Pablo Tapia en la Hora Premium: “Las empresas deben adaptarse a la IA porque el que no lo haga quedará atrás”

Desde su aparición, la inteligencia artificial (IA) ha presentado tanto desafíos como oportunidades significativas. En la actualidad, existe la preocupación de que la IA pueda superar la capacidad humana en ciertos campos, planteando interrogantes sobre el control y la responsabilidad. Sin embargo, también hay beneficios asociados a esta capacidad. Con el enfoque adecuado, puede abrir nuevas fronteras y mejorar la calidad de vida de las personas en distintos aspectos. Pablo Tapia, CTO de Tupl y colaborador de Atlas Tecnológico, ha explicado en una sesión de la Hora Premium, las distintas barreras a superar de la IA.

“Estamos en un momento donde la IA lo ha inundado todo. Chat GPT se ha encargado de acercarla a las masas pudiendo hacer que todo el mundo quedara maravillado con el sistema. Es cierto que existe un temor por someter a la capacidad a un control, sin embargo, presenta muchas oportunidades. Las empresas deben interiorizarla y adaptar sus procesos para mantenerse competitivas porque el que no lo haga quedará atrás”, contextualizaba el ingeniero en telecomunicaciones.

Aunque la IA ofrece muchas oportunidades también existen algunas barreras que pueden dificultar su implementación. “Encontramos las limitaciones tecnológicas, compuestas por la complejidad, los datos, el concepto de caja negra y la productificación”, para abordarlas el CTO de Tupl insistente en “estudiar y escoger herramientas sencillas mientras se cuenta con el apoyo de ecosistemas como universidades o empresas punteras, también es importante planificar un caso de negocio y poseer una visión paulatina que nos ayude a realizar una inversión con los datos necesarios. La caja negra tendrá lugar si recurrimos a un tercero que tan solo ejecuta la operación sin compartir su conocimiento por ello, para paliar esto debe trabajarse de manera conjunta”.

Por otra parte, existen barreras psicológicas que pueden dificultar la adopción de la inteligencia artificial en cualquier sector. “Estos obstáculos a costumbran a ser los más complicados surgen a partir del miedo a lo desconocido, al cambio y a perder el control, la receta universal para combatirlo reside en el cambio de actitud y en entender la necesidad de adaptarse a los medios”, confirma.

La confianza en la IA también es crucial, ya que los trabajadores deben creer en la precisión y confiabilidad de estos sistemas. “Destacan los bloqueos activos pesimistas y el Síndrome NIH (Not Invented Here), donde el equipo de I+D muestra reticencia hacia nuevas tecnologías y subestima su valor, creyendo que pueden abordar todos los aspectos sin considerar elementos como el mantenimiento. Esto se agrava cuando no existe alineación entre el equipo interno y los objetivos del negocio. También encontramos el síndrome Nini que consiste en esperar que alguien más resuelva los problemas en lugar de asumir e internalizar el conocimiento necesario, también puede ser una barrera significativa. Otro desafío es el fenómeno de «Lost in Translation», donde la comunicación entre actores especializados en IA, los equipos de desarrollo y los expertos en el dominio puede resultar complicada y dificultar la implementación eficiente”, afirma Pablo Tapia.

En cuanto a las trabas económicas “las empresas de IA operan bajo modelos de suscripción, lo que requiere un cambio de mentalidad hacia una inversión a largo plazo, ya que en el sector industrial se compran aparatos. Por otro lado, la parálisis por análisis surge cuando hay insuficientes datos para determinar el retorno de la inversión (ROI), y se supera al apostar por la inversión para obtener datos que permitan comprender y desarrollar un modelo sólido. El costo de los recursos expertos puede ser elevado, por lo que se sugiere buscar apoyo en universidades para acceder a talentos prometedores a precios más razonables. Por último, es importante no obsesionarse con la cantidad de datos y evitar invertir en hardware innecesario, centrando la atención en la calidad y relevancia de los datos recopilados”.

En resumen, las claves del éxito para el CTO de Tupl residen en “tener un buen espónsor para impulsar el cambio, contar con un ecosistema colaborativo, invertir en una visión actualizada, formar un equipo capaz de analizar datos y utilizar herramientas eficientes para la implementación”.