La inteligencia artificial (IA), la tradicional (tareas específicas siguiendo algoritmos) más aún la generativa (GenAI) y, hacia delante, los agentes de IA (programas que realizan tareas autónomamente a nombre de un usuario) pueden optimizar las operaciones, mejorar la toma de decisiones e impulsar el crecimiento de los ingresos en las empresas más de lo que parecería posible, y los directivos financieros son actores fundamentales. Sin embargo, muchos proyectos fracasan.
Así aborda José Parra Moyano, especialista en estrategia digital del IMD de Lausana, Suiza, la oportunidad de la IA para las empresas y cómo los CFOs pueden conducir con efectividad la adopción al dar centralidad a tres aspectos: valor de negocio, disponibilidad de los datos (readiness) y aceptación del cambio entre el personal.
Como sea, el camino es retador. Parra Moyano refiere que analistas de Barclays Investment Bank estiman que agentes de IA pueden ejecutar de forma independiente aproximadamente 7 mil millones de tareas. Sin embargo, también hay mucho por remontar. Con su visión panorámica de la organización y su liderazgo en la estrategia financiera, los CFOs están en una posición única para gestionar el desarrollo, equilibrando la innovación con resultados mesurables.
Para obtener esos beneficios se necesita mucho más que una buena implementación técnica. De entrada, asegurarse de que las iniciativas de IA estén alineadas a los objetivos generales de la empresa, evitando esfuerzos divergentes y aislados e impulsando ventajas competitivas.
Preguntas estratégicas y técnicas
Por ahora, muchas organizaciones tienen dificultades para convertir la promesa de la IA en resultados significativos, y numerosos proyectos no logran cumplir los objetivos, apunta Parra Moyano, quien hace hincapié en la trilogía valor-datos-personas para conceptualizar las preguntas críticas para los tomadores de decisiones.
¿Qué valor busca crear la organización con la IA? ¿Se tiene acceso a los datos necesarios? ¿Cómo percibirán los cambios los empleados y las partes interesadas? ¿Se adaptarán a ellos?
Respondiendo a ello, los CFOs pueden priorizar recursos, mitigar riesgos y aumentar la probabilidad de éxito de largo plazo.
Como se resalta en el reporte global de la IA en las finanzas de KPMG, para empezar, la adopción en la propia área no es sencilla por retos muy claros. Como el riesgo de filtraciones de datos confidenciales y en la integración con otros componentes, como servicios en la nube y APIs, lo que puede aumentar puntos de entrada a piratas informáticos.
La falta de habilidades y talento en materia de IA es otro desafío de primer nivel, junto con otros más técnicos, como la coherencia de los datos y la transparencia de las soluciones, así como los costos.
Además, los tipos de escollos del camino irán cambiando a medida que las empresas maduren en el uso de la IA: en las primeras etapas, dominan la seguridad de los datos, las habilidades y los costos, pero pronto llegan otras preocupaciones.
Por ejemplo, encontrar datos consistentes en grandes conjuntos de datos se vuelve más difícil y la resistencia del personal aumenta a medida que se ven afectados los puestos de trabajo.
Top 10 de barreras de adopción según los CFOs
Del reporte de KPMG:
- Vulnerabilidades de seguridad de datos
- Habilidades y conocimientos limitados sobre IA
- Dificultad para recopilar datos consistentes
- Costos de implementación elevados
- Falta de transparencia
- Garantizar el cumplimiento
- Potencial de sesgo y desinformación
- Retorno de la inversión incierto
- Dificultad para integrar herramientas existentes
- Resistencia del personal
Retos regionales
De acuerdo con el reporte “La Inteligencia Artificial en América Latina” de NTT Data y la encuesta correspondiente, la falta de talento especializado destaca como el mayor desafío en la región, identificado por más de 44% de las empresas, especialmente en IA generativa. Sigue la calidad y la cantidad de datos representan (más del 43 por ciento).
Otros desafíos relevantes: falta de claridad estratégica, máxime en la IA generativa, retorno de inversión, costos de implementación y los de mantenimiento.
La IA generativa enfrenta un mayor nivel de incertidumbre debido a su etapa temprana de adopción, mientras que en las aplicaciones más consolidadas de la tradicional hay un avance más sólido en la rentabilidad percibida.
Finalmente, NTT Data pone el foco en otros retos culturales, técnicos o éticos, de la resistencia al cambio a la “cajanegrización” y la “alucinación”, todo lo cual compromete la confianza en la IA. Finalmente, pero no menos importante, la ética ocupa un lugar central, entre otras razones, por la necesidad de alinear su uso con principios de responsabilidad, privacidad, ciberseguridad y manejo adecuado de datos.
Como se advierte, el camino de adopción de la IA es retador, si bien puede facilitarse mucho con aliados estratégicos, como lo estamos haciendo en ARMS para impulsar su aprovechamiento en los procesos de cuentas por cobrar (AR), con resultados concretos en flujo de efectivo y retorno. Hacia un mundo nuevo en las empresas.