La marcha imparable de la IA continúa acumulando ritmo. El analista Gartner recientemente pronosticó que la mitad de todas las decisiones comerciales estarán completamente automatizadas o al menos aumentadas parcialmente por los agentes de IA en los próximos dos años.

Algunas organizaciones han experimentado más que otras. Cuatro líderes empresariales que han explorado las lecciones compartidas de IA aprendidas en un evento reciente de la mesa redonda de medios en Snowflake Summit 2025 en San Francisco. Esto es lo que tenían que decir.

1. ¿Cuál es mi estrategia en la nube?

Wayne Filin-Matthews, arquitecto empresarial jefe de AstraZeneca, explicó cómo su organización está pionero en implementaciones de IA en varias áreas.

El gigante farmacéutico ha desarrollado un asistente de investigación habilitado para la AI que aumenta la productividad de los investigadores científicos al centrarse en la reproducibilidad de los métodos científicos y el desarrollo de nuevos medicamentos.

AstraZeneca se asocia con las principales instituciones académicas, como la Universidad de Stanford, para ejecutar experimentos de IA agente.

«Estamos pensando en cómo puede tener un equipo de agentes que puedan apoyar a los científicos tradicionales que hacen su investigación», dijo Filin-Matthews.

La compañía también está explorando cómo aplicar la IA en áreas comerciales. AstraZeneca opera en 126 mercados, y servir esas variadas ubicaciones con contenido es un desafío complejo. Ahí es donde entra Ai.

«Hemos aprovechado la tecnología desde una perspectiva de IA para automatizar la creación de material de marketing e información sobre el desarrollo de medicamentos», dijo.

Si bien estos experimentos han resaltado los beneficios de la IA, también han demostrado la importancia de los fundamentos de datos sólidos.

Filin-Matthews dijo que las empresas solo pueden resolver problemas con la IA si han construido una fuerte infraestructura en la nube subyacente.

«Hay tantos casos de uso en los que el beneficio se está aclarando a medida que avanzamos en este viaje», dijo.

«Definitivamente estamos en la era de la toma de decisiones habilitadas para AI. Pero la clave para mí es que no puedes olvidar esos otros elementos subyacentes. No puedes ser AI-First sin ser la nube primero».

2. ¿He abordado las preocupaciones de gobierno de datos?

Amit Patel, director de datos de la banca mayorista en Truist, dijo que aprendió dos lecciones clave de implementar casos de uso de IA.

El número uno era la importancia de la base de datos subyacente.

«Como banco, tenemos que demostrar: ‘¿De dónde vienen los datos? ¿Son correctos? ¿Se rige? ¿Tengo linaje? ¿Tengo metadatos? Tengo que demostrar esos puntos a un regulador externo «, dijo.

«No puedo simplemente lanzar un modelo de lenguaje grande (LLM) en la naturaleza, ¿verdad? Y no puedo señalarlo en cualquier fuente que tenga internamente. Tiene que ser una fuente gobernada. Tiene que ser un punto de aprovisionamiento autorizado».

Patel dijo que este enfoque en fuentes reguladas ayudó a dilucidar un punto de problema común para las CDO: poner en orden sus datos.

«A través de ese proceso, descubrí que no tengo tantas fuentes confiables como me gustaría señalar», dijo. «Tengo que habilitar esa base primero, y luego puedo construir en la parte superior».

Patel dijo que lo segundo que aprendió es que las personas que usan IA en casa asumen que será fácil implementar LLM en un entorno empresarial.

«No es tan simple», dijo. «Debe definir barandillas en torno a lo que los modelos pueden ver. Debe definir los metadatos para guiar las interpretaciones de los modelos. Y ese proceso lleva tiempo».

Patel dijo que su equipo ha abordado los conceptos erróneos del personal sobre el momento de explotar la IA a través de ejercicios de fijación de expectativas.

«A medida que comenzamos a habilitar los casos de uso, las personas han comenzado a entender que no es tan fácil como un proceso de apuntar y hacer clic», dijo.

