¿Cuándo no debería invertir en IA? Aquí hay cinco situaciones en las que la inteligencia artificial está sobrevalorada.

Se realizó un estudio sobre la adopción empresarial de la inteligencia artificial (IA) en la década de 1980. Publicado en el MIS Quarterly, el estudio encontró que las empresas se apresuraban a invertir en IA, y el valor de mercado proyectado era de $ 4 mil millones.

Sin embargo, los resultados fueron impactantes.

El estudio encontró que durante un período de cinco años, solo el 33% de las soluciones de inteligencia artificial ofrecieron valor comercial, mientras que el resto se abandonó. Se demostró que muchas aplicaciones populares de la IA son pura exageración y varias empresas se desilusionaron con la IA.

Hoy, la misma historia se repite una y otra vez.

A pesar de décadas de progreso en la investigación de la IA y muchos avances recientes, las empresas continúan luchando por adoptar la tecnología. Una encuesta realizada por McKinsey encontró que solo el 8% de las empresas tenían prácticas que les permitían adoptar y escalar la IA.

La IA tiene capacidades excepcionales, pero no se adapta a todas las situaciones. Aquí hay cinco situaciones en las que no vale la pena invertir en IA.

Relacionado: Lo que está comprando no es inteligencia artificial: cómo distinguir los hechos de la ficción

1. Cuando las soluciones más simples harán el trabajo

La mayoría de los problemas comerciales se pueden resolver mediante un simple análisis. Incluso entre las organizaciones que utilizan el aprendizaje automático en la actualidad, las técnicas simples basadas en regresión son las más populares. Solo una fracción de las empresas realmente necesita IA. Con la democratización de la capacidad de la IA, puede resultar tentador utilizarla para cada problema empresarial. Pero, ¿por qué usar un cañón para aplastar una mosca?

El premio de $ 1 millón de Netflix fue un desafío global para mejorar la precisión del motor de recomendación de películas de Netflix en un 10%. Netflix encontró un ganador entre más de 50.000 equipos globales. Les pagaron el dinero, ¡pero nunca usaron su algoritmo! En cambio, desplegaron una presentación de menor rango. A pesar de la menor precisión, esta solución más simple tenía menores costos de ingeniería y era más adecuada para el uso en el mundo real.

2. Cuando no tienes suficientes datos

Las técnicas de análisis necesitan datos para descubrir información procesable. Cuanto más poderosa es una técnica, mayor es el volumen de datos que necesita. La IA tiene un gran apetito por los datos y necesita cientos de miles de puntos de datos para tareas básicas como la detección de imágenes. Estos datos deben limpiarse y prepararse en un formato específico para enseñar IA. Desafortunadamente, un gran volumen de datos etiquetados de calidad no es un lujo que todas las organizaciones puedan permitirse.

Por ejemplo, la IA puede predecir sus ventas durante las próximas 4 semanas. Pero solo si tiene muchos meses de datos históricos granulares. Si todo lo que tiene son los datos de las últimas semanas, la IA no podrá ayudarlo. Por lo tanto, utilice una técnica de pronóstico simple como la extrapolación. Con solo unos pocos puntos de datos, puede brindarle información confiable para basar sus decisiones comerciales.

3. Donde la IA todavía está en experimentación

Estamos viendo avances espectaculares en la investigación de la IA todos los días. Hoy en día, la IA puede generar imágenes a partir de sus leyendas o controlar un enjambre de drones . Sin embargo, existe una gran diferencia entre hacer cosas en escenarios cuidadosamente controlados y realizar tareas en el mundo real. Muchos de los impresionantes logros de la IA aún se encuentran en etapas experimentales.

En 2013, el MD Anderson Cancer Center hizo un movimiento audaz para implementar la IA de IBM Watson para ayudar a sus médicos en el diagnóstico del cáncer. Después de gastar más de $ 62 millones durante los próximos años para intentar que funcionara en escenarios prácticos, el sistema finalmente se retiró . Hoy en día, la IA ha mejorado aún más en la detección del cáncer, pero aún no ha visto una adopción generalizada. Si bien es bueno experimentar con la IA, debes saber dónde está lista para el horario estelar.

Relacionado: Cómo las soluciones de inteligencia artificial están resolviendo 5 desafíos comerciales de larga data

4. Cuando los costos superan los beneficios

Hoy en día, hay áreas en las que la IA puede hacer bien el trabajo. Sin embargo, el costo total de propiedad es tan alto que puede que aún no sea económicamente viable. Cuando las organizaciones piensan en la IA, a menudo planifican solo los costos de implementación. Estos son solo la proverbial punta del iceberg. Se necesita mucha más inversión para que la IA funcione para usted.

Por ejemplo, si está creando una plataforma de experiencia del cliente impulsada por IA, debe recopilar nuevos datos que capturen señales más profundas del cliente. Debe etiquetar manualmente los datos para entrenar la IA, incluso antes de gastar en plataformas de software, hardware de alta calidad y equipos de análisis . Además, debe capacitar a los usuarios finales en la alfabetización de datos, adaptar los flujos de trabajo de su empresa y reservar un presupuesto para la gestión del cambio continuo.

Para escalar la IA , debe presupuestar tanto para la adopción como para la implementación. Pero, la gran pregunta es si los clientes más felices obtendrán suficientes ingresos adicionales para cubrir todos estos costos de la IA. Haga estas matemáticas por adelantado antes de dar el paso.

5. Donde necesitas comprensión y empatía

Digamos que su problema comercial no se incluye en los cuatro escenarios anteriores. Es posible que la IA aún no sea adecuada para usted si sus usuarios necesitan comprensión y atención. La IA es bastante buena para detectar patrones y puede descubrir tendencias más profundas que los humanos no tienen ninguna posibilidad de detectar. Sin embargo, la IA no entiende nada . Tampoco puede crear una conexión emocional con los usuarios humanos.

Vimos cómo la IA está abriendo camino en la investigación del cáncer. Está superando los diagnósticos realizados por médicos expertos. Sin embargo, ¿cree que los pacientes están listos para escuchar su diagnóstico de cáncer por medio de máquinas? La inteligencia emocional y la empatía son habilidades profundamente humanas. ¿Qué importancia tienen estos para su solución? Pensar en esta pregunta lo ayudará a decidir si realmente necesita IA y le mostrará el alto nivel de participación humana que se necesita, incluso si implementa IA.

Cómo no poner el carro delante del caballo

Hemos analizado las deficiencias de la IA y las situaciones en las que puede encajar terriblemente. Para poner esto en perspectiva, debe ver la IA como otra herramienta más en su kit de herramientas de análisis, aunque sea una poderosa.

¿Cómo puede saber si la IA se adapta a sus necesidades?

Empiece por las necesidades de su negocio. Descubra formas en las que la tecnología y los datos pueden abordar los desafíos. Encuadre la mejor solución para abordar su problema empresarial. Evalúe todas las herramientas a su disposición, comenzando por las técnicas más simples. A medida que avanza en complejidad, equilibre la simplicidad y la eficacia de los resultados. Si elige IA, asegúrese de tener los datos correctos, el presupuesto necesario y el nivel adecuado de intervención humana para que funcione.

Relacionado: 4 formas en que la inteligencia artificial está dando forma al futuro para empresas grandes y pequeñas