Los datos y la inteligencia artificial se afianzan como principales motores digitales

  • Transformación Digital

Inteligencia Artificial

Casi el 40% de las empresas aumentará sus inversiones digitales el próximo año. Como motores clave de la digitalización de las organizaciones destaca mejorar la eficiencia operativa y de los recursos, reducir el time-to-market y la diferenciación de productos, según Keepler Data Tech.

  Recomendados....

» Claves en el nuevo proceso de venta digital y e-commerce B2B Leer
» El futuro de los centros de datos a debate: tendencias y evolución Visualizar
» Los cambios que se avecinan en el sector digital y tecnológico Informe

Cerca de cuatro de cada 10 empresas incrementarán su inversión en digitalización en 2023. Se estima que sectores como energía, salud, industria, retail, seguros o fintech apostarán por soluciones avanzadas de big data e inteligencia artificial (IA) para dar un nuevo paso hacia la máxima personalización de sus productos y servicios, avanzar en seguridad y privacidad de sus datos e incrementar su velocidad transaccional a gran escala, la detección del fraude, la automatización de sus procesos o el mantenimiento predictivo y los omnipresentes chatbots. A este respecto, Keepler Data Tech destaca la relevancia de tres motores clave de la digitalización de las organizaciones: la automatización de procesos, la reducción del time-to-market y la diferenciación de productos. Para continuar avanzando en esta línea, las compañías deberán afrontar cinco retos a corto plazo:

-- Mayor perspectiva data-centric en los proyectos de Inteligencia Artificial, donde la prioridad no es acumular datos, sino trabajar en la mejora de su calidad y consistencia. El correcto etiquetado de los datos, las estrategias data-augmentation, el versionado o los feature stores aceleran este proceso.

-- Los proyectos de IA deberán tener presentes aspectos de privacidad y seguridad, desde su definición. Además de asegurar la información, también es necesario determinar modelos más robustos y fiables, y aplicar técnicas como adversarial training, para prevenir respuestas ante posibles datos corruptos o escenarios poco frecuentes.

-- Automatización de procesos cognitivos, incorporando servicios disponibles en distintas plataformas cloud o haciendo uso de modelos pre entrenados “multimodales” en el estado del arte (Dall-E o CLIP como ejemplos), o textuales (GPT 4), para resolver distintos tipos de tareas de carácter creativo, como realizar síntesis semántica, crear nuevo contenido textual y visual, o responder preguntas de forma interactiva.

-- Incrementar capacidades big data de los procesos, cada vez más exigentes. En este sentido, gana relevancia la computación cuántica, capaz de resolver problemas complejos, realizar simulaciones a gran escala o desafíos en procesos de optimización, entre otros.

-- Implementar buenas prácticas en forma de regulación y compromiso para que la tecnología sea aplicada de la forma más transparente, ética y justa posible, lo que se traduce en datasets lo más representativos posible, chequeando sesgos, realizando análisis de sensibilidad o priorizando la interpretabilidad mediante modelos más sencillos orientados a objetivos.

Para afrontar los retos tecnológicos, las alianzas con partners o colaboradores tecnológicos especialistas, que dispongan del conocimiento y la experiencia especializada, es una práctica cada vez más extendida. Pero, además, para que este desarrollo sea sostenible en las organizaciones, se requiere de una inversión en capacitación por parte de las empresas y de un esfuerzo personal de los individuos, que facilite la adquisición de nuevas habilidades, así como una actitud abierta para el desarrollo y la capacitación continua.