Saltar al contenido principal Skip to footer

Cómo pensar y actuar como una empresa nativa de IA

Las empresas existentes no pueden convertirse ellas mismas en nativas de IA. Pero sí deben permanecer atentas mientras que estas empresas de IA aprovechan nuevas oportunidades de mercado. Al estudiar activamente cómo las empresas nativas de IA colocan la IA en el centro de sus operaciones y  su tecnología, las empresas establecidas pueden aprovechar las ventajas de pensar y actuar como sus competidores más recientes.

Imagen de escritorio de la sección uno

¿Recuerdas Monster.com? A finales de la década de 1990, la aparición de los portales de empleo en línea fue un regalo del cielo para los solicitantes de empleo de todo el mundo, que renunciaron gustosamente a sus suscripciones a los anuncios clasificados de los periódicos por la nueva plataforma web.

Sin embargo, a los pocos años llegó un nuevo conjunto de disruptores, desde Indeed hasta LinkedIn y Glassdoor, cada uno de los cuales ofrecía características cada vez más innovadoras.

Pronto, sin embargo, la pregunta será otra: ¿Te acuerdas de los portales de empleo?

Con la aparición de la IA generativa, es posible que pronto experimentemos un enfoque completamente nuevo para encontrar un trabajo, conseguir una cita, trazar una ruta o reservar un hotel. Parece que fue ayer cuando estas actividades se transformaron en una nueva normalidad. Ahora, una vez más, están listos para la disrupción.


Imagínate, por ejemplo, un orientador profesional con IA. En lugar de buscar un trabajo, los candidatos le contarían sus habilidades y objetivos, incluso su cultura empresarial ideal. A cambio, más allá de ofrecer coincidencias, analizaría patrones ocultos en ofertas de trabajo, artículos de noticias y datos sociales para descubrir oportunidades en empresas que aún no hayan publicado anuncios. Mejor aún, generaría cartas de presentación personalizadas, realizaría simulaciones de entrevistas e, incluso, sugeriría tácticas de negociación basadas en el posible empleador.

¿Quién podría hacerlo? Lo más probable es que sea un negocio nativo de IA.

Si bien las empresas nativas de IA, tal como las hemos definido, aún no existen, pronto lo harán. Estas empresas que dan prioridad a la IA introducirán esta tecnología, así como la inteligencia artificial generativa, en todo lo que hacen. Y como toda su mentalidad se centra en las capacidades impulsadas por la IA, la tecnología impulsará su forma de pensar y de hacer las cosas.

Sin la carga de las limitaciones de los sistemas legacy y los enfoques arraigados, las empresas nativas de IA verán esta tecnología no como una herramienta a la que aferrarse, sino como el componente fundamental de sus operaciones.

Esta mentalidad de IA pura les permitirá capitalizar los puntos fuertes de la IA generativa (GenAI) desde las experiencias personalizadas que los clientes desean, pasando por procesos internos ultrarrápidos, hasta modelos de negocio que, a los ojos de una empresa tradicional, parecen estar al revés. 

Al igual que las empresas nativas digitales anteriores (Uber, Netflix, Venmo), las empresas nativas de IA también cambiarán la forma en que se comportan los consumidores. Los consumidores comenzarán a elegir productos, buscar información y evaluar las opciones de manera diferente, lo que en última instancia cambiará la forma en que interactúan con el mundo digital.

Y esta es la razón por la que las empresas tradicionales deben prestar atención. A medida que los consumidores cambien sus comportamientos, las empresas deberán adaptarse a estas nuevas formas de seleccionar, interactuar y realizar transacciones. Estos cambios también abrirán oportunidades para que las empresas nativas de IA se infiltren en las funciones empresariales, tanto de forma colaborativa como competitiva:

  • Las empresas existentes podrían asociarse con empresas nativas de IA para obtener soluciones especializadas, llenando vacíos cruciales con capacidades que no pueden desarrollar internamente.


  • También podrían competir con empresas nativas de IA que ofrecen productos y servicios que modifican por completo los procesos establecidos. Pensemos en el asistente de redacción basado en la IA que desafía a las agencias de publicidad tradicionales o en la plataforma de logística predictiva que supera a las herramientas legacy de gestión de la cadena de suministro.

