo total más bajo y una mejor alineación con los flujos de trabajo operativos. Las empresas evitaron la sobrecarga de la construcción desde cero, al tiempo que lograron soluciones personalizadas».

Cuándo construir frente a comprar

Aún así, los proponentes y desarrolladores de IA deben pesar cuando es mejor desarrollar el trabajo interno en lugar de trabajar con socios como proveedores o socios de red. Cuando se trata de tomar tales decisiones, «el punto de inflexión se produce cuando se requiere velocidad, escala o experiencia especializada, y sus equipos internos no están listos para entregar los plazos requeridos por el negocio», dijo McDonagh-Smith. «Construir internamente tiene sentido cuando el proyecto es central para la ventaja competitiva, pero debemos tener cuidado, el orgullo puede venir antes de una caída».

Si bien existe la preocupación de que el uso de soluciones externas reducirá las oportunidades para la personalización necesaria, este miedo es infundado, cree McDonagh-Smith. «No es tanto un caso de ‘plug and play AI’ como ‘plug and personalize ai’ para adaptarse a flujos de trabajo existentes y emergentes. Argumentaría que el éxito de IA no depende de la selección de abastecimiento de nuestras herramientas de IA externas, sino nuestra capacidad interna para que se ajusten a cómo piensan, trabajan y actúan nuestras empresas».

Otros líderes de la industria están de acuerdo en que la IA exitosa depende de las circunstancias individuales. «Decidir el uso de equipos internos o subcontratación a otros proveedores depende de lo que la organización quiere que haga la IA», dijo David amigoCEO y cofundador de Wasabi Technologies. «Si alguna tecnología, IA u otra, es parte de la diferenciación central de la compañía o permitirá que el negocio compite en el precio, debe desarrollarse y administrarse internamente. Si no es una parte central de la oferta de la compañía, subcontratada. Lo que te hace diferente es lo que debes hacer tú mismo. Lo que no es núcleo de lo que haces, subcontratando».

Este proceso debe comenzar a hacer las preguntas correctas también. «La pregunta no es si pueden construir la tecnología, sino si deberían», Adrian MurrayFundador y CEO de Fisent Technologies, señaló. «Es posible que tenga equipos de tecnología muy capaces y bien financiados, pero su capacidad es inherentemente limitada y debe centrarse en los esfuerzos de mayor valor. Los equipos deben enfocar sus esfuerzos en el que pueden crear un valor diferenciado. Aplicar estas tecnologías a problemas comerciales específicos, no una infraestructura de tecnología central de construcción que se pueda licenciar fácilmente de un proveedor de solución».

La naturaleza de la relación de la asociación también es un factor decisivo en el éxito de la IA: debe ser más que un acuerdo transaccional. «Los principales compradores trataron a las nuevas empresas de IA menos como proveedores de software y más como proveedores de servicios comerciales, manteniéndolos en comparación con los puntos de referencia más cercanos a los utilizados para empresas consultoras o proveedores de optimización de procesos comerciales», según el informe del MIT. Esto incluye una personalización profunda alineada con los procesos y datos internos que están vinculados a los resultados.

«Asegúrese de que los flujos de trabajo existentes y emergentes se descompongan, se analicen para los patrones que funcionarán, o no, con Genai, y luego evolucionaron y se recombinan cuando Genai está listo», aconsejó McDonagh-Smith.

Adopción de IA de base dentro de las empresas

A menudo, los esfuerzos exitosos de IA comienzan a nivel de base, también mostró el estudio. «Muchas de las implementaciones empresariales más fuertes comenzaron con usuarios avanzados, empleados que ya habían experimentado con herramientas como ChatGPT o Claude para la productividad personal», informaron los coautores del estudio. «Entendieron intuitivamente las capacidades y límites de Genai, y se convirtieron en campeones tempranos de soluciones sancionadas internamente. En lugar de confiar en una función de IA centralizada para identificar casos de uso, las organizaciones exitosas permitieron a los titulares de presupuestos y a los gerentes de dominio a superficie de problemas, herramientas veterinarias y despliegue de plomo».

Las arquitecturas de IA agente también están surgiendo, respaldadas por marcos como el protocolo de contexto modelo (MCP), agente a agente (A2A) y Nanda, que permiten la interoperabilidad y coordinación del agente, encontró el estudio. «Estos marcos forman la base de la web agente emergente, una malla de agentes y protocolos interoperables que reemplaza las aplicaciones monolíticas con capas de coordinación dinámica».

El cambio de cultura requerido para la IA

Trabajar con proveedores de IA «puede hacer que comience y genere un impulso inicial importante, pero el trabajo pesado será enhebrar soluciones de IA en sus procesos, políticas, prácticas y, por supuesto, su gente y cultura», dijo McDonagh-Smith.