"En la mayoría de las empresas con las que trato, siempre hay unos cuantos núcleos de datos limpios y de gran calidad", dice Michael Schrage, investigador de la Massachusetts Institute of Technology Sloan School of Management (MIT Sloan). "Pero son muy pocas las empresas que cuentan con la calidad de etiquetado, trazabilidad y gobierno requerida sin preámbulos para entrenar algoritmos de machine learning o para mejorar ChatGPT o Llama".
La calidad de los insights depende de la calidad de los datos. De hecho, un 67 % de los CEO identifica los posibles errores como uno de los mayores riesgos de la IA y el ML. Pero la integridad de los datos no es lo único que frena a los líderes empresariales. Y casi la mitad de los CEO (49 %) dice que sus empresas no están preparadas para adoptar la IA y el ML, al carecer de algunas o todas las herramientas, skills y conocimientos requeridos para integrar estas tecnologías.
El camino por recorrer
Para capitalizar la innovación, la velocidad es esencial. Y eso es aplicable a la IA. "Quienes se quedan al margen, están desperdiciando tiempo de aprendizaje del que ya se benefician los que están creando su IA", afirma en el informe Ajay Agrawal, Rotman School of Management, University of Toronto. "Cuanto antes la implementen, antes empezará a aprender la IA".
Conviene remontarse a los comienzos de Internet: muchas de las primeras marcas en utilizar la nueva tecnología aún están entre nosotros. Las que no lo hicieron, o esperaron demasiado y no consiguieron ponerse a la altura de los precursores, han desaparecido.
Para descubrir más insights sobre la posición de la alta dirección respecto a la IA y la ventaja de los precursores, descargue el "Informe de indicadores globales de IA en la alta dirección: la IA como factor de superación".