Preparación empresarial, liderazgo y transformación de la IA

Evaluación de la preparación

Antes de implantar la IA, se mide la preparación de la organización desde varias dimensiones. Las dimensiones habituales son la alineación del liderazgo, la calidad de los datos, la preparación cultural, la infraestructura técnica y los marcos de gobernanza. Si falta cualquiera de ellas, la iniciativa no se extiende aunque la tecnología sea excelente. El resultado de la medición sirve para decidir por qué área empezar a actuar.

Modelo de madurez y siguiente paso

Un modelo de madurez es una vara de medir para situar las iniciativas de IA de la organización, por ejemplo, si están en la fase de experimentación individual o de un área, o en la fase de implementación a escala empresarial, con varios sistemas en producción y una base común. Lo importante no es el nombre de la fase, sino elegir el siguiente paso adecuado a la situación actual. Los pasos que no corresponden a la madurez, como desplegar en toda la empresa a la vez en la fase de experimentación o volver a empezar con PoC aisladas en la fase de escala empresarial, son patrones típicos de respuesta incorrecta.

Brechas de capacidad y orden de la inversión

Los factores que impiden la transformación se identifican en 4 áreas: personas (habilidades y funciones), procesos (flujos de trabajo y procedimientos de decisión), tecnología (datos e infraestructura) y gobernanza (políticas y estructuras). Las brechas encontradas se cubren en orden, a la luz de los objetivos estratégicos y la madurez actual, empezando por las que son necesarias para pasar a la siguiente fase. Si se intenta preparar todo a la vez, la inversión se dispersa y cuesta obtener resultados.

Preparación de los datos y fundamentos de datos

Como los resultados de la IA dependen de los datos, se comprueban la calidad de los datos, la accesibilidad (si quienes los necesitan pueden usarlos) y el efecto de los silos dispersos por cada área. Los fundamentos son la estrategia de datos de toda la empresa, los propietarios de los datos del lado del negocio que responden de ellos y los marcos para compartir datos entre áreas. Lo básico es que la propiedad de los datos no recaiga en el departamento de TI, sino en el lado del negocio que genera esos datos.

Patrocinio de la dirección y promotores

Para la transformación de la IA en toda la empresa son imprescindibles el patrocinio de la dirección, que respalda el presupuesto y las prioridades, y la alineación entre los líderes. Se nombran promotores en cada área que comparten los casos de éxito en el terreno y actúan como consejeros, y así se mantiene el impulso. Si solo avanza el departamento de TI, la iniciativa no se vincula con los objetivos del negocio ni se extiende en el terreno.

Cómo comunicarse con los empleados y las barreras culturales

En la implantación de la IA, los empleados tienden a preocuparse por el impacto en su trabajo, por lo que se comunican pronto y con transparencia los plazos de la implantación, los resultados esperados y los cambios en las funciones. Frente a las barreras culturales, como la aversión al riesgo, la resistencia al cambio o el miedo al fracaso, los líderes actúan con la participación temprana, espacios seguros para experimentar en los que no se culpa el fracaso y oportunidades de reconversión profesional. Si se anuncia ocultando el impacto, se pierde la confianza y la resistencia aumenta.

Desarrollo del personal y funciones humanas

La alfabetización en IA de toda la empresa se eleva combinando oportunidades de usarla en la práctica, como PoC y hackatones, con formación por niveles y formación en IA responsable. Las funciones humanas pasan del procesamiento manual a la supervisión de las salidas de la IA y la colaboración con ella. El pensamiento crítico, la empatía y la creatividad se mantienen como fortalezas humanas, y las funciones se diseñan combinándolas con las capacidades de la IA.

Fases de la transformación y cómo escalar

La transformación de la IA avanza de forma iterativa por las fases de visualizar, experimentar, lanzar y escalar. Primero se ganan la confianza y el presupuesto con resultados a corto plazo, se crean bases y plantillas reutilizables y el mismo modelo se extiende a otras áreas y casos de uso. Empezar en toda la empresa de una vez o rehacer desde cero en cada piloto son patrones típicos de respuesta incorrecta.

→ La plataforma de IA generativa de toda la empresa

CoE (centro de excelencia)

Un CoE es una organización interfuncional de impulso que prepara los estándares y las prácticas recomendadas de IA, la base común y los componentes reutilizables, y apoya las iniciativas de cada área. Lo básico es el modelo de centro y radios (hub and spoke), en el que el CoE central colabora con los promotores de cada área. Si el CoE lo crea todo, las decisiones y el desarrollo se concentran y se atascan, por lo que se posiciona como un apoyo que capacita a cada área.

El paso de la experimentación a la producción

Que una PoC funcione no significa que se pueda usar en producción. Antes de pasar a producción se dejan listos la aprobación de gobernanza, la supervisión del rendimiento y de los costes, la estructura operativa, los acuerdos de nivel de servicio (SLA) y la gestión de los costes. Tras el paso, se sigue el valor a largo plazo con comentarios continuos y métricas de éxito, y en cada fase de la expansión se siguen comprobando la continuidad del negocio y el rendimiento.

→ AWS Well-Architected Framework

AWS CAF (Cloud Adoption Framework)

AWS Cloud Adoption Framework (AWS CAF) es un marco para planificar y escalar la adopción de la nube y de la IA en toda la organización. Desde 6 perspectivas (negocio, personas, gobernanza, plataforma, seguridad y operaciones), identifica las capacidades que faltan y lo que hay que preparar a continuación. Si se planifica solo con la configuración técnica, se omite la preparación de las personas y de la organización, por lo que para planificar la transformación de toda la empresa se usan las perspectivas del CAF.