Con la participación de: Sr. Sandeep Bansal, CIO de A-One Steels e IDC CIO of the Year 2023
Host: Nikhil Chaudhary, VP Marketing en BeatRoute
IA: Más que una Palabra de Moda
Preparar empresas para la era de la IA empieza con una pregunta honesta: ¿la IA es realmente transformadora para las organizaciones o es solo otra moda pasajera? La inteligencia artificial capturó la imaginación del mundo de los negocios, pero entre tanto entusiasmo esa duda sigue en pie.
En el episodio más reciente del BeatRoute Podcast, Sandeep Bansal compartió su visión sobre cómo las organizaciones pueden prepararse para aprovechar la IA de forma efectiva. “AI was not new, actually. It was started from 1950s somewhere, right? But the things which is coming now is generative AI, creating imaging, visual AI. There are so many models which is coming in.” (La IA en realidad no es nueva. Empezó por ahí en los años 1950, ¿verdad? Pero lo que está llegando ahora es la IA generativa, la creación de imágenes, la IA visual. Están apareciendo tantísimos modelos. — trad.)
Señaló que, aunque la adopción de IA se acelera, el reto real está en la claridad y la intención. “Everybody wants to use the technology. They want to bring the technology into their ecosystem in the enterprise. But in that case, important part is there should be a ground level discussion and understanding, a brainstorming session to understand what use case or what kind of model you want to implement.” (Todos quieren usar la tecnología. Quieren llevar la tecnología a su ecosistema en la empresa. Pero en ese caso, lo importante es que haya una discusión y un entendimiento a nivel base, una sesión de lluvia de ideas para entender qué caso de uso o qué tipo de modelo quieres implementar. — trad.)
Planear Antes de Implementar
Sandeep recalcó que las empresas deben resistir el impulso de desplegar IA sin entender su propósito. “We have to ensure what we want to implement, why we want to implement, and how we are going to implement so that the right ROI can be brought on the table.” (Tenemos que asegurar qué queremos implementar, por qué lo queremos implementar y cómo lo vamos a implementar, para poder poner sobre la mesa el ROI correcto. — trad.)
Explicó que la fase actual de adopción de IA, vista en retrospectiva, se entenderá como un periodo de preparación. “People will fail, they will understand the gaps, they are going to fill it, and then they will come to that maturity level. So in the next three years, this time will be taken as when they were preparing for that maturity level to get the real effect, the real outcome for the organization.” (La gente fallará, entenderá las brechas, las llenará y luego llegará a ese nivel de madurez. Así que en los próximos tres años, este tiempo se verá como cuando se estaban preparando para ese nivel de madurez para lograr el efecto real, el resultado real para la organización. — trad.)
Integrar la IA con Sistemas Legacy
Cuando le preguntaron cómo deberían abordar la adopción de IA las empresas con sistemas heredados, Sandeep fue directo. “There is no solution which fits to all. Every organization has their reasons to have those legacy systems in place. They cannot roll it out or reinvent the wheel today because a new solution has come up.” (No hay una solución que sirva para todos. Cada organización tiene sus razones para tener esos sistemas legacy en su lugar. No pueden desmantelarlos o reinventar la rueda hoy solo porque salió una solución nueva. — trad.)
En lugar de reemplazar todo, sugirió un enfoque de integración pragmático. “You have to see what kind of format of data is coming in and what kind of layer you have to build where all this data come and collide in one form or other form. And there, cleansing activity can be done or real-time output can be taken.” (Tienes que ver qué formato de datos está entrando y qué tipo de capa debes construir donde todos esos datos se encuentran y chocan de una forma u otra. Y ahí se puede hacer la limpieza o tomar el resultado en tiempo real. — trad.)
Fundamentos de Datos y Propiedad de los Datos
Para que la IA funcione, las organizaciones primero deben dominar sus datos. “AI is, know, the raw material is data because you have to train your model using the data,” (La IA es, sabes, la materia prima son los datos, porque tienes que entrenar tu modelo usando los datos, — trad.) explicó Sandeep.
Señaló que muchas organizaciones pasan por alto la gobernanza y la estructura. “What kind of data you’re bringing in, are you allowed to bring that data or you are not allowed? You’re not supposed to give that data to the users. What kind of training you’re providing to AI? Because the data once you have provided to your AI tool, so he will be able to give the answer.” (¿Qué tipo de datos estás ingresando, tienes permitido traer esos datos o no? No se supone que des esos datos a los usuarios. ¿Qué tipo de entrenamiento le estás dando a la IA? Porque una vez que le diste los datos a tu herramienta de IA, ella podrá dar la respuesta. — trad.)
