No cabe duda de que la inteligencia artificial (IA) es una de las tecnologías de mayor relevancia en la actualidad, por su potencial para mejorar procesos y experiencias, y de abrir nuevos horizontes de negocio para todas las industrias a nivel global. Sin embargo, el grado de capacidad para adoptarla, explotarla y explorarla por parte de las empresas de Argentina depende de múltiples factores. 

Las grandes compañías argentinas consideran la tecnología como revolucionaria y capaz de "conectar el negocio hacia el futuro", como menciona el CIO de Banco Galicia, Fernando Turri. Sin embargo, aún es necesario impulsar un cambio de cultura para se entienda el potencial de esta transformación.

Los responsables de la implementación de la IA suelen ser los "evangelistas y promotores" internos de cada empresa. Les toca demostrar el potencial real de la IA, centrándose en el desarrollo de talento, inversión en la capacidad de procesamiento de datos y visión a futuro de los beneficios para el negocio.

"La brecha entre el potencial y la acción real es puramente cultural. Requiere que cada área de negocio interiorice el potencial que tiene la IA y busque, encuentre y se atreva a aplicarla en sus casos de uso particulares", apunta el Head of Automation de everis, Vicente Peirotén.

Las expectativas sobre la implementación de la IA en las grandes empresas argentinas son dispares. Por un lado, son conscientes de la complejidad que conlleva la implementación de la IA en su sentido más amplio. Por el otro, existen numerosos ejemplos sobre exploración o implementación de proyectos con machine learning, video analytics y reconocimiento facial, como prueba del interés incipiente de las compañías en la tecnología.

Exploración e implementación

Si bien existen diferencias entre los distintos sectores de la industria, en términos generales, la implementación de la IA en Argentina se centra en proyectos de optimización de procesos como atención al cliente, acciones de seguridad, prevención y mejora en la calidad del producto.

El CIO de Edenor, Luis Lenkiewicz, comparte su trabajo con modelos para detección de fraude, morosidad en el pago y mantenimiento predictivo: "En el caso de la morosidad, la IA puede ayudarnos a identificar patrones de comportamiento de nuestros clientes y complementar el trabajo analítico de nuestra gente. Buscamos identificar los comportamientos de pago y los canales utilizados, para aumentar la eficiencia y reducir la morosidad". Se trata de un ejemplo claro de cómo la IA puede contribuir a solucionar problemas específicos en las empresas.

Para la empresa con operaciones industriales de alta complejidad YPF, la seguridad es una prioridad. Su CTO, Sergio Fernández Mena, detalla: "Desarrollamos cinco algoritmos de IA, que procesan imágenes de videocámaras instaladas en nuestras plantas, y emiten alertas en tiempo real cuando detectan una o más de las siguientes condiciones inseguras: falta de casco de seguridad, falta de protección auditiva, falta de protección de la vista, falta de uso de guantes y el uso del teléfono celular. De esta manera, podemos actuar preventivamente y evitar accidentes".

Respecto a la optimización de procesos, el CIO de Swiss Medical, Eduardo Del Piano, detalla: "Hicimos un piloto con 100.000 solicitudes de atención. En cinco minutos obtuvimos resultados, análisis, gráficos, detalles, datos y un largo etcétera. Antes, hubiera sido imposible obtener esta información. Y cuando ves que el análisis es correcto, asusta un poco la velocidad a la que va. En la práctica, no todos realmente ven lo que impacta esta tecnología". Al mismo tiempo, recuerda las dificultades culturales a las que los proyectos de este tipo se enfrentan al llegar el usuario final: "Hay gente que no quiere ser atendida por una máquina, por lo que la adopción no es masiva para ciertas prácticas".

