La inteligencia artificial ha pasado de la experimentación a la expectativa a una velocidad notablemente rápida. Lo que comenzó como pilotos aislados ahora se integra en todas las industrias, desde sectores altamente regulados como los servicios financieros hasta los campos más cercanos a la experiencia humana, como la salud y las artes.

En solo cuatro años de uso generalizado en las empresas, estas tecnologías han dejado de ser herramientas operativas para convertirse en una infraestructura empresarial que sustenta la resiliencia y exige la misma planificación y protección que cualquier otro sistema crítico. Este cambio está modificando la forma en que deben tomarse las decisiones de inversión en IA: ya no se trata de si invertir, sino de cómo garantizar que esas inversiones generen valor a largo plazo mientras se mitigan los riesgos operativos, de seguridad y de cumplimiento que crecen con el tiempo.

Además, la IA no es solo una inversión digital. Detrás de cada modelo, aplicación y flujo de trabajo existe un ecosistema tecnológico físico: servidores, almacenamiento, equipos de red, infraestructura intensiva en energía, dispositivos y las cadenas de suministro que las sostienen.

A medida que la adopción de IA se acelera, las empresas corren el riesgo de ampliar este ecosistema sin comprender completamente las consecuencias de su ciclo de vida, desde el aumento del consumo de energía y las rotaciones de infraestructuras hasta activos infrautilizados, residuos electrónicos y pérdida de valor residual.

Translating investment into impact (Traducción de la inversión en impacto)

La inversión en IA continúa aumentando de forma exponencial, aparentemente sin verse afectada por precios de mercado o inestabilidad económica. Hoy, el 71% de los directores ejecutivos sitúan a la IA como una prioridad de inversión, pero muchos aún luchan por traducir el gasto de capital en valor operativo.

Según Gartner, al menos el 50% de los proyectos de IA se abandonan tras la prueba de concepto. Los proyectos que llegan a operar a menudo no brindan retorno de la inversión, y el 56% de los CEOS indican que no han obtenido beneficios de ingresos o ahorro de costos de los proyectos de IA.

Este fenómeno apunta a un problema más profundo: el éxito de la IA depende menos de la experimentación por sí sola y más de la calidad de las decisiones de inversión, gobernanza y desarrollo de capacidades que siguen.

La brecha de impacto de IA (AI impact gap)

A medida que la complejidad aumenta, surge una brecha de impacto de la inversión. Los líderes esperan que la IA y la tecnología que la respalda entreguen valor estratégico, mejoren el rendimiento y reduzcan riesgos, pero al tomar decisiones de inversión suelen priorizar los costos a corto plazo sobre los factores del ciclo de vida que determinan si esos resultados pueden realmente alcanzarse.

Sin una visión de las consecuencias del ciclo de vida de sus inversiones, a medida que la adopción de IA se acelera, las empresas tienden a priorizar factores que son más fáciles de cuantificar y actuar a corto plazo. Nuestra propia investigación muestra que el 64% de las organizaciones han rechazado una solución tecnológica superior debido a su precio inicial.

Esto puede aliviar la tensión financiera inmediata, pero también puede introducir fricción operativa, problemas de escalabilidad y erosionar el desempeño a lo largo del tiempo. Como señaló Dan Diasio, CTO de las Américas de EY: “Hay un límite muy claro para la cantidad de valor que se puede crear enfocándose solo en la productividad y la reducción de costos”.

La IA introduce dinámicas de costo completamente nuevas. Las empresas deben considerar no solo la adquisición e implementación, sino también el gasto continuo vinculado al uso, al consumo de energía, a la gobernanza, al cumplimiento, a la infraestructura y a la evolución de los modelos. Estos impactos del ciclo de vida a menudo son invisibles en los casos de negocio tradicionales, pero cada vez más determinan si las inversiones en IA generan valor duradero.

La gobernanza eficaz de IA comienza con la responsabilidad y la visibilidad (Good AI governance starts with accountability and visibility)

De manera similar, la IA no respeta límites organizacionales. Sus costos, riesgos y valor se distribuyen por toda la empresa, lo que hace esencial una responsabilidad transversal. Sin embargo, las decisiones de inversión se suelen evaluar en silos, dificultando construir una visión completa de los riesgos y el valor que emergen a lo largo del ciclo de vida.