«Si bien la implementación de la tecnología es más rápida de lo que solía ser, todavía es desafiante, y requiere tiempo y pensamiento en torno a cómo pone la gobernanza y la estructura alrededor de la IA antes de habilitarla para el trabajo».

3. ¿Cuál es la calidad de mis salidas?

Anahita Tafvizi, directora de datos y análisis de Snowflake, dijo que su equipo ayuda a la compañía de tecnología a desarrollar los productos habilitados para AI que usan sus clientes.

Sin embargo, Tafvizi dijo que su compañía no solo vende estos productos, la organización también puede experimentar con estas tecnologías.

«Lo interesante de ser el CDO en una compañía de datos es que obtengo el privilegio de ser el primer cliente de muchos de nuestros productos», dijo.

Tafvizi llamó la atención sobre Snowflake Intelligence, una tecnología lanzada en Summit que permite a los usuarios comerciales crear agentes de datos.

Su equipo se asoció estrechamente con el equipo de productos para desarrollar un asistente habilitado para la AI para la organización de ventas internas.

Ella reconoció que la implementación de nuevas herramientas de IA trae desafíos, particularmente cuando se trata de equilibrar la velocidad de la innovación con los requisitos de gobernanza.

Una consideración crucial es la calidad. Cuando su equipo llevó la herramienta al equipo de ventas, reflexionaron sobre preguntas importantes, como: «¿Es un 95% de calidad lo suficientemente bueno?»

Tafvizi aconsejó a otros líderes empresariales que piensen cuidadosamente sobre estos desafíos, ya que el personal debe confiar en los resultados de la experimentación de IA.

«El enfoque en la calidad ha sido importante para nosotros», dijo. «Las estructuras de gobierno correctas, los controles de acceso, el linaje, los metadatos y los modelos semánticos también son críticas. Constantemente pensamos en esas cosas como parte de la tensión entre la innovación y la velocidad».

4. ¿He considerado beneficios inesperados?

Thomas Bodenski, director de datos y análisis de datos de Finance Technology TS Imagine, dijo que su compañía ha estado utilizando IA para reducir las cargas de trabajo de los empleados desde octubre de 2023.

Sin embargo, si bien el enfoque de la IA a menudo está en automatizar procesos manuales, sus experiencias sugieren que los líderes empresariales deberían reconocer que la tecnología también produce otros beneficios.

«Usar AI no se trata solo de reducir el esfuerzo», dijo. «Se puede hacer las cosas más rápido, mejor y también tener una mejora de cobertura increíble».

Explicó cómo TS Imagine compra datos de proveedores especializados que envían correos electrónicos sobre los próximos cambios en el producto.

La compañía recibe 100,000 de estos correos electrónicos al año. Cada correo electrónico debe leerse y sus implicaciones entendidas. Tradicionalmente, ese proceso intensivo en el trabajo ha consumido, en promedio, dos equivalentes de tiempo completo y medio por año.

«Es estresante porque no puedes cometer errores», dijo. «Si perdemos información en un correo electrónico, nuestros sistemas disminuirán. Miles de comerciantes no pueden comerciar y miles de gerentes de riesgos no pueden evaluar su exposición, por lo que es potencialmente catastrófico».

Para evitar este escenario, Bodenski dijo que la compañía utiliza modelos de IA de copos de nieve para completar este trabajo intensivo en el tiempo.

«Ahora, nunca perdemos el resultado», dijo. «Esos dos equivalentes y medio de tiempo completo pueden hacer trabajo de conocimiento en lugar de curación o entrada de datos manuales».

Bodenski dijo que la IA también puede administrar lo que anteriormente era un punto débil: garantizar que las solicitudes de los clientes se traten los sábados.

«Nadie trabajó en esos días. Ahora, hay IA, y ella responderá a las consultas de los clientes y asignará el boleto a la persona adecuada», dijo.

¿Quieres más historias sobre AI? Regístrese para la innovaciónnuestro boletín semanal.