Para ejecutar los nuevos modelos de negocio, las organizaciones necesitarán nuevas políticas de gobernanza, estructuras organizativas y procesos operativos para hacer frente a operaciones masivamente aceleradas, dinámicas y autónomas. Y, lo que es más importante, también tendrán que replantearse su infraestructura tecnológica para impulsar las nuevas capacidades que ofrecen basadas en la IA.

Aquí es donde entra en juego pensar como una empresa nativa de IA. Las empresas existentes no pueden convertirse en empresas nativas de IA, eso es imposible. Pero pueden y deben aprender cómo operan las empresas nativas de IA. Las empresas establecidas pueden comenzar a pensar e, incluso, actuar como las empresas disruptivas al estudiar activamente los enfoques innovadores de estos recién llegados, comprender su pila tecnológica y adaptar sus propias estrategias de IA.

Imagen2

Disrupción a gran escala en dos años

Nuestra investigación revela cuándo comenzará el cambio real

No será hoy, pero sí, pronto, cuando estos niveles de disrupción de la IA generativa se afiancen. Para comprender mejor cómo la GenAI cambiará el futuro del trabajo, nos asociamos con Oxford Economics para crear un modelo económico que analiza el impacto de la tecnología en la productividad empresarial y la fuerza laboral. (Para leer el estudio completo, ver nuestro  informe La IA, una nueva era).

Basándonos en nuestras conclusiones sobre la rapidez con la que las empresas adoptarán la IA generativa y en nuestro análisis de los avances tecnológicos del pasado, hemos determinado que la adopción de la GenAI seguirá una trayectoria en forma de curva s: un aumento gradual, un pico espectacular y una meseta en la que la tecnología se perfecciona y se generaliza. Ese aumento dramático tendrá lugar durante la próxima década, desarrollándose en tres fases clave (ver gráfico 1).

Rápida adopción en la próxima década

La adopción de la IA generativa podría crecer rápidamente en la próxima década.

Gráfico1
Chart1 móvil

Gráfico 1

Los datos del gráfico reflejan las tasas de adopción más altas posibles, como se refleja en nuestro escenario de alta adopción.
* Para asegurarnos de capturar la tasa de adopción completa hasta 2032, incluimos datos de 2033 en el cálculo de esta cifra.


Fuente: Oxford Economics y Cognizant

Es en el periodo 2026-2030, la era de la "adopción segura", en el que creemos que se producirá el verdadero cambio de la IA generativa, ya que el 31% de las empresas la adoptará, según nuestro escenario más optimista. Aunque solo faltan dos años, es una amplia zona de seguridad para que las empresas se preparen si empiezan ahora.  

En esta coyuntura, es probable que el entorno regulatorio de la IA, que actualmente es un mosaico, pase a primer plano y la tecnología vaya más allá de la automatización de tareas para convertirse en un componente central de las estrategias de transformación empresarial.

Imagínate un mundo, por ejemplo, en el que las consultas rutinarias de los clientes son gestionadas casi en su totalidad por agentes de IA: sistemas autónomos que realizan tareas específicas coordinados entre sí para cumplir un objetivo mayor.  Estos agentes de IA proporcionarían soporte personalizado las 24 horas de día. Los equipos de ventas, en lugar de depender de discursos genéricos, utilizarían herramientas de generación de leads y de perfiles de clientes basadas en las GenAI, lo que permitiría enfoques específicos. Incluso las funciones de back-office, como la programación, la generación de informes y la entrada de datos, estarán cada vez más automatizadas.

Pero más allá de imaginar este mundo, nuestro estudio saca a la luz muchos de estos cambios. Como parte del análisis, asignamos "puntuaciones de exposición" a un millar de empleos que en la actualidad la realizan los trabajadores estadounidenses. 

Esta puntuación no refleja el porcentaje de trabajadores que se quedarán sin trabajo ni sus posibilidades de perderlo. Más bien, es el porcentaje máximo de trabajos que teóricamente podrían automatizarse o ser asistidos por la IA generativa para el año 2032, ponderado por la importancia relativa de esas tareas.

Si echamos un vistazo a nuestras puntuaciones de exposición, descubriremos los grupos profesionales que más van a cambiar con la aparición de la IA generativa, y que representan las principales áreas para que los nativos de la IA entren en nuevos mercados y se conviertan en empresas eficientes. Al observar las áreas anteriores, por ejemplo, los profesionales del servicio al cliente verán puntuaciones de exposición del 63,7%, los comerciales del 65,6% y los administrativos y trabajadores de oficina del 85,9% en 2032.

