INFORME

En resumen

En resumen

  • Para profesionalizar el uso que hacen de la IA, las empresas tienen que crear roles bien diferenciados y definir nuevas normas sobre la forma de trabajar:
  • Exigir formación académica y profesional para generar confianza en IA, con requisitos y normas claras para los profesionales
  • Definir procesos que permitan una colaboración eficaz entre equipos interdisciplinares para desarrollar los mejores productos y servicios
  • Democratizar datos y conocimientos sobre IA que preparen a los profesionales para el rápido avance de esta tecnología


La inteligencia artificial (IA) es una prioridad de negocio muy importante. Por ello las empresas han invertido 306.000 millones de dólares en aplicaciones de IA durante los tres últimos años. Las empresas que escalan la IA en su organización pueden casi llegar a triplicar el rédito de sus inversiones, pero todavía son muchas las que no generan el valor que esperaban.1

A largo plazo, será necesario profesionalizar la industria para escalar la IA y hacer un uso eficaz de ella. Todos los implicados (desde los profesionales hasta los líderes, tanto en el sector público como en el privado) deben unir fuerzas para crear roles y responsabilidades bien diferenciadas; exigir el nivel adecuado de formación académica y profesional de los empleados; definir procesos que permitan el desarrollo, la implantación y la gestión de IA, y democratizar los conocimientos de IA en toda la empresa.

Las empresas podrán generar más valor con la IA si la convierten en una industria con sus propias normas y principios comunes. De ese modo, podrán crear una estructura de responsabilidades clara, lo que a su vez contribuirá a evitar riesgos como sesgos, mal servicio a los clientes y otras consecuencias imprevistas.

Eso es lo que hace que en campos profesionalizados (como la medicina, la construcción o incluso el servicio de alimentos) exista un nivel intrínseco de confianza entre los clientes y las empresas (y profesionales) que componen cada industria. El origen de esa confianza hay que buscarlo en las normas que fijan las expectativas de todos los interesados.

Por ejemplo, todos damos por hecho que los arquitectos, los electricistas y otros profesionales de la construcción saben cómo construir una casa. Han recibido la formación necesaria y conocen sus roles y responsabilidades, las normas de seguridad y los protocolos que deben seguir durante todo el proceso. Nadie confiaría la construcción de su casa a un “arquitecto aficionado”, del mismo modo que nadie acudiría a un “médico aficionado” para que le curara.

Las empresas podrán generar más valor con la IA si la convierten en una industria con sus propias normas y principios comunes.

Pese a ello, las empresas siguen nutriendo sus equipos de análisis de datos con “investigadores de datos aficionados” (o personas que crean modelos usando analítica predictiva, pero que son ajenas al campo de la analítica de datos) sin darles las normas y garantías que necesitan para su trabajo. Las diferencias pueden ser grandes incluso entre los investigadores de datos formados y homologados. Más allá de la necesidad de una formación formal y reglada, lo cierto es que estos profesionales suelen trabajar aislados, lo que les impide aprovechar todo el potencial de la IA. Solo es posible generar valor si los profesionales de IA trabajan mano a mano con el negocio para cumplir los objetivos de la organización y existen normas, reglas y procesos que facilitan la colaboración entre esos equipos interdisciplinares.

1.5-2.5x

Los escaladores estratégicos tienen 1,5-2,5 x más probabilidades de desarrollar equipos interdisciplinares dedicados a la IA.

Únicamente así podrán las empresas ofrecer sus productos y servicios de manera segura y predecible, ganándose la confianza de los clientes y elevando los niveles de calidad en innovación y aplicaciones.

¿Por qué es el momento de profesionalizar la IA?

Tres de cada cuatro ejecutivos creen que corren el riesgo de quedarse sin trabajo si no consiguen escalar la IA en los próximos cinco años.2 Según una encuesta de Accenture a 1500 ejecutivos con nivel directivo, las empresas que logran escalar la IA (para obtener más beneficio de sus inversiones en IA) están empleando tácticas de profesionalización. Estos “escaladores estratégicos” tienen 1,5-2,5 más probabilidades de desarrollar equipos interdisciplinares dedicados a la IA, con la formación necesaria y líneas claras de responsabilidad. Por lo tanto, debemos considerar la profesionalización como un requisito indispensable para escalar la IA con éxito.

La pandemia de COVID-19 ha agudizado el contraste entre las empresas que han profesionalizado y escalado sus capacidades de IA y las que no lo han conseguido. Ahora que las empresas están adoptando nuevas capacidades de datos e IA en un intento por recuperarse y volver a la senda del crecimiento, es muy importante que también se profesionalicen estos nuevos escaladores.

