La inteligencia artificial apenas está empezando a revelar su potencial, pero los expertos advierten de que ninguna estrategia basada en esta tecnología puede tener éxito sin una base sólida de datos. Matteo Verdari, director del departamento global de IA del Grupo SDG, explica por qué las empresas deben salvar la brecha entre el bombo publicitario y la realidad operativa.
Esto es lo que denominamos la «brecha de adopción»: la diferencia entre lo que la tecnología es capaz de hacer y lo que las empresas llegan a implementar realmente. Numerosos estudios estiman que alrededor del 60 % de los proyectos de IA fracasan cuando pasan a la fase de producción. Las razones varían, pero el denominador común suele ser la falta de un valor empresarial tangible.
Esto suele deberse a una falta de alineación entre las partes interesadas en cuanto a cómo deben evolucionar las organizaciones, los procesos y los sistemas para integrar estas soluciones. También existen retos técnicos, ya que muchas empresas siguen dependiendo de sistemas heredados que no son adecuados para las tecnologías avanzadas. Por último, hay una dimensión cultural, con personas que tienen dificultades para adoptar nuevas herramientas o cambiar su forma de trabajar.
El sector de la moda, al igual que muchos otros, está atravesando una transición compleja marcada por la incertidumbre geopolítica y económica. Esto suele empujar a las empresas a dar prioridad a la rentabilidad de la inversión a muy corto plazo, lo que se convierte en un obstáculo importante: si un caso de uso no ofrece resultados inmediatos, se abandona rápidamente.
El resultado es un ciclo continuo de evaluaciones y pruebas de concepto que nunca se traducen en valor empresarial real. Esto es lamentable, ya que ya existen ejemplos claros de cómo la IA puede generar valor a lo largo de toda la cadena de valor. En el desarrollo de productos, por ejemplo, la IA puede acelerar la creación de conceptos de diseño. En la optimización de inventarios, puede ayudar a adaptar las existencias a ubicaciones específicas y a las preferencias de los clientes. Y en el servicio posventa, puede mejorar la gestión de reclamaciones y reducir los tiempos de devolución.
To build a house, you must start with the foundation – and in this case, the foundation is data. There can be no AI strategy without a solid data strategy. The starting point is having the right infrastructure in place to collect, organize, and manage the data that will feed AI models.
Once that foundation is established, the next step is to think strategically about use cases. At SDG Group, we created a dedicated unit, Orbitae, designed to support companies throughout the entire process – from design to engineering – while also managing models across their lifecycle and ensuring responsible adoption through training and organizational change.
La automatización en sí misma no es algo nuevo. Durante años, las empresas han recurrido a tecnologías como la automatización robótica de procesos, que utilizan reglas predefinidas para llevar a cabo tareas repetitivas. Sin embargo, estos sistemas son relativamente pasivos.
Hoy en día, estamos entrando en una nueva fase con agentes de IA que, cuando se les entrena adecuadamente, pueden asumir toda la responsabilidad de ejecutar tareas de principio a fin dentro de un proceso. En el ámbito de las compras, por ejemplo, los «agentes de negociación» pueden gestionar los pedidos participando en licitaciones o analizando las ofertas. Son capaces de comprender el contexto —incluidos los niveles de inventario, los precios o los pedidos pendientes— y tomar decisiones como emitir órdenes de compra o activar procesos de logística de entrada.
Para gestionar con éxito este cambio se requieren dos elementos clave: la gobernanza —protocolos claros que garanticen la transparencia en el funcionamiento de estos agentes— y la adaptación humana, es decir, la disposición a ajustar los hábitos de trabajo para colaborar de forma eficaz con estos sistemas.
El talento y un profundo conocimiento del negocio seguirán siendo esenciales en cualquier puesto. Es fundamental conservar la capacidad de interpretar lo que ocurre más allá de los marcos existentes. La inteligencia humana es capaz de leer entre líneas, mientras que los grandes modelos de lenguaje se limitan a leer lo que está escrito.
Esta capacidad humana debería evolucionar para incluir la IA como una voz adicional. Piensa en ello como un comité en el que, en lugar de estar compuesto únicamente por personas, participa una IA para ofrecer diferentes perspectivas o escenarios que faciliten una mejor toma de decisiones.
La clave está en combinar la responsabilidad humana en la toma de decisiones con los conocimientos que aportan las máquinas: lo que denominamos un enfoque «human-in-the-loop», en el que la IA actúa como un apoyo complementario.