Por esta razón, a partir de los próximos dos años, cuando comience la adopción segura de la GenAI, las empresas con visión de futuro deberán contar con una infraestructura tecnológica sólida, una estrategia en mente para redefinir el modelo de negocio y una cultura que fomente la innovación continua. Para ello, podemos recurrir a las empresas nativas de IA, que pueden ofrecer lecciones sobre cómo y dónde hacer estos importantes cambios.

Imagen3

De los especialistas de nicho a los revolucionarios

Tres perfiles de empresas nativas de IA

Especialistas de nicho

Solucionadores de problemas

Desarrolladores de plataforma

Arquitectos de cimientos

Revolucionarios

Disruptores de la industria

En nuestra opinión, las empresas nativas de la IA adoptarán tres formas principales, cada una con el potencial de remodelar sectores establecidos. Los especialistas de nicho, al igual que el orientador profesional descrito anteriormente en este informe, se centrarán en resolver puntos débiles específicos con una precisión similar a la de un láser. Una herramienta de IA podría funcionar junto a un médico experto, por ejemplo, ayudando a diagnosticar enfermedades raras con una precisión que supera los esfuerzos de equipos médicos enteros. O bien, una herramienta de fabricación puede estar tan ajustada al ritmo de una línea de montaje que puede predecir averías inminentes, evitando costosos tiempos de inactividad y maximizando la eficiencia.

Esos agentes creados específicamente serán probablemente el primer ámbito en el que veamos surgir a los nativos de la IA. Pero eso es solo lo que se ve: para los tres tipos de nativos de IA, gran parte de lo que sucede tras bambalinas también lo harán los agentes de IA que colaboran en la orquestación de tareas para realizar el trabajo. Estos ejércitos de agentes internos de IA se convertirán en miembros integrales del equipo, lo que reducirá la necesidad de grandes plantillas y permitirá una rápida toma de decisiones. (Para más información sobre este tema, consulta el artículo publicado recientemente por el CTO de IA de Cognizant, Babak Hodjat, "AI and agents").

Los desarrolladores de plataformas, por su parte, funcionarán como arquitectos, elaborando las tecnologías fundamentales que permitan a otras empresas aprovechar el poder de la IA. Estos innovadores construirán ecosistemas diseñados para mejorar la experiencia de los empleados y los clientes. Algunas plataformas se centrarán en anticiparse a las necesidades de los clientes, ofreciendo recomendaciones y soluciones personalizadas incluso antes de que se les pregunte. Otros se centrarán en la toma de decisiones, transformando los números brutos en información procesable, yendo mucho más allá de los simples cuadros de mando.

Pero quizás los más impactantes de todos son los revolucionarios. Estos visionarios no verán límites, solo potencial. Utilizarán la IA para revolucionar industrias enteras desafiando las limitaciones tradicionales: proporcionando atención médica asequible a comunidades remotas, reinventando las inversiones financieras con algoritmos basados en la IA o utilizando el poder de la GenAI para desbloquear todo el potencial de la educación personalizada accesible para todos.

Exploremos tres casos hipotéticos de cómo cada tipo de negocio nativo de IA podría remodelar las experiencias cotidianas y cambiar la forma de trabajar:

Especialistas de nicho

Un oráculo prescriptivo de la cadena de suministro

Este negocio nativo de IA pondría patas arriba la planificación tradicional de la cadena de suministro. En lugar de abordar los problemas de manera reactiva, anticiparía las ralentizaciones y los riesgos, y sugeriría formas de evitarlos.


La plataforma ingiere un vasto y aparentemente caótico flujo de datos: patrones climáticos, congestión portuaria, precios de las materias primas, eventos locales, inestabilidad política e, incluso, sentimiento en las redes sociales. Luego descubriría correlaciones invisibles para los analistas humanos, como un aumento en las discusiones en línea sobre un ingrediente específico, lo que indica una escasez inminente a tiempo para que las empresas busquen alternativas.

También sugeriría oportunidades de manera proactiva, identificando el inventario excedente o las rutas de transporte recién abiertas debido a situaciones geopolíticas cambiantes. Las diferentes partes interesadas recibirían informes personalizados: riesgos clave para los ejecutivos, opciones de abastecimiento para los equipos de compras y ajustes de rutas logísticas para los gerentes sobre el terreno.

