Comentario de McKinsey
Alexander Sukharevsky
Socio Senior y colíder global de QuantumBlack, AI de McKinsey
A pesar del pico en la adopción de IA generativa, todavía estamos en la fase de experimentación, y muchas organizaciones buscan soluciones relativamente simples y de un solo paso. Aunque varía según la industria, aproximadamente la mitad de los encuestados dicen que utilizan modelos de IA generativa disponible y listos para usar en lugar de soluciones diseñadas a medida. Esta es una tendencia muy natural en los primeros días de una nueva tecnología, pero no es un enfoque sólido a medida que la IA generativa se adopta más ampliamente. Si los tenemos, probablemente nuestro competidor también los tenga. Las organizaciones deben preguntarse: ¿cuál es nuestra ventaja competitiva? La respuesta, en muchos casos, probablemente será la personalización.
Pero incluso ahí la respuesta no es tan sencilla. La columna vertebral y el cerebro de la empresa del futuro dependerán de una combinación bien orquestada de múltiples modelos fundamentales, tanto soluciones listas para usar como herramientas que se han ajustado con precisión a las necesidades específicas de la empresa. De hecho, con la IA generativa estamos pasando de un mundo binario de “desarrollar versus comprar” a uno que podría caracterizarse mejor como “comprar, desarrollar y asociarse”, en el que las organizaciones más exitosas son aquellas que desarrollan ecosistemas que combinan tecnologías patentadas, modelos disponibles en el mercado y de código abierto.
Por último, los directivos deben comprender que los modelos de IA generativa suelen representar solo 15 por ciento de cualquier solución. En otras palabras: no se trata solo de tecnología. Para crear valor, las organizaciones deben contar con todos los elementos necesarios: capacidad de reimaginar el dominio, conjuntos de habilidades relevantes (incluida la capacitación de colegas no técnicos), un modelo operativo sólido y datos propios. Solo cuando estos factores estén en su sitio podrán las organizaciones liberar el impacto y pasar de la experimentación a la escala.