La pandemia de COVID-19 ha agudizado el contraste entre las empresas que han profesionalizado y escalado sus capacidades de IA y las que no lo han conseguido.

¿Qué hacen las empresas para profesionalizar la IA?

El avance de las tecnologías y aplicaciones de IA es demasiado rápido para que gobiernos y organismos reguladores puedan introducir reformas y normas en la industria, lo que obliga a las empresas a abordar la profesionalización por sus propios medios. Si siguen los pasos que describimos a continuación para normalizar procesos y profesionales, las organizaciones estarán mejor preparadas para escalar la IA y, por tanto, para aprovechar al máximo esta tecnología en rápida evolución.

1. Crear roles de IA claramente diferenciados
El sello distintivo de una industria profesionalizada es que los trabajadores saben cuáles son los roles individuales que contribuyen a un resultado final. Podemos tomar como ejemplo el servicio de alimentos, donde los agricultores y ganaderos cultivan legumbres y crían ganado, los proveedores abastecen a los mercados y los empleados de los restaurantes se encargan de preparar, envasar y servir la comida.

72%

de los escaladores estratégicos asegura que sus empleados comprenden la IA y la relación que tiene con su trabajo.

Del mismo modo, es necesario tener equipos interdisciplinares en los que coexistan personas con diferentes conocimientos, métodos y puntos de vista, y que trabajen para innovar y desarrollar productos y servicios basados en IA. El estudio de Accenture indica que el 92 % de los escaladores estratégicos forma equipos interdisciplinares en su organización. Además, el 72 % asegura que sus empleados comprenden la IA y la relación que tiene con su trabajo.3

Los escaladores estratégicos demuestran la importancia de tener roles claramente diferenciados en equipos interdisciplinares. Es la mejor forma de eliminar responsabilidades redundantes y definir el área de influencia de cada persona. Estos equipos, que normalmente están dirigidos por el responsable de IA, datos o analítica, suelen contar entre sus miembros con expertos en modelos de datos, ingenieros de aprendizaje automático y especialistas en calidad de datos, por nombrar algunos. La combinación exacta de roles dependerá de cada aplicación y variará de un proyecto a otro. Este proceso se puede ir refinando poco a poco, aprovechando los conocimientos de empresas colaboradoras y/o definiendo un modelo de operación para los equipos. Pero hay una cosa común a todos los proyectos: la necesidad de definir responsabilidades y expectativas desde el principio.

Veamos un ejemplo. En una fábrica, una bomba se desgastaba más rápido de lo esperado y nadie sabía por qué. Un monitor de IA indicaba que algo iba mal, pero no podía identificar el problema mecánico. El equipo de ingenieros siguió investigando y descubrió que la bomba perdía aceite durante la noche. Alguien del personal limpiaba la mancha y reponía el aceite todas las mañanas, de modo que no quedaba ningún indicio de la fuga ni de su magnitud. Gracias a la inclusión de un ingeniero en el equipo, la aplicación de IA pudo tener en cuenta todas las condiciones relevantes y consiguió identificar el problema.

Otro ejemplo muestra la importancia de definir responsabilidades dentro de un grupo: en una empresa de petróleo y gas, un equipo de IA estuvo diez semanas sin trabajar porque sus miembros no consiguieron ponerse de acuerdo sobre quién era responsable de los datos del proyecto.

La profesionalización puede plantear problemas a las empresas por diversos motivos, incluida la incapacidad de cubrir carencias de conocimientos. Aunque sepan cuáles son las habilidades que les faltan, no siempre les resulta fácil encontrar y contratar a suficientes personas que tengan la experiencia necesaria para paliar esas carencias en poco tiempo. Una solución puede ser recurrir a la colaboración (o adquisición, incluso) de una empresa profesionalizada que no solo tenga los conocimientos adecuados, sino también equipos con métodos de eficacia probada y orientados a la producción. Accenture, por ejemplo, ha adquirido varias empresas profesionalizadas de software y servicios durante el último año para reforzar su posición en el mercado.4

2. Exigir formación académica y profesional en IA
El aumento de la inversión de las organizaciones en IA y datos ha hecho que los empleados comprendan mejor la creciente influencia de estas tecnologías en sus empresas y en sus carreras profesionales. Pese a ello, muchos empleados carecen todavía de la formación necesaria para utilizar la IA en sus trabajos.