Con plataformas como ésta, los roles de gestión en transporte, almacenamiento y distribución (todos con una puntuación de exposición del 38,1% para 2032) podrían experimentar un cambio significativo. La necesidad de intuición humana se mantendrá, pero la IA podría agilizar el análisis de datos y la planificación de escenarios. Incluso los puestos muy físicos que, en general, se verán menos afectados por la IA generativa, como los de reponedor y los encargados de hacer pedidos (puntuaciones de exposición del 26,4%), podrían ver su trabajo mejorado por la gestión de inventario y la navegación por el almacén optimizada por la IA.


La fortaleza del oráculo prescriptivo de la cadena de suministro radica en el aprendizaje continuo y la adaptabilidad. A medida que evoluciona la situación, la plataforma evoluciona con ella.

Desarrollador de plataforma

Un motor de aprendizaje adaptativo

Esta startup nativa de IA aprovecharía las oportunidades creadas por la capacidad de la IA generativa para asumir al menos un tercio de las tareas de la administración educativa o de la docencia, y desafiaría el modelo único de educación. En nuestro estudio, los administradores de educación tendrán un ratio de exposición del 36,3% en 2032 y los profesores, del 30,8%.

Olvídate de los exámenes estándar y de los rígidos planes de clase: estas herramientas quedaran obsoletas. En su lugar, la plataforma comenzaría con una evaluación interactiva, que descubriría las lagunas de conocimiento, el estilo de aprendizaje y los intereses del alumno. A partir de ahí, la IA elaboraría una ruta de aprendizaje personalizada, con conceptos introducidos en múltiples formatos (videos, texto, simulaciones interactivas) y se adaptaría en tiempo real en función de cómo responda el estudiante.

¿Tienes problema con las matemáticas? La IA puede ofrecer una explicación visual o dividir el concepto en pasos más pequeños. ¿Sobresalir en una materia? Podría introducir material avanzado para mantener al estudiante motivado.



Pero no es solo el contenido; la IA analiza la participación de los estudiantes, ajustando el ritmo e, incluso, el tono de las lecciones para optimizar el aprendizaje. El objetivo es hacer que la educación esté verdaderamente centrada en el estudiante, fomentando la pasión por aprender. Este tipo de herramienta también se abriría camino en el mundo empresarial, actuando como tutor personal para los empleados a medida que el aprendizaje continuo se convierte en una habilidad crítica para la fuerza laboral en la era de la IA.

Revolucionarios

Una firma de moda sostenible a la carta

Este negocio nativo de la IA alteraría el modelo derrochador de la moda rápida al combinar la GenAI con la producción sostenible y hecha a medida. Los asistentes de diseño basados en la IA ayudarían a los clientes a articular sus preferencias de estilo y medidas corporales, y sugerirían variaciones de diseño iniciales, ajustándolas en tiempo real en función de los comentarios de los clientes. Las visualizaciones fotorrealistas permitirían a los clientes "probarse" la prenda virtualmente, viéndola en sus propios cuerpos bajo diferentes condiciones de iluminación.



Una vez finalizado el diseño, la plataforma optimizaría los patrones de ropa para obtener un desperdicio mínimo y se conectaría directamente con una fábrica bajo demanda. Las prendas confeccionadas individualmente eliminarían la sobreproducción que afecta a la industria y, en su lugar, se haría hincapié en los tejidos sostenibles, la transparencia de la cadena de suministro y los elementos de diseño que priorizan la longevidad.



A medida que la IA continúa evolucionando, es factible que las tareas tradicionalmente realizadas por diseñadores de moda (43,5% de puntuación de exposición para 2032) y modelos (41,6% de puntuación de exposición) puedan ser optimizadas por una plataforma como ésta. En lugar de limitarse a vender ropa, la plataforma ofrecería una experiencia de moda muy personalizada y ética.

imagen4

Lecciones técnológicas de las empresas nativas de IA

Prepárate para la nueva pila tecnológica de IA

Para cumplir con estas nuevas capacidades, las empresas nativas de IA construirán una pila de tecnología que, en muchos sentidos, es irreconocible para las empresas que operan hoy en día. Esto se debe a que, a diferencia de las empresas tradicionales que suelen ver las nuevas tecnologías como una forma de mejorar las cosas existentes, las empresas nativas de IA ven la tecnología, en particular la GenAI, como una forma de hacer cosas que nunca se han hecho antes.

