Democratización, Accesibilidad y Rentabilidad
IA para todos
La inteligencia artificial (IA) ha logrado un progreso significativo en la última década y ha contribuido a la innovación en múltiples áreas, desde los coches autónomos sin conductor, hasta la irrupción de ChatGPT en los últimos meses.
Las soluciones de IA se están convirtiendo en algo necesario y habitual para las empresas que quieren sacar partido a los valiosos datos de los que disponen. Estas aplicaciones ofrecen una amplia gama de soluciones que van desde análisis de textos, hasta herramientas predictivas más sofisticadas.
Según IBM , la tasa de adopción global de IA aumentó 4 puntos porcentuales en 2022, alcanzando casi el 35 %. Sin embargo, el mismo estudio también indica que la brecha en la adopción de IA entre empresas grandes y pequeñas creció significativamente el año pasado.
Hoy en día, las empresas más grandes tienen el doble de probabilidades de implementar activamente la IA como parte de sus procesos de negocio que las empresas más pequeñas, que a menudo encuentran barreras costes de desarrollo y problemas de escalabilidad.
Las PYMES a menudo se resisten a abordar proyectos de IA porque no están seguros de la rentabilidad y de los resultados a obtener. Lo más frecuente y conveniente es arrancar con proyectos piloto o pruebas de concepto para probar los algoritmos y cerciorarse de su aplicabilidad.
Los proyectos de IA desarrollados o implementados internamente en la empresa generalmente tardan meses en desarrollarse y madurar, lo que conlleva un largo período de gestación y gastos significativos. Ahí es donde entra en juego la IA como servicio (AIaaS).
La AIaaS permite a las PYMES aprovechar el poder de las tecnologías de IA sin asumir grandes inversiones iniciales ni escribir una sola línea de código, y sin necesidad de desarrollar o instalar nada localmente, e incluso sin tener ninguna experiencia técnica particular.
Es el enfoque ideal para empresas que quieren ver el potencial que les aporta
No exige grandes recursos iniciales: ni monetarios, ni humanos. Posibilita acceder a soluciones de IA a través de proveedores externos en lugar de tener que contratar a un equipo de expertos para desarrollarlo/implementarlo internamente. Se consigue con ello acceder a los beneficios de la IA con una inversión inicial reducida, y sin perder la capacidad de personalizar el software para satisfacer las necesidades específicas de cada empresa
Implica un menor riesgo ya que las empresas pueden seguir centradas en sus competencias principales, mientras obtienen acceso a las posibilidades de la IA
Permite utilizar rápidamente modelos genéricos pre-entrenados a través de mecanismos plug-and-play a un costo razonable y accesible.
Mercado y Modelo de Negocio
Según NASSCOM, el mercado global de AIaaS superará los 41K millones de $ en 2025 (casi cinco veces el tamaño del mercado actual).
AIaaS se sustenta actualmente en grandes proveedores en la nube como IBM, SAP, Google, AWS, Salesforce, Intel y Baidu, pero también hay nuevas empresas más pequeñas que ofrecen soluciones
El enfoque es similar a otras ofertas "como servicio" que ofrecen actualmente muchos proveedores de software, con todo alojado en la nube y ofreciendo tecnologías diversas como: modelos de lenguaje conversacionales (Tipo ChatGPT), la visión por ordenador, el aprendizaje automático y la robótica.
Con este modelo de negocio, la empresa puede pagar sólo los servicios que necesita y que va a usar, y siempre puede hacer “upgrades” de nuevas funciones o actualizar a planes superiores cuando los datos y el negocio lo requieran.
No hay nada gratis
La plataforma AIaaS es una bendición para las pymes, pero tampoco es un modelo perfecto, ni mucho menos gratis.
Exige definir cuidadosamente protocolos de uso, acceso y seguridad del dato, y los principales problemas que pueden derivarse de su implementación, podemos clasificarlos en 3 grandes grupos:
Inexactitud en la comprensión de los datos – La interpretación de los resultados puede llevar a conclusiones erróneas y llegar a provocar “decisiones” empresariales incorrectas
Sesgo algorítmico - Si los algoritmos tienen fallos, no están optimizados para casos extremos, o bien están sesgados por sus datos de entrenamiento, proporcionarán resultados erróneos y poco fiables.
Efecto "caja negra" de la IA o carencia de Explicabilidad - Una solución de IA puede proporcionar predicciones precisas de manera consistente, pero no explica cómo o por qué llegó a esa conclusión.
Los mejores casos de uso de AIaaS en PYMES y con menos riesgo, son aquellos que proporcionan mucho valor al negocio, exigen poco esfuerzo y no necesitan involucrar datos privados y confidenciales. Este gráfico muestra el área azul que representa el escenario ideal (“Sweet spot”)
Si por ejemplo se decide usar AIaaS para implementar un bot para automatizar el servicio de atención a clientes, habría que:
Establecer el tipo de datos que la empresa quiere permitir que el sistema almacene o comparta
Asegurarse de las regulaciones vigentes para determinar hasta qué punto pueden usarse o no esos datos
Definir normativa y reglamentos para los empleados que interaccionen con la plataforma
Todo esto debe estar claramente documentado, procedimentado, y compartido con todas las partes interesadas dentro de la organización.