Otra de las aplicaciones clave relacionada con video analytics nos la cuenta el Chief Digital and Strategy Officer de Tenaris, Alejandro Lammertyn: "Tenemos miles de horas de video que se están grabando permanentemente. Procesar esta información nos permite anticipar comportamientos y reforzar procedimientos de seguridad o reducir índices de incidentes". Opina que el reto en este tipo de implementaciones es la inversión requerida en infraestructura para el procesamiento de los datos. Y añade: "El dato es el que le da consistencia al algoritmo. De ahí que estemos tan basados en los datos y sea nuestro activo más importante. Generarlo, limpiarlo y procesarlo tiene un costo".

Fernández Mena coincide: "Tenemos petabytes de datos, y es un desafío contar con la infraestructura para analizarlos de manera que sean útiles y relevantes para tomar decisiones a escala. Hemos avanzado mucho en desarrollar esas capacidades y herramientas, y también implementamos políticas para asegurar la gobernanza y uso durante el ciclo de vida de los datos".

Ambos testimonios reflejan las distintas posibilidades de la IA. Peirotén añade: "La gente se está dando cuenta que la IA se está aplicando en todas partes, no es solo una herramienta de eficiencia en costes, no es sólo una herramienta de mejora de ventas o de satisfacción de cliente, sino que se emplea en ambos mundos. Creo que este concepto y que todas las áreas de una empresa vayan entendiendo que lo pueden utilizar en su día a día es una lectura interesante ya que hay pocas tecnologías actualmente, en las que todo el mundo esté de acuerdo que las puede implementar".

El origen de los proyectos de IA

En la mayor parte de los casos, las áreas de Transformación Digital y Estrategia Digital de las grandes compañías argentinas son quienes asumen la responsabilidad de conducir los esfuerzos relacionados con la implementación de proyectos de innovación, entre los que figuran los de IA. La decisión de apostar por esta tecnología suele en los comités directivos, o equipos interdisciplinarios dentro de la empresa, que definen la prioridad de los proyectos y optan por asignar el presupuesto correspondiente para poder ejecutar las iniciativas de IA.

En las empresas con mayor madurez estructural, son las áreas dedicadas al crecimiento de negocio y de ventas las que tienen más capacidad para identificar los procesos de negocio que podrían verse beneficiados por la implementación de IA. Estas mismas áreas son las que se acercan directamente a los a los comités directivos para proponer los proyectos y conseguir la inversión necesaria para su desarrollo.

Muchas de las empresas mencionan la importancia de contar con equipos multidisciplinarios que, a partir de metodologías ágiles, incorporan técnicas para identificar con mayor precisión el concepto que desean poner en práctica, así como las rutas de iteración e implementación viables para generar verdadero valor al negocio. Estos equipos ágiles se conforman, no solo por especialistas en ciencia de datos y analítica de negocio, sino también por alianzas estratégicas generadas con externos que pueden proveer información de valor para la empresa y conocimientos técnicos especializados.

En la actualidad, dentro de las empresas argentinas, los equipos que trabajan en proyectos de inteligencia artificial solo representan una fracción de los equipos de innovación y tecnologías de la información. Estos cuentan con un presupuesto limitado que compite por la inversión de forma interna como cualquier otro proyecto relacionado con innovación.

En este punto resulta fundamental reconocer que, quienes cuentan con la visión del impacto que puede generar la IA en las grandes organizaciones en Argentina, no solo deben impulsar de un entendimiento interno adecuado de las capacidades y el valor que se genera, sino tambiém demostrar resultados para poder continuar con el desarrollo.

Lammertyn señala que, "a veces se necesita provocar al grupo de personas, no para que se vuelvan especialistas, sino para que entiendan el concepto y se conviertan en embajadores de ideas dentro de la empresa".

Retos: talento, estrategia y gobernanza

Otra de las realidades sobre la IA en Argentina es la existencia de una brecha considerable entre el talento y conocimiento que generan las universidades y lo que demanda el mercado. El mayor problema parece estar relacionado con la calidad de los recursos humanos y su capacitación. Las universidades y centros de formación no generan el nivel de capacitación que las empresas necesitan, y todas se pelean por los mismos recursos, lo cual hace que la adopción no sea tan rápida como se quiere.

