El mundo de los negocios vive una explosión de ofertas combinadas a medida que la oleada de nuevas empresas de inteligencia artificial generativa llegan al mercado. Y esto recién comienza. Por su parte, los creadores de la nueva tecnología dicen que las empresas pronto se verán inundadas con nuevos productos y servicios que ahora están en desarrollo.

“En 18 meses, el espacio de productos disponibles se verá completamente diferente porque en este momento el cambio sólo se ve detrás de escena”, revela Aidan Gómez, uno de los cerebros detrás del algoritmo T (co-autor de los Transformers, el gran paper original de Google que inició la nueva movida IA) que se encuentra en el corazón de los modelos de IA generativa como GPT-4. 

Con US$ 1.7 mil millones de inversión que ya se invirtieron en docenas de nuevas empresas de IA este año y otros US$ 10 mil millones en acuerdos en trámite, ¿Qué debe hacer un ejecutivo de C-suite (como se denomina en EE.UU a la capa gerencial)? ¿Lanzar un dardo a este nuevo mapa de productos y esperar dar con un ganador? ¿O retrasar la compra de nuevos productos o servicios y correr el riesgo de quedarse atrás ante competidores más audaces?

“El panorama tecnológico se encuentra en rápida evolución, la falta de estandarización y la complejidad actual del ecosistema crea una parálisis a medida que los líderes navegan por entender las conveniencias, incertidumbres y a la vez decidir cómo alocar sus recursos limitados mientras consideran las implicaciones a largo plazo de sus elecciones”, comenta Sesh Iyer, presidente de Boston Consutlting Group para América del Norte. 

No está nada claro en qué aplicaciones de IA vale la pena invertir, ni cómo integrar con éxito estas tecnologías en las operaciones de la organización. Los líderes empresariales están atrapados como ciervos bajo los faros de la IA, abrumados por el creciente número de soluciones de IA y sus implicaciones de gran alcance.

“Aunque la elección por la IA sea buena, puede haber demasiado de algo bueno”, dice el psicólogo Barry Schwartz en su libro de 2004, “La paradoja de la elección: por qué más es menos. Y eso conduce a la parálisis, a malas decisiones, a la pérdida del autocontrol y a la insatisfacción incluso con las buenas decisiones”.

La solución puede estar en centrarse en lo mundano. Las empresas deben considerar soluciones de IA que automaticen tareas vitales desde el punto de vista operativo que no agregan valor directo al cliente, liberando así a su personal para un trabajo más estratégico. Este punto de partida también puede servir como trampolín, lo que permite a las empresas familiarizarse con las tecnologías de IA antes de pasar a aplicaciones más generales.

¿Dónde pasan los empleados su tiempo más improductivo?

Los líderes empresariales deben adoptar un enfoque estratégico para la automatización comenzando con las tareas más discretas dentro de su organización antes de aventurarse en escenarios de automatización más complejos. Este enfoque incremental permite una transición fluida y asegura una base sólida que permite a la organización optimizar otros aspectos del ciclo de vida del desarrollo de software y desbloquear mayores ganancias de productividad.

Tomemos como ejemplo el desarrollo de software, un impulsor fundamental del éxito en la mayoría de las empresas en la actualidad. Un punto de partida práctico es automatizar la redacción de testeos para los desarrolladores. El testing es un aspecto fundamental y esencial del proceso de desarrollo, y la automatización de esta tarea repetitiva y que consume mucho tiempo puede generar beneficios significativos. Al implementar herramientas de testing impulsadas por IA, las empresas pueden optimizar el proceso de desarrollo, aumentar la eficiencia y reducir el riesgo de introducir errores en la base del código.

Una de esas soluciones es Diffblue Cover, que automatiza el proceso de testeo para el tipo de software Java que es omnipresente en las grandes empresas. Diffblue Cover analiza un programa Java existente y escribe de forma autónoma pruebas de regresión de unidades que reflejan el comportamiento actual del código. Al automatizar este proceso, Diffblue Cover ahorra a los equipos de desarrollo hasta un tercio de su tiempo y garantiza un código de alta calidad, lo que ayuda a las empresas a lograr objetivos de DevOps como la integración y la entrega continuas.

Una vez que los líderes de ingeniería hayan automatizado con éxito los puntos débiles clave pueden considerar implementar herramientas de IA más generales como Copilot para acelerar aún más el trabajo de sus desarrolladores. Copilot, impulsado por el modelo de IA GPT-4 de OpenAI, es una innovadora herramienta de generación de código desarrollada por GitHub.

Copilot actúa como asistente del programador, ahorrando tiempo y esfuerzo a los desarrolladores al proporcionarles automáticamente sugerencias y soluciones de código instantáneas. Las herramientas como Copilot se pueden usar en una gama más amplia de idiomas y escenarios y pueden proporcionar un aumento real de la eficiencia.

Existen otras herramientas, pero estas dos por sí solas pueden acelerar el desarrollo. Los líderes empresariales deben encuestar a su fuerza laboral para determinar qué tareas consumen un tiempo valioso y cuáles se pueden automatizar con las nuevas herramientas de inteligencia artificial.

Al comenzar con un enfoque limitado en la automatización de tareas claramente definidas, ya sean grandes o pequeñas, las empresas pueden desarrollar gradualmente sus capacidades de IA. Y una vez que se comienza  a navegar por la IA se podrá dar el siguiente paso sobre una experiencia más segura.