Es importante que las organizaciones definan la formación académica y profesional que exigen a sus empleados de IA. Los investigadores de datos proceden de distintos campos y no siempre tienen los conocimientos de matemáticas o informática que requieren los proyectos de IA. Incluso es posible que alguien con un doctorado haya estudiado algo tan especializado que sea irrelevante para lo que la empresa necesita. Por otra parte, las empresas que consiguen escalar la IA procuran contar con personal que ofrezca la combinación adecuada de conocimientos y cualificaciones. El 70 % de los escaladores estratégicos, por ejemplo, asegura que sus empleados han recibido formación formal sobre IA y datos.5

Las empresas que deseen contar con una plantilla profesionalizada y eficaz tienen que valorar las habilidades que necesitan, las carencias de formación en sus plantillas y las cualificaciones de sus empleados para asignarles los roles más adecuados. Una forma de paliar las carencias de conocimientos es adquirir una empresa profesionalizada o trabajar con ella, aunque también es posible buscar acuerdos de colaboración con instituciones académicas y de investigación para formar a los empleados o tener acceso a nuevas reservas de talento en el futuro.

Accenture, por ejemplo, mantiene una relación estratégica con el Berkeley Institute for Data Science (BIDS) de la Universidad de California para avanzar en el campo de la investigación de datos. El programa está pensado para que investigadores, estudiantes y la práctica de Applied Intelligence de Accenture tengan la oportunidad de colaborar en la exploración de complejos problemas a los que se enfrenta la sociedad al tiempo que aprenden unos de otros.6

A la hora de contratar talento, las empresas suelen emplear filtros técnicos para valorar si un candidato posee el nivel de conocimientos necesario para un puesto. Si quieren que sus profesionales de IA tengan más responsabilidad y confianza, las empresas deben establecer puntos de evaluación periódica a lo largo de toda la carrera de un empleado para verificar sus conocimientos y proseguir su formación técnica. Del mismo modo que los trabajadores de la construcción tienen que renovar sus certificados para mantenerse al día de los cambios en técnicas y teorías, las empresas deben probar una y otra vez la competencia profesional de sus empleados de IA para asegurarse de que están a la altura de la confianza depositada en ellos, así como para ofrecerles la formación que necesiten para actualizar sus conocimientos.

Un buen modelo de formación requiere que las empresas establezcan trayectorias profesionales claras para sus empleados de IA. Debe haber prerrequisitos bien definidos para cada nivel profesional, como cursos de formación que ayuden a adquirir los conocimientos necesarios. En la definición de esos prerrequisitos deben participar responsables de tecnología, datos y recursos humanos, e incluso se puede consultar a expertos externos de importantes instituciones académicas. La transparencia del proceso aclarará las expectativas de formación para todos los que trabajen en proyectos de IA, desde arquitectos de datos hasta desarrolladores de pruebas o ingenieros de aprendizaje automático. Además de estas ventajas, establecer trayectorias profesionales contribuye también a la retención de talento, al desarrollo de los empleados y a la profesionalización de la práctica.

3. Definir procesos de IA
Aunque hay quien dice que el gobierno y los procesos formales son un freno a la innovación, nuestro estudio indica todo lo contrario. Las empresas con un buen gobierno de la innovación esperan doblar el crecimiento de ingresos en un plazo de cinco años.7

Las industrias profesionalizadas cuentan con modelos estándar de pruebas y referencias que pueden usar para la creación (u optimización) de productos y servicios. Del mismo modo, contar con sistemas y procesos que faciliten el desarrollo de un producto o solución de IA permite innovar de un modo predecible y eficiente, ya se trate de fabricar dispositivos inteligentes o de crear un modelo de datos para mejorar la experiencia de compra online.

Cuando alguien cae enfermo, tiene que pasar por las manos de enfermeras, médicos y otros especialistas que le diagnostican el problema y le recomiendan el mejor tratamiento. Una vez definidos roles diferenciados para sus equipos de IA, las empresas pueden seguir el ejemplo de la profesión médica y definir procesos que rijan el desarrollo, la implantación y la gestión de soluciones de IA. Esos procesos tienen que indicar a los empleados cómo deben colaborar, cómo deben elegir tecnologías para producir la solución de IA y cómo deben relacionarse con esas tecnologías. Por ejemplo, si un grupo de investigadores de datos crea un algoritmo nuevo, una organización con un enfoque profesionalizado de la IA crearía un sistema para probar el algoritmo y garantizar que hace lo que tiene que hacer de una manera segura, predecible y uniforme.

Una empresa de telecomunicaciones, por ejemplo, ha establecido un organigrama de IA con roles y responsabilidades bien definidos. Su oficina de dirección de proyectos se encarga de tareas específicas, como mejoras continuas, informes financieros, seguimiento y definición de objetivos. El modelo operativo de la empresa facilita el trabajo de todos los implicados en el desarrollo de soluciones de IA, desde la prueba de concepto y el producto mínimo viable hasta el producto final.

