La mayoría de las empresas aún están en la fase de proyectos piloto o de asistencia a los empleados, según los resultados de una encuesta presentados en un contenido producido por Insights, la división de contenidos personalizados de MIT Technology Review. Para Prukalpa Sankar, cofundadora de Atlan, la principal carencia reside menos en los modelos que en el contexto en el que se utilizan.
- La mayoría de las empresas sigue en fase de proyectos piloto o de asistencia a los empleados.
- Solo el 12 % tiene agentes de IA en producción, y el 3 % la usa para el trabajo principal de los procesos clave.
- El verdadero obstáculo es la falta de contexto empresarial, no la calidad de los modelos.
- Una capa de contexto estructura la información de la empresa para que la IA la comprenda y acumule conocimiento.
Una brecha entre las capacidades y los usos
Según estos resultados, el 38 % de los encuestados indica que su empresa lleva a cabo principalmente proyectos piloto en materia de IA, mientras que el 35 % la utiliza para ayudar a los empleados en su trabajo, con herramientas como copilotos o asistentes conversacionales. Solo el 12 % de las empresas tienen agentes de IA en producción, y el 3 % afirma utilizar la IA para realizar la mayor parte del trabajo en los procesos clave.
«Existe una gran brecha entre lo que los modelos son capaces de hacer y la forma en que realmente son útiles dentro de las organizaciones», afirma Prukalpa Sankar. Añade: «Para cada uso concreto, la inteligencia artificial general ya está aquí. Simplemente no es realmente útil en la mayoría de las empresas hoy en día».
La capa de contexto
Según ella, la pieza que falta es el contexto, es decir, la capacidad de la IA para comprender bien una empresa. Describe una «capa de contexto» como una infraestructura de arquitectura situada entre los sistemas empresariales de una organización, por ejemplo los sistemas de registro y los datos, y sus plataformas de IA. Esta capa traduce la información empresarial en un contexto estructurado y explotable por máquinas, destinado a los agentes o modelos de IA, y permite que el conocimiento se acumule.
«Sin una capa de contexto para la IA, es casi como si contrataras al becario más brillante del mundo, le vendaras los ojos y lo lanzaras a tu organización», declara Prukalpa Sankar.
Este contenido fue redactado por humanos, según MIT Technology Review, y no fue producido por su redacción. Las herramientas de IA eventualmente utilizadas se limitan a los procesos de producción, bajo supervisión humana.