Desde una perspectiva empresarial nativa de la IA, la pila tecnológica no es algo estático que se modifique o actualice de vez en cuando. Es una entidad viva y en continua evolución, creada para un mundo en el que la agilidad y la innovación continua son clave para la supervivencia de una empresa.

Al abrir el telón de cómo podría ser una pila tecnológica nativa de IA, las empresas tradicionales pueden empezar a pensar en los cambios que deben realizar para implantar la GenAI en el lugar de trabajo y, en última instancia, en sus modelos comerciales y operativos.

1. La capa de aplicación

Una nueva forma de pensar en la interfaz de usuario

Unas instrucciones bien elaboradas iniciarán acciones complejas en múltiples sistemas y generarán resultados ricos y multifacéticos.

Para las empresas nativas de IA, la interfaz de usuario (UI) es un replanteamiento fundamental de cómo los usuarios (tanto clientes como empleados) interactúan con los servicios que proporciona la empresa nativa de IA. Más allá de tener en cuenta la ubicación de los botones y el diseño de la pantalla, una interfaz de usuario nativa de IA estará impulsada por indicaciones bien elaboradas que inicien acciones complejas en múltiples sistemas o generen resultados ricos y multifacéticos. El diseño de la interfaz de usuario facilitará un nuevo estilo de interacción entre humanos e IA, lo que garantizará que los usuarios puedan guiar eficazmente a los agentes de IA y mantener la visibilidad y el control sobre los resultados.

Las empresas establecidas deberían comenzar a experimentar con este cambio de paradigma en el diseño de la interfaz de usuario. Se trata menos de hacer clic en los menús y más de la interacción conversacional para lograr objetivos. Para hacer este cambio de mentalidad, las empresas pueden empezar por preguntarse:

  • ¿En qué parte de nuestros flujos de trabajo actuales podría una interfaz de usuario basada en avisos optimizar la experiencia de los clientes y empleados?


  • ¿Cómo diseñamos una interacción basada en avisos que esté orientada al ser humano y sea atractiva?


  • ¿Cómo podemos diseñar una interfaz de usuario que equilibre la potencia de la IA generativa con un control efectivo del usuario y una información clara sobre los resultados?


  • ¿De qué manera podría una interfaz de IA conversacional, directamente vinculada a las acciones, cambiar fundamentalmente la forma en que los usuarios interactúan con nuestro negocio y los servicios que ofrecemos?

2. La capa del modelo de la IA

Un ecosistema de modelos y herramientas de IA

Las empresas nativas de IA no pensarán en términos de un modelo de IA único y monolítico. En su lugar, emplearán estratégicamente un conjunto de modelos, cada uno especializado para una variedad de tareas. Estas tareas podrían incluir la generación de texto, imágenes y procesos, así como el modelado de datos estructurados, la predicción y la optimización de decisiones, el modelado de incertidumbre, la explicabilidad y la optimización del código.

Un modelo de difusión, por ejemplo, podría crear impresionantes imágenes de productos, mientras que un modelo de lenguaje grande (LLM) generaría mensajes de marketing personalizados. Además, los modelos tradicionales de aprendizaje automático (machine learning, sus siglas en inglés ML) se integrarán de manera inteligente para abordar problemas específicos y aprovechar las ventajas únicas de los diferentes enfoques de IA.

Del mismo modo, las empresas establecidas deben evitar ver un modelo de IA como una solución única para todos. Será crucial comprender los puntos fuertes de cada tipo de modelo y seleccionar la herramienta adecuada para el trabajo. Las empresas deben invertir en la experiencia necesaria para determinar qué propósito tienen realmente estos modelos y cómo se pueden implementar mejor.

Para entrar en un mundo multimodelo, las empresas deben tener en cuenta lo siguiente:

  • ¿Nos estamos limitando al centrarnos solo en el último modelo de IA generativa? ¿Qué problemas específicos dentro de nuestro negocio se resuelven mejor con una amplia gama de técnicas de IA?


  • ¿Contamos con la experiencia interna o las asociaciones necesarias para comprender las fortalezas y debilidades de los diferentes modelos, incluido el aprendizaje automático (machine learning) tradicional?