4. Democratizar los conocimientos sobre IA en la organización
Aunque no cabe duda de que los líderes se muestran cada vez más interesados por invertir en tecnologías de IA, la verdadera profesionalización resultará en (y dependerá de) la difusión de conocimientos sobre IA en toda la organización.

Por su propio bien y el de sus empleados, las organizaciones tienen que ofrecer algún tipo de formación sobre IA. Según nuestro estudio, el 62 % de los trabajadores cree que la IA tendrá un efecto positivo en su vida profesional y el 67 % considera que es importante adquirir habilidades para trabajar con máquinas inteligentes.8 Es evidente que los empleados comprenden las consecuencias que la IA puede tener sobre sus trabajos y están dispuestos a aprender. Las organizaciones tienen la oportunidad (y la responsabilidad, en nuestra opinión) de hacer lo posible por ayudarles.

Las empresas deberían empezar por definir el nivel mínimo de conocimientos sobre IA que exigen a sus empleados. Ayudar a que toda la plantilla comprenda qué es la IA, cómo afecta a sus trabajos y cómo beneficia a la empresa contribuirá a generar confianza en la IA y a aumentar los niveles de adopción y uso.

Siguiendo con la analogía que empleamos anteriormente, todos y cada uno de los empleados de un hospital desempeñan un papel importante en la atención a los pacientes. Desde los conserjes hasta los técnicos, todos saben cuál es su contribución a la salud y seguridad de los pacientes, aunque no hayan estudiado medicina. Del mismo modo, exigir un nivel básico de conocimientos sobre IA a todos los empleados hará que la organización tenga más probabilidades a largo plazo de escalar la IA.

La democratización de los conocimientos sobre IA podría preparar a los equipos de marketing para presentar servicios de IA de manera clara a los clientes y venderlos con más facilidad, dotar a los equipos jurídicos de los conocimientos necesarios para comprender mejor las implicaciones legales y evitar que la organización quede expuesta a riesgos que pueden resultar muy costosos, y ajustar los procesos y requisitos para contratar a nuevos profesionales de IA.

Ni que decir tiene que la difusión de conocimientos sobre IA tiene que alcanzar a todas las funciones de una organización. El esfuerzo de democratización para generar confianza en la IA debe ir mucho más allá de los responsables de tecnología y analítica y sus equipos respectivos. Una de las conclusiones de nuestro estudio es que una distancia menor entre directivos y profesionales de IA aumenta las probabilidades de generar valor. Cuando todo el mundo comprenda lo que es la IA, los empleados no solo serán más productivos, sino que también estarán mejor preparados para ayudar a escalar la IA en toda la empresa.

Una distancia menor entre directivos y profesionales de IA aumenta las probabilidades de generar valor.

Como vemos, la personalización es fundamental para el éxito de las prácticas de IA y datos. Y si eso hace que la empresa tenga una organización más ágil y conectada, la pregunta es: ¿a qué estás esperando?

Las empresas líderes no esperan que la industria o los organismos reguladores les digan cómo tienen que profesionalizar la IA. Trabajamos con ellas para ayudarles a crear roles bien diferenciados, exigir formación académica y profesional, definir procesos y democratizar los conocimientos sobre IA dentro de sus “límites”.

¿Estás preparado para convertirte en "pro"? Habla con nosotros.



1 Accenture, “IA: Escalar hacia el éxito”, 14 de noviembre de 2019, págs. 3 y 6

2 Accenture, “IA: Escalar hacia el éxito”, 14 de noviembre de 2019, pág. 3

3 Accenture, “IA: Escalar hacia el éxito”, 14 de noviembre de 2019, pág. 15

4 Wall Street Journal, “Accenture Looks to Boost AI Capabilities Through Acquisitions”, por Jared Council, 22 de junio de 2020

5 Accenture, “IA: Escalar hacia el éxito”, 14 de noviembre de 2019

6 Pioneering the future together: Accenture Applied Intelligence and Berkeley Institute for Data Science join in new program

7 Accenture, “Cómo gobernar la innovación”, 14 de enero de 2020, pág. 22

8 Accenture, “Preparado. Listo. Escala.”, 4 de diciembre de 2019, pág. 21

Jaime Rodríguez Lagunas​​​

Responsable en España, Portugal e Israel y responsable global de Supply Chain & Operations Analytics – Applied Intelligence​​

MÁS INFORMACIÓN

IA: Escalar hacia el éxito
Cómo escalar la IA empresarial para generar valor

Centro de suscripción
Continúa informado con nuestra newsletter Continúa informado con nuestra newsletter