Por otro lado, los perfiles necesarios varían en cuanto a las habilidades requeridas, tanto en la comprensión del negocio, como en los conocimientos específicos de tecnología y matemáticas. El mercado requiere científicos de datos, ingenieros de datos y analistas de negocio que puedan trabajar de manera ágil con los especialistas de los diferentes sectores. De esta forma, se busca complementar el conocimiento técnico y matemático con el propio de la industria y su mercado, para convertir las iniciativas de investigación y desarrollo, en productos altamente competitivos.

"A veces lo más difícil no es la ejecución, sino obtener el caso en el que vale la pena para generar valor", señala Lammertyn. La valoración de KPI, la expectativa de resultados y la velocidad para lograrlos pasa por una integración de talento y visión que no es fácil de obtener.

Por su parte, Mena detalla: "En realidad, el desafío más grande no pasa por la solución en sí misma, sino por aprender a hacer las preguntas correctas. Nos hemos dado cuenta de que nos hemos enfocado en encontrar determinadas soluciones a las que hubiéramos llegado de forma mucho más directa si hubiésemos dado un paso atrás para hacernos la pregunta correcta".

Las oportunidades para salvar esta brecha parecen residir en el emprendimiento. Peirotén señala: "Hoy en día, en Argentina, existen muchas start-ups y pequeños emprendedores dedicados únicamente a la IA y, en ese sentido, podemos considerar que ya es un ecosistema maduro, con potencial de exportación de talento y de servicios basados en la IA al resto de Latinoamérica".

Por último, otro gran desafío reside en la gobernanza de IA. Esta tecnología afecta transversalmente a diferentes áreas dentro de la empresa, ya que son muchos los procesos que pueden verse beneficiados por la implementación de IA. Esto implica transformaciones en las estructuras de gobierno de la empresa. Para establecer la gobernanza de IA será importante contar con una estrategia definida a corto y medio plazo para el desarrollo de la tecnología y crecimiento del negocio. Al mismo tiempo que será fundamental delimitar y asignar las responsabilidades para el desarrollo de proyectos de IA.

Conclusiones

Después de analizar los diferentes puntos de vista de los especialistas de las grandes compañías argentinas, queda claro que, aunque existe un entendimiento generalizado del potencial revolucionario de la inteligencia artificial y sus diferentes aplicaciones, los pasos para beneficiarse de él aún no son firmes y estructurados. Se requiere de una visión más estratégica que siente las bases para lograr que la IA transforme el negocio y las empresas de raíz.

Las empresas argentinas están siendo punta de lanza en implementaciones relacionadas con machine learning, reconocimiento facial, data mining y video analytics, a pesar de que todavía existe un largo camino por recorrer para refinar estas implementaciones. 

Algunos sectores, como la banca y el sector energético, así como algunos ejemplos en telecomunicaciones y medicina, que demuestran cómo algunas de las grandes empresas se encuentran mejor posicionadas frente a los retos éticos, desarrollo y retención de talento, y tienen una mayor visión sobre cómo transformar su industria a partir de esta tecnología, pero no es aún algo generalizado.

La democratización de las herramientas disponibles para usar inteligencia artificial va a facilitar que las empresas exploren e implementen distintos usos de redes neuronales. Además, la fuerte presencia de emprendedores y start-ups enfocadas en el desarrollo de IA pueden contribuir a crear un panorama favorable para esta tecnología, además de potenciar la formación de nuevo talento.  

Crear alianzas centradas en iniciativas de inteligencia artificial (centros de investigación especializados, emprendimientos, consultoras especializadas, etcétera) será clave para poder avanzar en la implementación de proyectos que favorezcan la adopción de IA y sus aplicaciones en Argentina.