  • ¿Cómo podemos integrar estratégicamente varios tipos de modelos? ¿Cómo se combinará la información de los modelos generativos con los resultados de otras herramientas de IA o análisis?

Evita ver los modelos de IA generativa como una solución única para todos.

3. La capa de datos

Acceso, conexiones y creatividad

Aprovecha grandes cantidades de información al tiempo que garantizas la transparencia en la adquisición de datos.

Las empresas nativas de la IA prosperarán gracias a la información: cuanto más amplia sea su red, más poderosas serán. Es por esta razón que las empresas nativas de IA priorizarán el acceso a datos estructurados y no estructurados sobre la limpieza de los datos. Una vez que hayan establecido un consentimiento claro y transparente sobre cómo se utilizarán los datos, pueden aprovechar grandes conjuntos de datos públicos, recursos de terceros y datos de clientes.

Además, utilizarán gráficos de conocimiento (una forma de representar datos, entidades y cómo se interrelacionan) y bases de datos vectoriales (que están optimizadas para trabajar con LLM para búsquedas y recuperación de datos rápidas y fáciles) para comprender relaciones complejas entre puntos de datos.


Para las empresas establecidas, será crucial aprovechar grandes cantidades de información, tanto estructurada como no estructurada. Independientemente de cómo lo hagan, será fundamental garantizar la transparencia en la adquisición de datos.

No obstante, la adquisición de conjuntos de datos masivos puede ser todo un reto. Aquí es donde las empresas pueden ser creativas. Pueden utilizar técnicas como la generación de datos sintéticos, en la que se crean conjuntos de datos realistas pero artificiales, a menudo utilizando la propia IA generativa. También podrían utilizar el aprendizaje semi-supervisado, en el que los modelos aprenden de una combinación de datos etiquetados y no etiquetados. Al priorizar el acceso a información diversa y emplear estas técnicas, las empresas potenciarán sus modelos generativos para que rindan al máximo.

Para mejorar su IQ de datos, las empresas establecidas deben tener en cuenta:

  • Más allá de los datos, ¿estamos utilizando toda la información y el conocimiento integrados en nuestra organización? ¿Cómo podemos mejorar el intercambio de conocimiento y el flujo de información entre departamentos?


  • ¿Qué datos internos tenemos que ningún competidor podría replicar y cómo podrían esos datos impulsar nuestros modelos de IA?


  • ¿Dónde nos encontramos con limitaciones de datos y podrían ser soluciones viables la generación de datos sintéticos o las técnicas de aprendizaje semisupervisado?

4. La capa de infraestructura

Diseñada para la velocidad y la escala

Los modelos de GenAI pueden ser extraordinariamente exigentes desde el punto de vista de la potencia computacional, especialmente durante el entrenamiento y el ajuste. Las empresas nativas de IA comprenderán que su infraestructura debe ser escalable y rentable, y a menudo optarán por un enfoque de nube híbrida. Esto les permite aumentar los recursos para tareas intensivas y reducirlos cuando el uso disminuye, logrando un equilibrio óptimo entre el control de costes y el rendimiento. La aceleración de hardware, utilizando unidades de procesamiento de gráficos (GPU) especializadas o unidades de procesamiento tensorial (TPU), será esencial.

Las empresas establecidas tendrán que elaborar estrategias proactivas para este nivel de flexibilidad y agilidad. Al considerar las implicaciones de la infraestructura mucho antes de escalar los proyectos de IA, las empresas pueden evitar sobrecostes y garantizar operaciones fluidas.

Para hacer este cambio de infraestructura, las empresas deben preguntarse:

  • ¿Hemos involucrado a los equipos de TI en la previsión proactiva de las demandas computacionales de los futuros proyectos de IA, evitando sorpresas de costes y problemas de rendimiento?


  • ¿Podríamos beneficiarnos de un enfoque de nube híbrida para nuestros casos de uso específicos de IA? ¿Cuándo debemos priorizar los recursos bajo demanda frente a las instancias reservadas?


  • ¿Nuestra estrategia de aceleración de hardware (GPUs/TPUs) se alinea con los tipos de modelos de IA de los que dependeremos (generación de imágenes, procesamiento del lenguaje natural, etc.)?

Ten en cuenta el rendimiento y los costes de la infraestructura mucho antes de escalar proyectos de IA.