Además, las organizaciones deben comprender el alcance y alcance de los sistemas que tienen en producción, así como los impactos financieros, operativos, de seguridad y ambientales que tendrán a lo largo de su ciclo de vida.

Sin esta visión de extremo a extremo, pueden aparecer grandes vacíos financieros y operativos en momentos críticos, muchos de los cuales no se anticipan ni se planifican. Si bien la seguridad, la privacidad y el cumplimiento figuran entre las principales preocupaciones de IA, nuestra investigación encontró que menos de la mitad califican la protección de datos (49%) o las capacidades de cumplimiento (46%) como una alta prioridad al tomar decisiones de inversión tecnológica.

Del costo al impacto impulsado por la IA (From cost to AI-driven impact)

Para cerrar esta brecha, las empresas deben ir más allá de las evaluaciones limitadas del precio inicial y del ROI cercano. Estas medidas siguen siendo importantes, pero no capturan las consecuencias del ciclo de vida de las inversiones en IA, especialmente cuando los sistemas se integran en operaciones críticas y comienzan a influir en el rendimiento, la resiliencia, el cumplimiento, el riesgo, la reputación y la creación de valor a largo plazo.

Este es el fundamento de Total Cost of Impact (TCI). TCI es un nuevo modelo que ayuda a las organizaciones a evaluar las inversiones en tecnología a través de una perspectiva de ciclo de vida más amplia, evaluando no solo cuánto cuesta comprar e implementar una solución, sino lo que requerirá, habilitará, limitará y expondrá al negocio con el tiempo.

TCI evalúa cuatro áreas centrales de impacto tecnológico: financiero, operacional, seguridad y cumplimiento, y ambiental y social, fomentando que las organizaciones comprendan cómo las decisiones de inversión actuales influyen en los resultados con el tiempo.

Cuando se aplica en el punto de inversión, TCI revela los trade-offs, riesgos y las consecuencias a futuro que a menudo pasan desapercibidas en los modelos de adquisición convencionales. Al hacerlo, crea un lenguaje común entre las funciones empresariales, reduce fricciones, mejora la colaboración y ayuda a garantizar que las inversiones en tecnología estén alineadas con las prioridades estratégicas desde el principio.

Es importante destacar que TCI es un modelo agnóstico: puede usarse no solo para evaluar si las tecnologías habilitadas por IA entregan valor empresarial, sino también para evaluar cómo se adquiere, utiliza, escala, mantiene, reutiliza y, en última instancia, se retira la infraestructura que las soporta.

Mirando hacia adelante (Looking ahead)

A medida que los ciclos de IA se acortan, las demandas de infraestructura crecen y las limitaciones de recursos se intensifican, adoptar un enfoque de ciclo de vida para la inversión tecnológica se convierte en una necesidad estratégica.

El despliegue de IA no puede separarse de la infraestructura física que la habilita. Las organizaciones deben entender no solo lo que pueden lograr los sistemas de IA, sino lo que requerirán en energía, datos y gobernanza de activos, mantenimiento, ciclos de actualización y gestión de fin de vida a lo largo del tiempo.

Por ello, la circularidad debe formar parte de la conversación sobre inversión en IA. Al adoptar una visión de extremo a extremo de los activos tecnológicos, las empresas pueden identificar oportunidades para prolongar la vida útil, aumentar la utilización, recuperar valor residual, reducir residuos y gestionar el riesgo de fin de vida. La circularidad no es una agenda de sostenibilidad separada; es una forma práctica de reducir costos ocultos, fortalecer la resiliencia y mejorar el impacto a largo plazo de la inversión en IA.

En última instancia, el éxito con la IA dependerá no solo de las capacidades que las organizaciones implementen, sino de la calidad de las decisiones que las respalden. Aquellas que evalúen el impacto completo de sus decisiones tecnológicas desde el inicio estarán mejor posicionadas para capturar valor, gestionar riesgos y construir una infraestructura digital resiliente y preparada para el futuro.

Este artículo forma parte de TechRadar Pro Perspectives, nuestra vía para presentar las ideas de las mentes más brillantes de la industria tecnológica. Las opiniones expresadas aquí corresponden a su autor y no necesariamente a TechRadar Pro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://ift.tt/dsUeVwk

from Latest from TechRadar https://ift.tt/LVglBw4
via IFTTT IA