Sólo el 22% de las grandes empresas ha logrado escalar algún caso de uso de IA generativa

  • Estrategias digitales
Sopra inteligencia artificial

Las áreas de TI, cadena de suministro, gestión de riesgos y fraudes, y atención al cliente son las que más éxito han tenido en el despliegue de soluciones iniciales de IA generativa. Un reto importante para las empresas en 2025 es pasar de la fase de pruebas de concepto a despliegues a escala.

Sopra Steria Next ha publicado la segunda edición de su estudio sobre el mercado mundial de la IA generativa, ‘Generative AI - From Exploration to Impact’, del que se desprende que 2024 fue un año de aceleración tecnológica para la IA generativa, con niveles de inversión sin precedentes y la aparición de soluciones avanzadas y diversas. Se confirma la proyección del mercado de la IA generativa hasta los 100.000 millones de dólares en 2028, realizada en la primera edición de este estudio. Sin embargo, a pesar de la proliferación de Pruebas de concepto (POC), existe cierta decepción entre las empresas, ya que solo 1 de cada 5 consigue implementar un primer caso de uso a escala.

Como explica Fabrice Asvazadourian, CEO de Sopra Steria Next, “el camino está trazado, pero la adopción generalizada sigue siendo un reto. Para tener éxito, ya no basta con realizar pruebas: ahora hay que centrarse en consolidar las bases, dar prioridad a la integración de las soluciones y concentrarse en su impacto práctico. Los próximos meses serán decisivos para convertir este impulso tecnológico en el verdadero motor de la reinvención de los procesos y las empresas”.

 

Un año de aceleración

2024 ha marcado un punto de inflexión para la IA generativa. Por un lado, su crecimiento se ha acelerado drásticamente, con cerca del doble de inversiones por parte de las principales empresas tecnológicas en infraestructura de IA y laboratorios de GenAI, y por otro, NVIDIA ha sido capaz de satisfacer el aumento de la demanda de sus GPU. Con los recientes anuncios de Amazon, Stargate y Meta, esta tendencia de inversión masiva continuará en 2025 y en adelante.

Al mismo tiempo, los laboratorios de IA generativa han conseguido sacar al mercado soluciones cada vez más avanzadas y diversas. Como ejemplo, ChatGPT cuenta con 250 millones de usuarios semanales y un tráfico mensual que ha aumentado más del doble en un año y ahora supera al de Google. Sin embargo, estas cifras también ponen de manifiesto la dificultad de aumentar la cuota de usuarios de pago y fidelizarlos.

A pesar de este auge tecnológico, solo el 22% de las grandes empresas lograron desplegar al menos un caso de uso de IA generativa a escala en 2024. Si bien el progreso es significativo en comparación con el año anterior (3% de las grandes empresas en 2023), la proporción sigue siendo modesta, dado que casi 4 de cada 5 empresas aún no han alcanzado este hito. Las áreas de TI, cadena de suministro, gestión de riesgos y fraudes, y atención al cliente son las que más éxito han tenido en el despliegue de soluciones iniciales de IA generativa.

Estas dificultades en la adopción a gran escala pueden explicarse por varios factores, incluyendo una gobernanza de datos insuficiente, que impide a las empresas aprovechar plenamente el potencial de la IA; obstáculos organizativos y técnicos para reunir todos los conocimientos necesarios; la dificultad para contratar expertos en IA; y la falta de comunicación eficaz entre los equipos de negocio y los ingenieros especializados.

Sopra Steria Next ha identificado cuatro ejes estratégicos con el objetivo de acelerar la adopción de la IA generativa:

-     Centrarse en el impacto tangible en la cuenta de resultados - Desplegar con éxito las soluciones de IA generativa más maduras a gran escala y lograr que los empleados las utilicen a diario.

-     Explorar las posibilidades de la IA agentiva - Pasar de Text-to-Text a Speak-to-Action, y avanzar hacia un enfoque multitarea integrado y personalizado: Smart Lean.

-     Aprender a combinar diferentes modelos generativos de IA - Saber utilizar múltiples modelos generativos de IA y hacer que funcionen juntos para optimizar el cuadrante Coste / Rendimiento / Velocidad / Huella ESG.

-     Garantizar un despliegue ético y responsable de la IA a escala - Existe la posibilidad de utilizar datos sintéticos para mejorar y simplificar la gestión de datos y, por supuesto, integrar la regulación de la IA (AI Act).