5. La capa MLOps

Evolución, no estancamiento

Invierte en MLOps para garantizar que tus sistemas de IA evolucionan continuamente.

Para las empresas nativas de IA, las operaciones de aprendizaje automático (MLOps) son la piedra angular para mantener una ventaja competitiva. No es un lujo, sino el marco que permite a estas empresas mantenerse ágiles y receptivas. Las sólidas canalizaciones de MLOps permiten la experimentación, la implementación rápida de modelos nuevos y mejorados, y la monitorización integral de la producción. Estas canalizaciones garantizarán que las plantillas impulsadas por IA aprendan constantemente, se reciclen automáticamente a medida que se disponga de nuevos datos y se actualicen sin problemas para optimizar el rendimiento.

Las empresas establecidas deben cambiar su forma de pensar sobre la IA. Deben entenderla como un sistema dinámico en vez de como un proyecto único. Al invertir en MLOps, pueden automatizar procesos y acortar el ciclo de retroalimentación crítico entre los resultados del mundo real y las mejoras del modelo. De este modo, se asegurarán de que sus sistemas de IA evolucionen continuamente para adaptarse al dinámico panorama del mercado.

Para hacer el cambio a MLOps cambie, las empresas deben considerar:

  • ¿Cómo podemos acortar el tiempo que transcurre entre la idea de mejorar el modelo y su despliegue en producción?


  • ¿Cuáles son las métricas clave que se deben monitorizar en la producción, no solo para la precisión del modelo, sino también para el impacto empresarial en el mundo real?


  • ¿Nuestra cultura empresarial empodera a los científicos e ingenieros de datos para experimentar rápidamente, incluso si hay fallos ocasionales en el camino?

Un cambio de mentalidad

En última instancia, las empresas nativas de IA comprenderán instintivamente una forma completamente nueva de desarrollar, evaluar, comprender e implementar sistemas de IA. No abordarán las soluciones de IA con la mentalidad de construir máquinas rígidas y deterministas diseñadas para obtener resultados perfectamente reproducibles. En su lugar, verán a sus agentes de IA como colaboradores en evolución con el potencial de ser mucho más que meras herramientas. (Para más información sobre este tema, consulta el artículo publicado recientemente por Risto Miikkulainen, Cognizant VP of AI Research, bajo el título “Generative AI: an AI paradigm shift in the making?”)

Este enfoque definirá tus estrategias. Las empresas nativas de IA priorizarán la construcción de sistemas capaces de aprender continuamente, entendiendo que el "entrenamiento" nunca termina realmente. Y diseñarán interacciones que aprovechen el poder de las indicaciones y la retroalimentación iterativa, guiando a tus agentes de IA con misma delicadeza que cuando se trabaja con un especialista humano altamente calificado.

Del mismo modo, las empresas establecidas deben tratar de aprovechar realmente el poder de la IA generativa en lugar de meter la IA con calzador en los procesos existentes o evaluarla con métricas antiguas. Hacerlo requerirá que los equipos de tecnología piensen de una manera completamente nueva: una voluntad implacable de experimentar, alejarse de la necesidad de una explicabilidad total y aceptar que la confianza en el agente de IA se ganará a través de una observación rigurosa en lugar de una programación inicial.

Imagen5

Construir, asociarse y utilizar

Consideraciones estratégicas para las empresas en un mundo basado en la IA

Además de pensar como una empresa nativa de IA y, en última instancia, actuar como tal, las empresas establecidas querrán asociarse con empresas nativas de IA. Mientras que un número relativamente pequeño de empresas tradicionales puede optar por convertirse en disruptoras desarrollando sus capacidades de IA por sí mismas -o creando una división nativa de la IA-, un número mayor buscará asociaciones para aportar la nueva perspectiva de la IA nativa dentro de la empresa.

Es probable que la gran mayoría adopte un enfoque híbrido: asociarse con empresas nativas de IA, utilizar APIs para llevar nuevos servicios de IA a su propio entorno y discernir en qué casos es absolutamente necesario construir capacidades de IA por sí mismos.

En todos los casos, las empresas establecidas pueden aprovechar la IA para transformar los procesos existentes y crear nuevas ofertas innovadoras, y encontrar formas de integrar los puntos fuertes de los modelos tradicionales y nativos de la IA para tener éxito.