También subrayó la importancia de asignar responsabilidades. “Now new role is coming up, the DPA role, who is basically, you know, the owner of data processing, who is owning the data. However, every function, there should be one data owner who should be before designing such kind of architecture.” (Ahora surge un nuevo rol, el rol de DPA, que es básicamente el dueño del procesamiento de datos, quien es propietario de los datos. Sin embargo, en cada función debería haber un data owner designado antes de diseñar ese tipo de arquitectura. — trad.)
Gobernanza de IA y Uso Ético
Sandeep también es miembro de la World AI Governance Foundation, y ve la gobernanza como la columna vertebral de cualquier transformación impulsada por IA. “The governance is where we are ensuring the AI model which we are implementing, it should be ethical, responsible. And it should understand what information to be provided and how it has to be provided.” (La gobernanza es donde aseguramos que el modelo de IA que implementamos sea ético y responsable. Y debe entender qué información debe entregarse y cómo tiene que entregarse. — trad.)
Compartió su experiencia al armar un AI governance board interno. “I raised the point and ensure that we have an AI awareness board. I was the secretary for AI governance board and that was the reason I wanted the AI governance to be there to ensure what we are putting data into the AI, how we are training our AI model and what kind of information AI is going to provide to the users.” (Planteé el punto y me aseguré de que tuviéramos un AI awareness board. Fui el secretario del AI governance board, y esa fue la razón por la que quería que existiera la gobernanza de IA: para asegurar qué datos metemos en la IA, cómo entrenamos nuestro modelo de IA y qué tipo de información va a entregar la IA a los usuarios. — trad.)
Elegir los Modelos de IA Correctos
Uno de los aprendizajes más prácticos de la conversación fue el consejo de Sandeep a los CIO sobre cómo elegir modelos de IA. “First of all, I cannot let the vendor take the decision of my infrastructure, right? What LLM he is going to use is not his fault, because it is my data, it is my organization infrastructure, and I have to understand what he is providing and what kind of LLM I have to use.” (Antes que nada, no puedo dejar que el proveedor tome la decisión sobre mi infraestructura, ¿verdad? Qué LLM va a usar no es asunto suyo, porque son mis datos, es la infraestructura de mi organización, y tengo que entender qué me ofrece y qué tipo de LLM debo usar. — trad.)
Agregó que las decisiones deben tomarse de forma colectiva, no en silos. “It is not a one man job. I will take a collective decision by bringing everybody on the table, understand what they are bringing on the table, what is the long-term and short-term benefit. Again, the same question comes in, whether they are scalable, secure.” (No es trabajo de una sola persona. Tomaré una decisión colectiva sentando a todos en la mesa, entendiendo qué aporta cada quien, cuál es el beneficio de largo y corto plazo. Otra vez surge la misma pregunta: si son escalables y seguros. — trad.)
La Transformación como Programa Continuo
Sandeep distinguió entre un proyecto y un programa. “Digital transformation is a program, not a project. So difference between a project and program is that a program has multiple projects within it.” (La transformación digital es un programa, no un proyecto. La diferencia entre un proyecto y un programa es que un programa tiene varios proyectos dentro de él. — trad.)
También advirtió contra los cambios de alcance interminables que descarrilan los proyectos. “I believe most of the projects fall back because the goalposts keep on changing, requirements keep on changing at the time of delivery, at the time of implementation and end of the day where you wanted to reach you never reach to that location and you reach somewhere else.” (Creo que la mayoría de los proyectos se quedan atrás porque las metas no dejan de cambiar, los requerimientos no dejan de cambiar al momento de la entrega, al momento de la implementación, y al final nunca llegas a donde querías llegar y terminas en otro lado. — trad.)
Reflexiones Finales
Reflexionando sobre el futuro, Sandeep afirmó: “AI is going to stay, AI is going to be beneficial, AI is going to help the organization in many ways. But if we plan it properly, I think the maturity phase can be earlier than what we are thinking today.” (La IA llegó para quedarse, la IA va a ser beneficiosa, la IA va a ayudar a la organización de muchas maneras. Pero si la planeamos bien, creo que la fase de madurez puede llegar antes de lo que pensamos hoy. — trad.)
Su perspectiva subraya el mensaje de que una adopción de IA exitosa exige claridad, gobernanza y pensamiento de largo plazo, no prisa.