Empresas replantean uso de IA ante costos, utilidad y resultados reales, revela informe

El mercado laboral global se enfrenta a cambios enormes. Un informe del Foro Económico Mundial sobre el futuro del trabajo, publicado el año pasado, indica que, para el año 2030, alrededor de 92 millones de empleos en todo el mundo desaparecerán o sufrirán cambios muy significativos debido a la inteligencia artificial y a los procesos de automatización relacionados.

Al mismo tiempo, se prevé que se creen alrededor de 170 millones de nuevos empleos. Las expectativas de muchas empresas respecto a la IA son, por lo tanto, muy altas: se espera que acelere los procesos, reduzca los costos y, con ello, aumente la eficiencia.

Sin embargo, algunas empresas ya están dando marcha atrás. Después de haber invertido mucho tiempo y dinero en la IA para implementarla de la manera más amplia posible, ahora cobran mayor importancia las preguntas sobre su utilidad real, los costos de operación y los riesgos.

IA altamente especializada para tareas sencillas

Un ejemplo extremo es la empresa global de consultoría Accenture. Según informa dicha compañía, Accenture ha invertido un total de 3.000 millones de dólares estadounidenses específicamente en la expansión de su área de datos de IA. Se estima que cada año se han destinado más de 1.000 millones de dólares a la capacitación de los empleados, una parte considerable de esa suma en cursos específicos de IA.

Se dice que Accenture sigue una estrategia de IA particularmente agresiva: solo los empleados que utilizan de forma regular herramientas internas de IA pueden ser ascendidos a puestos de liderazgo.

Sin embargo, esta enorme presión habría llevado a los empleados a utilizar estas costosas herramientas incluso para tareas sencillas, con el fin de cumplir con los requisitos de uso: por ejemplo, para crear presentaciones a partir de documentos de texto, resumir informes o realizar tareas sencillas de programación.

"Hace unos años, las aplicaciones aún eran relativamente baratas porque la moneda con la que se pagaba, por así decirlo, eran los datos", explica Anne-Sophie Mayer, profesora de Trabajo Digital en la Universidad Ludwig-Maximilians de Múnich.

"Sin embargo, eso ha cambiado de manera radical. La IA mejora constantemente, por lo que los costos de licencia para modelos altamente especializados han aumentado considerablemente".

Para utilizar estas herramientas de IA, a menudo es necesario comprar tokens costosos, como es el caso de Accenture. Allí, los costos se han disparado, por lo que la empresa ha decidido tomar medidas drásticas.

En el futuro, habrá un presupuesto de solo 29 dólares al mes por persona para aplicaciones de IA; los costos que excedan ese monto deberán ser aprobados previamente por la dirección de la empresa.

Esfuerzo adicional en lugar de eficiencia

Pero no solo el uso de costosas herramientas de IA para tareas sencillas se convirtió en un factor de costo. A menudo se generaban contenidos hechos con IA que, aunque a primera vista parecían profesionales, al analizarlos más detenidamente resultaban superficiales, o contenían errores, o apenas aportaban nuevos conocimientos.

En lugar de ahorrar tiempo, se generó un esfuerzo adicional de cierta magnitud. Los empleados tenían que revisar minuciosamente la información generada por la IA, corregir errores y adaptar los resultados para que fueran útiles. Este fenómeno, que ya se ha presentado en muchas otras empresas, se ha dado a conocer en inglés con el nombre de "workslop" (trabajo chatarra).

Recientemente, Ryan Roslansky, uno de los vicepresidentes ejecutivos del gigante del software Microsoft, expresó también su disgusto en su cuenta pública de LinkedIn.

"La basura de la IA no solo existe en las redes sociales. También está presente en el día a día laboral. Alguien me envió un documento que claramente había sido generado por IA. Lo leí, me di cuenta de que todo era IA, dejé que mi IA lo resumiera y, al final, no encontré nada que aportara ideas nuevas de alguna manera. Es un círculo vicioso".

La experta en IA Anne-Sophie Mayer habla en este contexto de una problemática: "homogeneización de contenidos". En resúmenes sencillos o trabajos rutinarios que no requieren creatividad, las herramientas de IA tienen mucho sentido, explica la profesora.

"Pero cuando se trata de recomendaciones de acción o de interpretar cosas, eso todavía debe hacerlo el ser humano para que se genere un valor agregado y también surjan nuevos conocimientos, y para no perder la ventaja competitiva".

Reconocer y aprovechar el valor agregado de la IA

Según Anne-Sophie Mayer, las empresas deben cumplir cuatro puntos para que el uso de la IA tenga éxito.

"En primer lugar: hay que definir un ámbito de aplicación: ¿dónde tengo realmente un problema y cómo podría ser la solución? El segundo punto es la calidad de los datos. Si tengo un proceso analógico deficiente, también tendré un proceso digital deficiente. Si no cuento con ciertos datos, no los preparo adecuadamente y luego les aplico IA, eso no servirá de nada".

En tercer lugar, dice la experta, es importante mantener cierta apertura hacia la nueva tecnología: "Encontrar el equilibrio entre el potencial de la IA, sin por eso correr tras cada tendencia ni implementarla a ciegas".

Y en cuarto lugar: la capacitación de los empleados. "Estimularlos para que encuentren por sí mismos buenos ámbitos de aplicación en los que también puedan reconocer el valor agregado de la IA".