1: Construir: El camino del control definitivo

El enfoque de "constrúyelo tú mismo" conduce a una solución de IA a medida que se alinea perfectamente con las necesidades del negocio. 


También conlleva un alto coste: atraer a los mejores talentos, construir una infraestructura sólida y un tiempo de comercialización más lento. 



Este enfoque tiene sentido cuando la IA es fundamental para obtener una ventaja competitiva o cuando los datos altamente confidenciales exigen protecciones internas.

2: Socio: Experiencia de acceso y velocidad

Asociarse con empresas nativas de IA es una ruta más rápida hacia algoritmos de vanguardia, conjuntos de datos sólidos y soporte experto. 



Si bien se debe tener en cuenta la integración y la dependencia de un proveedor, esta estrategia brilla cuando la velocidad es crítica y se carece de experiencia en IA. 



Las propias empresas nativas de IA dependen de las asociaciones 
para funciones especializadas para poder centrarse en sus innovaciones principales.

3: Utilizar: Creación rápida de prototipos y agilidad

El uso de soluciones de IA prediseñadas a través de APIs y servicios es ideal para las empresas que buscan potenciar el desarrollo, crear prototipos rápidamente y agregar capacidades de IA sin reinventar
la rueda. 



La velocidad y la rentabilidad a menudo superan la compensación de la personalización limitada, especialmente para probar nuevos mercados o mejoras de productos.

4: El enfoque híbrido: Un poco de todo

La mayoría de las empresas establecidas tendrán éxito combinando estratégicamente elementos de los tres enfoques. 



Esto podría significar la creación de modelos a medida para los diferenciadores principales y confiar en soluciones prediseñadas para tareas comunes. 



La capacidad de pivotar a medida que evolucionan las necesidades es un sello distintivo de la mentalidad empresarial nativa de IA.

imagen6

La llegada de un mundo nativo de la IA

Las empresas nativas de IA aún no existen. Pero no hay duda de que están tomando forma mientras hablamos. Cuando surjan, rápidamente harán que nuestras acciones cotidianas se vean y se sientan muy diferentes, desde cómo solicitamos información y pedimos que se actúe, hasta lo que obtenemos a cambio. En segundo plano, habrá ejércitos de agentes de IA, orquestando y colaborando para realizar el trabajo de manera más eficiente y productiva.  

Lo malo de ser nativo es que hay que nacer en ello: no hay tecnología legacy ni fuerzas de trabajo ni mentalidades arraigadas que modernizar, reciclar o evolucionar. Pero lo que las empresas existentes pueden hacer es aprender de estas empresas emergentes para introducir la GenAI en sus operaciones y, en última instancia, hacer negocios de una manera completamente nueva.

De este modo, las empresas existentes no formarán parte de un ejercicio de "acuérdate de cuándo", sino que serán parte de lo que está por venir, a medida que las empresas nativas de IA y las organizaciones actuales, juntas, imaginen y creen nuestra próxima nueva normalidad.

Acerca del autor

Duncan Roberts

Associate Director, Cognizant Research

Duncan Roberts, Cognizant Research Associate Director. Se incorporó a la compañía en 2019 en calidad de consultor de estrategia y transformación digital en industrias que van desde las comunicaciones por satélite a la evaluación educativa. Asesoró a clientes en el uso de tecnología para cumplir sus objetivos estratégicos y descubrir el arte de lo posible a través de la innovación.

Antes de trabajar en Cognizant, Duncan formó parte de una de las editoriales más importantes de Europa, liderando la revolución de la publicación digital, ayudando a transformar sus operaciones y lanzando productos innovadores. Tiene un máster en Filosofía y Lenguas Clásicas por la Universidad de St. Andrews.

Reconocimientos

El autor agradece a las siguientes personas su contribución a este informe:

De Cognizant:

  • Catrinel Bartolomeu, Director of Storytelling and Content
  • Mary Brandel, Editor
  • Babak Hodjat, Chief Technology Officer for Artificial Intelligence
  • Lynne LaCascia, Head of Brand and Creative Strategy, Content, Thought Leadership & Research
  • Risto Miikkulainen, VP, AI Research
  • Ollie O’Donoghue, Senior Director, Cognizant Research
  • Naveen Sharma, Global Practice Head, AIA Practice
  • Mike Turner, VP, Software and Platform Engineering

Artículos relacionados